技术摘要：
本发明公开了一种二维码检测方法，该方法包括：获取待检测的原始图像，并对原始图像进行尺寸调整，获得目标图像；将目标图像输入至基于深度学习的目标检测网络中，并利用在目标检测网络训练过程中获得的检测参数对目标图像进行二维码检测，获得检测值；利用检测值确定  全部
背景技术：
二维条码/二维码(2-dimensional  bar  code)是用某种特定的几何图形按一定规 律在平面(二维方向上)分布的黑白相间的图形记录数据符号信息的。二维码在信息获取、 网站跳转、广告推送、手机电商、防伪溯源、优惠促销、会员管理、手机支付等场景中被广泛 应用。 但是，在现实应用场景下拍摄的二维码图片往往会包含非二维码的背景部分，进 一步造成的识别困难问题。在现有技术中对包含二维码的图像进行二维码检测需要大量人 工调节的参数，而且实际图片相对复杂，面对二维码大小差异、位置差异、背景差异、图片本 身的差异时，参数的选择需要人的经验，恢复准确率较低，进一步导致二维码检测准确率较 低。 综上所述，如何有效地提升二维码检测准确率等问题，是目前本领域技术人员急 需解决的技术问题。
技术实现要素：
本发明的目的是提供一种二维码检测方法、装置、设备及可读存储介质，以提高二 维码检测准确率。 为解决上述技术问题，本发明提供如下技术方案： 一种二维码检测方法，包括： 获取待检测的原始图像，并对所述原始图像进行尺寸调整，获得目标图像； 将所述目标图像输入至基于深度学习的目标检测网络中，并利用在所述目标检测 网络训练过程中获得的检测参数对所述目标图像进行二维码检测，获得检测值； 利用所述检测值确定所述目标图像中二维码的位置参数。 优选地，所述利用在所述目标检测网络训练过程中获得的检测参数对所述目标图 像进行二维码检测，获得检测值，包括： 利用目标检测网络将所述目标图像划分为大小相同的S*S个网格，并利用所述检 测参数为每一个所述网格预测B个预选框以及每个所述预选框的检测值；其中，所述S和所 述B均为正整数，所述检测值包括可信度、二维码类别概率值、中心点坐标和预选框大小。 优选地，所述利用所述检测值确定所述目标图像中二维码的位置参数，包括： 判断S*S*B个所述预选框中是否存在所述可信度大于预设可信度阈值且所述二维 码类别概率值大于预设类别检测误差阈值的目标预选框； 如果是，则读取所述目标预选框的目标检测值，并将所述目标检测值中的所述中 心点坐标和所述预选框大小作为所述位置参数。 4 CN 111597845 A 说　明　书 2/9 页 优选地，计算每个所述预选框的检测值，包括： 获取所述预选框的中心点坐标，并将所述中心点坐标添加至所述检测值中； 获取所述预选框的面积大小，并所述面积大小作为所述预选框大小； 计算二维码中心位于所述预选框的概率，并将所述概率作为所述可信度。 优选地，所述目标检测网络的训练过程，包括： 获取训练集，对预设卷积网络的所述检测参数进行初始化； 利用所述训练集对所述预设卷积网络进行二维码检测训练以优化所述检测参数， 并在每轮训练结束后，计算所述预设卷积网络的检测损失值； 在所述检测损失值的变化差异小于预设阈值时，停止训练，获得所述目标卷积网 络。 优选地，在所述训练集包括训练输入数据和检测参考数据时，所述获取训练集，包 括： 获取具有二维码的真实图像，以及所述真实图像中所述二维码的位置标记信息； 将所述位置标记信息作为所述检测参考数据，对所述真实图像进行图像数据增强 处理，获得所述训练输入数据。 优选地，在所述可信度表示为conf，所述坐标表示为(x，y)，所述大小表示为w*h 时，计算所述预设卷积网络的检测损失值，包括： 利用L＝Lx Ly Lw Lh Lconf Lcls，计算所述检测损失值；其中，Lx为x坐标差异值，Ly 为y坐标差异值，Lw为宽度差异值，Lh为高度差异值，Lconf为可信度差异值，Lcls为检测类别差 异值。 一种二维码检测装置，包括： 目标图像获取模块，用于获取待检测的原始图像，并对所述原始图像进行尺寸调 整，获得目标图像； 二维码检测模块，用于将所述目标图像输入至基于深度学习的目标检测网络中， 并利用在所述目标检测网络训练过程中获得的检测参数对所述目标图像进行二维码检测， 获得检测值； 二维码位置确定模块，用于利用所述检测值确定所述目标图像中二维码的位置参 数。 一种二维码检测设备，包括： 存储器，用于存储计算机程序； 处理器，用于执行所述计算机程序时实现上述二维码检测方法的步骤。 一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被 处理器执行时实现上述二维码检测方法的步骤。 应用本发明实施例所提供的方法，获取待检测的原始图像，并对原始图像进行尺 寸调整，获得目标图像；将目标图像输入至基于深度学习的目标检测网络中，并利用在目标 检测网络训练过程中获得的检测参数对目标图像进行二维码检测，获得检测值；利用检测 值确定目标图像中二维码的位置参数。 由于二维码检测过程中所使用的网络为基于深度学习的目标检测网络，因此二维 码检测过程中所需的检测参数可在训练目标检测网络的过程中获得。无需技术人员人为设 5 CN 111597845 A 说　明　书 3/9 页 定。即，在得到待检测的原始图像之后，首先对该原始图像进行尺寸调整，得到目标图像。然 后利用网络训练过程中获得的检测参数，对目标图像进行二维码检测，得到检测值。然后利 用该检测值便可确定目标图像中二维码的位置参数。基于目标检测网络所具有的学习能 力，在二维码检测过程中所需的检测参数还可在训练过程中获得，且通过增加训练轮次和 丰富训练集的方式可提升检测效果。可见，该方法可避免人为设置检测参数，检测准确率能 够在增加训练轮次或丰富训练集的情况下，得到提升。 相应地，本发明实施例还提供了与上述二维码检测方法相对应的二维码检测装 置、设备和可读存储介质，具有上述技术效果，在此不再赘述。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。 图1为本发明实施例中一种二维码检测方法的实施流程图； 图2为本发明实施例中一种二维码检测装置的结构示意图； 图3为本发明实施例中一种二维码检测设备的结构示意图； 图4为本发明实施例中一种二维码检测设备的具体结构示意图。