本發明公開了一種批量條碼定位方法及識別系統。本發明的批量條碼定位方法，連續獲取慢速運動場景中的圖像，結合多運動目標跟蹤方法實現批量條碼的準確定位；本發明的批量條碼識別系統使用低像素攝像頭模塊獲取含有目標條碼的連續多張低像素圖像，并通過無線通信模塊快速將其傳輸至定位服務器；定位服務器利用低像素的圖像，運行本發明的批量條碼的定位方法獲取相關坐標位置及解碼所需旋轉角度；本識別系統也同時獲取高像素圖像，通過高低像素圖像的映射關系，進而快速獲取高像素圖像中批量條碼的相關坐標位置；最后基于高像素圖像和解碼所需旋轉角度快速完成批量條碼解碼，用戶體驗極大提高。

技術領域

本發明涉及條碼識別領域，具體涉及一種批量條碼定位方法及識別系統。

背景技術

條碼可用于信息化管理，當存在批量含有條碼的產品需要處理時，例如通過批量二維碼驗證發票信息真偽、利用條碼實現倉儲系統中貨物的批量出庫入庫等，傳統的方法往往是對每個產品上的條碼進行一一掃碼。該方法存在重復勞動強度高、工作效率低下等問題。同時，隨著技術的發展，也出現了批量條碼識別的系統。中國專利授權公布號CN206075293 U提出一種多個二維碼自動識別的設備，該設備采用多相機拍攝二維碼、多進程解析二維碼的方法進行批量二維碼的自動識別，運行速度較快，但只能識別二維碼，不兼顧條形碼，且該設備需要根據每款產品定制參數，體積較大，不具備廣泛的通用性。中國專利申請公布號CN 110427793 A提出了一種基于深度學習的條碼檢測方法及其系統，該系統中利用深度卷積神經網絡模型定位條碼的位置。中國專利申請公布號CN 109740395 A提出了一種深度學習與形狀檢測相結合的二維碼定位方法及系統，這些采用深度卷積神經網絡模型技術實現的條形碼或者二維碼定位方法的準確率都很高，但并未說明如何對批量的條碼進行快速定位及解碼。

因此，如何實現批量條碼在準確被定位的同時，使得識別系統的運行耗時更短，進而提高用戶體驗的問題亟待解決。

發明內容

本發明要解決的技術問題是：為了解決批量條碼快速準確定位及解碼問題，本發明提供了一種批量條碼定位方法及識別系統。

為實現上述目的，本發明采用的技術方案如下：第一方面，一種批量條碼定位方法，包括如下步驟：

步驟1：從慢速運動場景中連續獲取目標圖像，目標圖像是含有批量條碼的圖像，并構成含有三張圖像的圖像集；

步驟2：依次使用目標檢測方法對圖像集中的所有條碼進行定位，并獲取定位信息所對應的矩形框和中心坐標；

步驟3：若判定當前時刻產生了系統解碼需求觸發信號，按照步驟4繼續執行；若判定當前時刻未產生系統解碼需求觸發信號，按照步驟6繼續執行；

步驟4：根據步驟2中對圖像集獲取的信息，估算出下一時刻獲取的圖像中每個條碼所對應的中心坐標、旋轉角度；

步驟5：根據步驟2中對圖像集獲取的信息，估算出下一時刻獲取的圖像中每個條碼所對應的定位信息矩形框大小；

步驟6：更新圖像集，返回步驟2繼續執行。

進一步的，所述步驟1中，所述圖像為通過掃碼器獲取的低像素圖像，用于對圖像上的條碼進行定位。

進一步的，所述步驟4包括以下過程：步驟41，根據步驟2中對圖像集中三張圖像所獲取的信息，以圖論進行關聯形成每個條碼的運動軌跡的最佳匹配；步驟42，利用每個運動軌跡估算該軌跡中的條碼在下一時刻所對應的中心坐標、旋轉角度。

進一步的，步驟41中以圖論進行關聯的過程包括：將較先獲取的圖像中的所有條碼對應的中心坐標構建為第一數據圖，將較后獲取的圖像中的所有條碼對應的中心坐標構建為第二數據圖，所述第一數據圖和第二數據圖均包括節點和連接節點的邊，其中節點代表條碼的中心坐標位置，邊代表兩個節點之間的距離；