复杂背景下的QR码批量定位与识别算法

作者：叶枫; 林好青

来源：浙江工业大学学报, 2023, 51(04): 355-361.

• 目标检测
• QR码
• YOLOv4
• 数据增强
• K-means++

通过改进的YOLOv4目标检测算法对QR码进行定位与预分割，采用改进的Otsu算法对QR码进行预处理，使用ZBar算法对预处理后的QR码进行内容读取，实现批量识别一张复杂背景图像中的QR码。使用K-means++聚类算法对先验框进行聚类分析，选取最合适的先验框大小以获得更好的检测精度，同时对YOLOv4网络结构进行改进。实验结果表明：在QR数据集上，改进的YOLOv4目标检测算法检测的平均精度为90.54%,相较于其他目标检测算法，检测的平均精度大大提升，与未改进的YOLOv4目标检测算法相比，平均精度提升了5.09%。

• 单位
  浙江工业大学