[论文笔记] Improved QR Code Localization Using Boosted Cascade of Weak Classifiers
时间:2015年
作者:Peter Bodnar and Laszlo G. Nyul
1 创新点
大创新点:无;
小创新点:给出了一个平面旋转的投射变换的角度经验值,加速上使用了RLE;
2 算法框架
整体框架:ViolaJones检测框架。由特征抽取,分类模型训练,几何约束和优化方法四部分组成。
- 目标特征:Harr-like强化特征,LBP特征,HOG特征;
- 检测模型:级联Boost,设计了10层结构,且前4层仅使用单一特征;
- 几何约束:在前人的基础上多考虑平面旋转(一个FIP宽度),给出了一个角度经验值;
- 优化方案:由于算法复杂度极高,作者使用了RLE,顺带提了一下,但是这个方法必须要几何特征相对规律,不然游程的方向还需进行约束,这一块对于低分辨率二维码图像还是一个大坑。
3 实验结果
实验环境:双核 3.0 GHz PC,基于OpenCV做的数据增强和变化。
由于数据并非完全是实际场景,场景上二维码特征相对很明显(很多因素都没有考虑:光照、3D旋转,扭曲等等),并且没有给出实拍的样张,因此其结果仅保留一定的认可度。