[論文筆記] Improved QR Code Localization Using Boosted Cascade of Weak Classifiers

[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。