【摘 要】
：
QR Code（Quick Response Code）中文名称是快速响应码,以其在两个方向上都可以储存数据的高密度性以及具有良好的纠错性等优点取代了一维码成为如今最受欢迎的信息载体。由于它在两个方向上都表达数据,表现形式就由一维码的黑白条变成了QR Code中的黑白色小方块;用黑白方块来表示0和1,这些黑白方块按顺序依次排列,组成一个大的方形矩阵,就形成了一个QR Code。要将数据变成黑白块即
论文部分内容阅读
QR Code（Quick Response Code）中文名称是快速响应码,以其在两个方向上都可以储存数据的高密度性以及具有良好的纠错性等优点取代了一维码成为如今最受欢迎的信息载体。由于它在两个方向上都表达数据,表现形式就由一维码的黑白条变成了QR Code中的黑白色小方块;用黑白方块来表示0和1,这些黑白方块按顺序依次排列,组成一个大的方形矩阵,就形成了一个QR Code。要将数据变成黑白块即将数据转化为二进制,QR Code共有4种编码模式,不同的编码模式有其不同的编码规则以及特定的格式编号,这样在扫描时就可以根据对应的编号去使用对应的解码模式。识别过程又分为定位和解码,定位主要是根据三个角点上具有黑白黑三层的回字形定位区域以及矫正区域完成的,在定位完成后根据识别到的模式编码再进行相应的解码操作。目前对QR Code的研究主要集中在生成、标刻、识别三个方面,本文主要关注生成和识别两个方面。首先学习QR Code生成的过程以及编码原理,指出QR Code在生成方面存在大数据量时黑白块密度过大的问题,提出一种基于哈夫曼编码的QR Code编码方式,使其在信息量不变的情况下将最终形成的编码压缩至原来的80%,使得相同数据容量下生成的QR Code版本更低,相同版本的QR Code数据容量更大。然后通过学习Open CV自带的QR Code定位检测算法,提出一种基于寻找轮廓的QR Code定位方法,相比于Open CV自带的算法定位成功率约提升了10%。最后提出一种基于神经网络的QR Code识别模型,使用机器学习的方式来对QR Code进行定位;使整体定位效率相较于基于图像纹理处理的方式提升了10%到20%。
其他文献
传统基于Hadoop生态的离线数据存储计算方案已在业界大规模应用,但受制于离线计算的高时延性,越来越多的数据应用场景已从离线转为实时。Apache Flink作为一个近几年快速发展的分布式大数据处理引擎,凭借其在实时（流）计算上的明显优势和相对完备的SQL支持,成为各公司实时计算平台的首选计算引擎。然而传统的实时计算平台大多通过打包的方式提交任务,用户的学习成本较高,开发效率低下,任务的维护成本也
随着近些年智能移动设备的普及,对图片的背景进行虚化可以让图片更有层次感,成为一种潮流和趋势。人们在观察一张图片的时候,首先会关注感兴趣的区域,该区域可以被视为图像的前景区域,可见人的视觉注意力机制和图片背景虚化技术有很强的相关性。但是目前只有华为mate10的相机模块使用了基于视觉注意力机制的背景虚化方法,并且主流的人眼注视点预测算法忽略了图像的低级特征。因此提出兼顾模型高低级特征的模型,并将该模
弱监督图像语义分割是语义分割在研究中的一个重要分支,在自动驾驶领域、图像计算和机器人等领域有着重要的应用。相比于传统图像语义分割,弱监督图像语义分割的模型减少对精确标签信息依赖的同时又能预测出好的图像语义分割结果。其中图像级标签具有人工标记成本小,容易获取的优点,针对于图像级标签的弱监督语义分割算法,许多研究聚焦于基于种子生成、扩充、边界约束方法,但这类算法面临以下问题:传统类激活映射图生成初始种
近年来,我国空气污染现状日益严重,不仅严重影响了城市环境,而且时刻威胁着人民的健康。由于大气污染的成因十分复杂,涉及区域广,一般治理措施的实施效果往往很难达到预期,因此治理大气污染需要进行城市圈级别的联防联控。在大气污染联防联控过程中,需要对采取控制措施后的空气质量变化情况进行仿真模拟,评估模拟结果,寻求较好的控制措施。然而随着仿真模拟需求的日益增长,伴随着海量的大气模拟数据,传统的人工模拟操作低
随着互联网应用系统的发展,系统架构会因为不断的需求更新和版本迭代而变得愈加庞大和复杂,如何对业务系统进行实时高效的监控,是每个互联网应用背后需要解决的实际问题。为了保证业务系统的平稳运行,不但要对系统运行状态进行实时监控,而且要在发生异常的第一时间发出告警消息,为此设计实现了一套能一站式监控服务器性能数据、运行微服务模块的Docker容器性能数据与业务数据,且能提供高效率告警服务的业务监控和告警系
随着信息时代的大爆发,数据采集的技术持续优化,各行各业都在爆炸式地不断产生新数据,其中就包括医疗行业。如今,几乎每个医院都有了较为完整的就诊体系,将所有流程都规范化,从而有效监控病人的状态和纪录所有数据,纪录在案的医疗数据呈指数型增加。因此,利用数据分析技术和机器学习算法,将过往患者的病例纪录作为样本,训练学习出有价值的未知信息,并应用于疾病预测,有着重要的实际意义。本文针对医学数据集,从数据分析
前沿热门技术主要是指在高新技术领域中具有前瞻性、先导性的重大技术,对于一个公司,一个部门来说,在海量的网络信息中寻找到符合自身的前沿热点话题非常重要,这些前沿热门技术话题信息随时间变化,把握好它们的变化趋势有利于社会的和谐与稳定,具有较大的实际价值和意义。话题生成的核心思想是把相似的文本信息合并在一起,传统方法是通过计算文本相似度和文本聚类形成话题,但是如果数据量太大往往会导致向量维度太大,计算困
宽度学习系统（Broad Learning System,BLS）在数据工程和知识发现领域中是一项极具前途的新技术,相比传统神经网络而言具有模型结构自适应和快速在线学习的优势。现阶段有关BLS的研究大多均停留在较为平衡的数据集上,而随着代价敏感问题在日常生活领域逐渐增多,将BLS这一新技术运用到代价敏感场合的研究将具有十分特殊的意义和价值。Meta Cost算法是一种经典的代价敏感学习方法,它具有
识别药物与靶标的相互作用,是药物发现和研究过程中一个重要步骤。良好的药物-靶标相互作用数据,能够为已有药物的重新利用、新药物的治疗靶向分析等提供有力的参考与支撑作用。这其中,药物和靶标的结合亲和力（Binding Affinity）是很关键的一类相互作用数据,与预测是否相互作用的二分类问题相比,对具体亲和力的预测更能反应药物-靶标结合的可能性及强弱。用计算机方法去预测亲和力更加高效、成本更低,成为
随着我军不断提升各部队信息化建设水平,通过在军队管理工作中运用先进的自动化、智能化信息技术推动军队信息化改造已成为趋势。近些年来,军队与地方人员来往紧密,军队内部车辆调动频繁,营门出入管理控制困难,给军队管理工作造成了非常大的困扰。传统的管理方式已经满足不了军队正规化、信息化建设的需求。军队营门作为军队的“脸面”,运用先进的自动化、智能化信息技术提升军队营门管控的正规化、信息化水平,对军队整体现代