[論文筆記] Improved QR Code Localization Using Boosted Cascade of Weak Classifiers
時間:2015年
作者:Peter Bodnar and Laszlo G. Nyul
1 創新點
大創新點:無;
小創新點:給出了一個平面旋轉的投射變換的角度經驗值,加速上使用了RLE;
2 算法框架
整體框架:ViolaJones檢測框架。由特徵抽取,分類模型訓練,幾何約束和優化方法四部分組成。
- 目標特徵:Harr-like強化特徵,LBP特徵,HOG特徵;
- 檢測模型:級聯Boost,設計了10層結構,且前4層僅使用單一特徵;
- 幾何約束:在前人的基礎上多考慮平面旋轉(一個FIP寬度),給出了一個角度經驗值;
- 優化方案:由於算法複雜度極高,作者使用了RLE,順帶提了一下,但是這個方法必須要幾何特徵相對規律,不然遊程的方向還需進行約束,這一塊對於低分辨率二維碼圖像還是一個大坑。
3 實驗結果
實驗環境:雙核 3.0 GHz PC,基於OpenCV做的數據增強和變化。
由於數據並非完全是實際場景,場景上二維碼特徵相對很明顯(很多因素都沒有考慮:光照、3D旋轉,扭曲等等),並且沒有給出實拍的樣張,因此其結果僅保留一定的認可度。