# QrCodeFind **Repository Path**: kernaling/qr-code-find ## Basic Information - **Project Name**: QrCodeFind - **Description**: 准率高，高性能，开箱即用的常用二维码识别程序！ - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2022-08-04 - **Last Updated**: 2022-08-05 ## Categories & Tags **Categories**: Uncategorized **Tags**: 二维码识别, 黑白二维码, 抖音码, 小程序, 神经网络 ## README # 常用二维码识别程序 QrCodeFind ## 【前言简介】 - 基于百度 Paddle 飞浆AI图片目标检测框架开发 - 能识别主流网络上流行的二维码（普通二维码，创意二维码，腾迅小程序，抖音码） - 简单易用，与docker一起部署，运行环境不用配置，docker拉下来即能使用！ - 性能优秀，在 CPU i5 8G内存情况下，平均每张图片 0.065 秒 - 基于 web 接口，返回 json 结果。 - 能返回直观的目录检测结果，返回 具体位置框，置信度，框大小。 ## 【模型和语料】 语料训练量约2000张各类的二维码识图片语料 - 二维码的尺寸基本上只要大于64*64 ，均能正常识别 - 本程序能自动缓存已经下载过的图片，不用重复下载，有脚本程序定时任务每半小时把过期的缓存图片清理掉 - 平均每张图片识别时间 < 0.1秒 - 采用百度自研 PP-PicoDet 网络 ## 【docker结构说明】 - 本二维码识别的 docker 已经安装好相关的环境，实现开箱即用！ - 所有的程序结构说明，所有程序都在 /root/ ``` /root/ | |- QrCodeFind/ ## 程序主体 | |- tmp_dir/ ## 主要是接口的临时存在图片的目录，半小时删除过期的图片 | |- py_ktools-master/ ## 这是自己的一个 python 的工具类 | |- logs ## 存在访问接口的日志，只保存最近七天的数据 | |- model_file_l_416 ##模型准确率最高，速度较慢，平均0.15秒一张图片 | |- model_file_m_416 ##模型准确率次之，速度较快，平均0.06秒一张图片 | |- ppdet ## 百度 PP-PicoDet 模型结构 | |- test_img ## 是待被批量测试的图片 | |- test_img_output ## 输出被检测后的图片 | |- deploy ## 程序接口部署的目录(只列出主要) | |- config | | | |- picodet_qr_code.yml #接口的配置文件 | |- python | |- infer_qrcode.py #接口启动的主文章 ``` ## 【程序部署】 ***有两种方式部署程序*** 1. 可以使用 git clone --depth=1 https://gitee.com/kernaling/qr-code-find.git 然后自己安装其他组件，其中还需要自己拉取 [py_ktools](https://gitee.com/kernaling/py_ktools) 2. docker方式，强烈推荐使用此方式! - 基于 docker debian 直接线上拉取启动即可使用，开箱即用！ - 拉取镜像： docker search qr-code-find - 马上启动： docker run -d -p 5001:5001 --name qr-code-find -it huangjiaqideepin/qr-code-find /bin/bash ## 【如何运行】 第一个测试脚本程序 - **确保准确前要完成的工作**: 拉取 QrCodeFind 的 docker 并成功启动完其 docker后，进入此 docker 内部 ``` 1. 执行以下命令，进入 qr-code-find # cd /root/qr-code-find 2. 执行以下命令，启动一个测试程序 # python3 deploy/python/infer.py --model_dir=./model_file_m_416 --image_dir=test_img --output_dir=test_img_output --enable_mkldnn=True --enable_mkldnn_bfloat16=True --cpu_threads=4 就会有以下输出： class_id:3, confidence:0.9582, left_top:[96.20,105.00],right_bottom:[304.34,311.58] save result to: test_img_output/0c97d7ce97fa0b5356e82b43b4d7479d.png Test iter 12 class_id:0, confidence:0.9727, left_top:[66.61,118.66],right_bottom:[234.74,288.66] save result to: test_img_output/01dba7a94a514f4fa191c015304fffba.png Test iter 13 class_id:2, confidence:0.9842, left_top:[10.61,13.72],right_bottom:[465.95,463.47] save result to: test_img_output/2c93772f30aebb10d290757df5f9aef3.png Test iter 14 ------------------ Inference Time Info ---------------------- total_time(ms): 1130.3000000000002, img_num: 15 average latency time(ms): 75.35, QPS: 13.270813 preprocess_time(ms): 25.00, inference_time(ms): 50.30, postprocess_time(ms): 0.00 3. 完成后，会在 test_img_output 下产生结果，各图片的二维码也会被画上分类和框框，置信度等 ``` ## 【如何运行】 建立第一个实用的接口程序 - 同理，先保证把 qr-code-find 拉取，并成功启动后，进入其 docker 内部 - 进入 # cd /root/qr-code-find/ 1. **执行启动命令** # ./shell/start.sh 2. **执行停止命令** # ./shell/stop.sh - 启动后，可以尝试查看日志 1. **查看日志** # tail -f /root/logs/info.log - 访问接口 1. **访问接口** # curl 'http://127.0.0.1:5001/qr_code_find?url=http://127.0.0.1:5001/2f857d70da946709d1ea11fbd95fab72.png&test_img=1&rate=0.6' 2. 参数说明 ``` url： 表示对应需要分析的图片url，下载的图片会缓存到 tmp_dir 中，可以写脚本把其定时删除缓存 rate: 表示置信度取值0~1之间，如：rate=0.6 表示置信度超过0.6才会显示出来。 test_img：表示是否返回分析后为输出返回二维码框框的URL。 ### [注意!!] ### test_img 此参数只用于图片演示测试，真实分析环境中请取消此参数，因为会影响性能！ ``` 3. 返回的json 分析 ``` { "stat": 1, ## 状态，只有 stat=1 才会正常状态 "data": [{ ## 如果一张图片有多个二维码，则数组会多个 "class_id": 0, ## 类别id "class_name": "qr_common", ## 表示 普通二维码 "score": 0.9278374314308167, ## 表示是置信度 "x_min": 203, ## 位置，左上角 x "y_min": 323, ## 位置，左上角 y "x_max": 279, ## 位置，右下角 x "y_max": 397 ## 位置，右下角 y }, { "class_id": 0, "class_name": "qr_common", "score": 0.9244049787521362, "x_min": 52, "y_min": 328, "x_max": 124, "y_max": 399 }, { "class_id": 0, "class_name": "qr_common", "score": 0.9178856015205383, "x_min": 360, "y_min": 324, "x_max": 432, "y_max": 396 }], "test_img_url": "http://127.0.0.1:5001/d70d1553acfb6fc0b8c78b2b69da1f0b.jpg", ### 此参数只传入 test_img=1 才会返回，用于演示分析图片二维码标记状态，仅用于测试。 "msg": "", "time": 91 ## 耗用时（下载图片和分析图片总时间） } ``` 4. **测试接口性能** 执行并返回以下信息 # ab -n 100 -c 4 'http://127.0.0.1:5001/qr_code_find?url=http://127.0.0.1:5001/2f857d70da946709d1ea11fbd95fab72.png' ``` Concurrency Level: 4 Time taken for tests: 8.388 seconds Complete requests: 100 Failed requests: 0 Total transferred: 55900 bytes HTML transferred: 43100 bytes Requests per second: 11.92 [#/sec] (mean) ## Time per request: 335.534 [ms] (mean) Time per request: 83.884 [ms] (mean, across all concurrent requests) Transfer rate: 6.51 [Kbytes/sec] received Connection Times (ms) min mean[+/-sd] median max Connect: 0 0 0.0 0 0 Processing: 194 334 68.9 324 527 Waiting: 193 334 68.7 324 527 Total: 194 335 68.9 324 527 ``` 5. 以上参数表示 4条线程，测试 100 次