目标检测：二维码检测方案

一、序
二、浅析二维码原理
三、二维码识别
四、目标检测模型
五、识别一图多码
六、参考文献

一、序

移动互联网时代，我们的身边，无处不见的二维码，在商店买东西可以用微信或支付宝的付款码、在电影院可以使用二维码在自助取票机上取票，朋友聚会时使用微信二维码互相加好友。移动终端设备的普及，出门只需要携带一步手机，极大方便了人们的日常生活。从技术的角度观察，很多场景下，二维码包含的都是一个 HTTP 链接，手机扫码识别出二维码的内容，然后跳转到对应的网站。就好比 PC 终端上，访问一个网站，一般的流程是，用户在浏览器 “地址栏” 输入一个网址，然后回车确认，浏览器就会跳到对应的网站。而二维码的流行，改变了这个交互流程，由手机 “扫一扫” 拍摄二维码照片，然后手机内部解码照片，提取二维码包含的 HTTP 链接，最后跳转对应的网站。简言之，通过手机扫码代替了用户手动输入网址的过程。

二、浅析二维码原理

维基百科：二维码也称为二维条码，是指在一维条码的基础上扩展出另一维具有可读性的条码，使用黑白矩形图案表示二进制数据，被设备扫描后可获取其中所包含的信息。

一个普通二维码的基本结构：

目标检测：二维码检测方案

Position Detection Pattern：位置探测图形（这样无论二维码旋转任意角度，都可以通过定位图案识别出来）；
Separators for Postion Detection Patterns：位置探测图形分割符；
Timing Patterns：定位图形，原因是二维码有40种尺寸，尺寸过大了后需要有根标准线，不然扫描的时候可能会扫歪了；
Alignment Patterns：校正图形，规格确定，校正图形的数量和位置也就确定了；
Format Information：格式信息，存在于所有的尺寸中，用于存放一些格式化数据的；
Version Information：即二维码的规格，QR 码符号共有40种规格的矩阵；
Data and Error Correction Codewords：实际保存的二维码信息，和纠错码字（用于修正二维码损坏带来的错误）。

有了这个基本结构之后，画二维码图，就是使用一定的编码格式对数据进行编码，然后填充到相应的网格区域，最后输出二维码图片。详细的二维码生成细节和原理，可以看耗子叔这篇文章：https://coolshell.cn/articles/10590.html

三、二维码识别

一般场景下，移动端 APP 扫码的解析工作都在移动端设备上完成，在 Android 中二维码扫描的最常用库是 zxing 和 zbar。

如果想在 Python 中编写识别二维码的程序，同样也可以 zxing 库：

# 安装依赖库
pip3 install zxing

下面的试验，左图是一张没有背景干扰的图片，右图是一张有背景干扰的图片，同样使用 zxing 库来检测二维码：
目标检测：二维码检测方案

具体的代码实现：

import zxing

reader = zxing.BarCodeRead
barcode = reader.decode("/User/xxx/origin.jpg")
print(barcode.parsed) # output: 二维码内容

其中，左图识别输出 https://cli.im/ ，右图识别输出：https://github.com

上面的识别的结果都是对的，但是速度很慢，在 “双核四线程” 机器上，耗时都在 2 ~ 3s 之间。那么，该如何提升二维码探测的速度？

OpenCV

通过查资料，找到了 OpenCV 库，在对象检测模块中QRCodeDetector 有两个相关 API 分别实现二维码检测与二维码解析。

# 安装依赖
pip3 install opencv-contrib-python

具体的 Python 代码实现：

import cv2
import sys
import time

img = cv2.imread(infile)
qr = cv2.QRCodeDetector()
result, points, code = qr.detectAndDecode(img)
print("The result: ", result) # result 是二维码内容
print("The points: ", points) # points 是二维码在图片中的坐标

同样使用上面的两张图片进行测试：

目标检测：二维码检测方案

在同样的开发设备上，可以看到二维码的探测速度 OpenCV 比 zxing 快了 2 个数量级，但是，当解析有背景干扰的图片时，无法探测出二维码内容。

这里引起了一个问题，如何在有复杂背景下的图片中识别出二维码？比如下面这样的图片：

目标检测：二维码检测方案

四、目标检测模型

目标检测，object detection，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。

目标检测：二维码检测方案

图片来自：https://github.com/aloyschen/tensorflow-yolo3

在这里，我没有深入研究 ”目标检测模型“ ，只是简单使用了 yolov3 图像识别框架跑了 demo。

yolov3 检测分两步：

确定检测对象位置
对检测对象分类（是什么东西）

即在识别图片是什么的基础上，还需定位识别对象的位置，并框出。

下面是 darknet + yolov3 的环境安装流程：

安装 darknet

git clone https://github.com/pjreddie/darknet.git
cd darknet
make

使用预先训练模型测试

# 下载预训练权重
wget https://pjreddie.com/media/files/yolov3.weights

# 运行命令检测，没有使用gpu所以时间有点长
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

yolov3 预训练模型，仅支持识别图像中一部分物品，不能识别出图像中的 ”二维码“。如果想要识别出二维码，需要制作训练数据集然后训练模型。

制作训练数据集
- 收集图片
- 深度网络训练的数据集做标注，makesense.ai 是可免费使用的用于为照片加标签的在线工具。
- 视频教程 P9：https://www.bilibili.com/video/BV1Hp4y1y788?p=9
  - 训练集
  - 测试集
  - 验证集
训练目标检测模型
- 准备数据集（标注数据）
- 下载预训练权重：wget https://pjreddie.com/media/files/yolov3.weights
- 配置 YOLO
- 训练模型
- 使用模型

另一方面，如果采用 yolov3 进行图片中二维码探测，将需要大量的数据集，人工手动的二维码标注，还需要具备 GPU 的机器来跑训练集，这将是一个工作量巨大且耗时漫长的过程。该如何解决训练模型的问题？

微信二维码引擎 OpenCV 开源

开源世界总会给人惊喜，微信二维码引擎居然也开源，文档地址：https://mp.weixin.qq.com/s/pphBiEX099ZkDV0hWwnbhw

目标检测：二维码检测方案

按照文章的代码实现：

import cv2

# 探测二维码
detect_obj = cv2.wechat_qrcode_WeChatQRCode('detect.prototxt', 'detect.caffemodel', 'sr.prototxt', 'sr.caffemodel')
img = cv2.imread(infile)
res, points = detect_obj.detectAndDecode(img)

# 绘制框线
for pos in points:
    color = (0, 0, 255)
    thick = 3
    for p in [(0, 1), (1, 2), (2, 3), (3, 0)]:
        start = int(pos[p[0]][0]), int(pos[p[0]][1])
        end = int(pos[p[1]][0]), int(pos[p[1]][1])
        cv2.line(img, start, end, color, thick)
cv2.imshow('img', img)
cv2.imwrite('wechat-qrcode-detect.jpg', img)

二维码探测，输出结果：

目标检测：二维码检测方案

上述图片的二维码探测，结果是准确的，耗时却是惊人的（注意：这是没有绘制框线的耗时）

目标检测：二维码检测方案

基于 CNN 的二维码检测

“一图多码” 是扫码支付经常遇到的线下场景。早在2016年，微信扫码引擎在业内率先支持远距离二维码检测、自动调焦定位、多码检测识别。然而，传统方法需要牺牲40%以上的性能来支持多码的检测与识别。伴随着深度学习技术的成熟和移动端计算能力的提升，微信扫码引擎引入基于 CNN 的二维码检测器解决上述问题。

目标检测：二维码检测方案

以 SSD 框架为基础，构造了短小精干的二维码检测器，采用残差连接（Residual Concat）、深度卷积（Depthwise Convolution）、空洞卷积（Dilated Convolution）、卷积投影（Convolution Projection）等技术进行了针对性的优化。整个模型大小仅943KB，iPhone7（A10）单 CPU 的推理时间仅需20ms，很好地满足“低延时、小体积、高召回”的业务需求。