基于QBarAI引擎的微信扫码如何做到高识别率？

导语

计算机视觉算法在微信扫码引擎QBar上的实践，实现支持移动端布署的高性能高识别率的扫码引擎。

背景

QBar识别引擎是一款基于开源引擎ZXing改造并优化而来的码识别器，目前，在公司内，已有微信，QQ等多款APP使用其作为扫码识别库。在微信中，每天扫码PV可以达到10亿以上，而用于聊天，朋友圈场景的图片二维码识别的次数更是恐怖，因此，QBar可以说是目前业界中被检验次数最多，综合能力最强的一个识别引擎。在微信的使用场景中，我们可以将其总结为两大类。

· 扫一扫场景：主要流量来自微信扫一扫，用户会使用这个入口去扫各种各样的码，其中，98%的场景都是扫二维码。对引擎来说，用户在打开扫一扫以后，会收到一系列的解码图片，不断尝试解码。因此，这个场景中，对引擎处理的实时性要求高，识别率要求中。

· 长按场景：主要流量来自聊天，朋友圈图片，用户长按图片时触发，其中，大部分图片的分辨率都大于800，而仅有10%不到的图片会有码。对于引擎来说，用户长按后需要在比较短的时间内对这张大图完成识别，且只有一次机会。因此这个场景中，对引擎处理的实时性要求中，识别率要求非常高。

对于以上两个场景的使用中，随着用户的使用需求越来越复杂，一些问题也被不断地暴露出来。

· 大图小码：在长按场景中，设计师们为了让图片“美观”，将二维码打得尽量小。QBar用传统方案来解码，图片越大，越容易找到疑似“二维码”的区域，因此消耗的时间是几何倍数的增长。大图解码慢在长按识别场景尤其明显，在部分低端机型有些case可能识别时间超过1s。

· 压缩失真：我们会经常遇到一种情况，图片在发送者的微信里能识别（原图），但是在接收者的手机里却不能识别（压缩图）。这里简单科普一下，二维码在识别的时候，对“定位点”的清晰度要求比较高，因为是根据扫描像素行/列匹配对应比例来寻找定位点。而在图片的压缩后，图片的定位点已经完全“糊”了。

· 一图多码：在两个码距离很近的情况下，用户抬起手机，基本就是随机跳一个。目前的QBar是不支持一图多码的识别的，虽然说传统方案可以支持，但是需要牺牲40%以上的性能来完成。

旧版本QBar解码流程与技术瓶颈

想要解决上面的问题，这里需要简单讲一下目前QBar识别引擎的工作流程，主要流程为：金字塔采样 ->二值化 -> 解码器 ->二维码预判。金字塔采样主要作用为缩小图片以降低后序的运算复杂度；二值化目的是为了让整个解码过程变得简单，毕竟码的信息与复杂的颜色无关，只关注“黑”与“白”；解码器为每种码制的信息提取模块，解码时我们会按顺序遍历每个解码器来尝试解码；二维码预判为我们自研的小码检测算法，主要用于小码自动放大场景。

为何目前的架构解决不了以上的几个问题呢，原因在于：

1. 大图小码：金字塔采样，二值化等策略，因为跑在最上层，且会多次重试，导致下层的解码器被多次遍历，因此，图越大，整个流程走下来耗时是几何倍数增长。这里的大量重试目的是为了提高识别率。

2. 压缩失真：基本所有的解码器都要求其定位点比例正常，形状规整，一旦定位点都找不到，整个解码流程都不会往下走了。

3. 一图多码：对于一图多码的支持，需要对每个解码器进行升级，同时会使得每个解码器的运算耗时大大增加。

深度学习探索

如今，深度学习已经在各个领域都取得了巨大的成功，对于上述问题，如果我们尝试从深度学习的角度来解决，也许会得到意想不到的收获。

■  3.1 一个有效的分类器

想要优化运算性能，问题可以总结成一句话“如何减少重试次数”。如果我们可以在解码前就知道码是什么类型，那我们只需要跑一个解码器就够了，说到这里，估计读者们都会想到了一个词——分类器。

这是我们在深度学习上做的第一个实验，CNN分类器，网络模型非常简单，输入图像resize到300x300后就是3层卷积，分类精度在扫码测试集上可以达到98%，单帧运算耗时只需25ms（由于该模型比较简单，只有卷积和全连接层，因此运行框架完全为我们自己简单实现的）。实际对比旧方案性能如下：

可以看到，在接入了分类器后，QBar的单帧耗时明显下降，可是，识别率同时也下降了，长按场景尤为明显。这里不仅是因为模型准确率没有达到100%，更重要的是，这个方案不能解决一图多码与大图小码的问题。

■  3.2 如何锁定目标

对于一图多码，大图小码等问题，其实我们需要的是一个有效的定位方法，可以在一张里面快速定位出每个码的具体位置，那上述问题既可迎刃而解。目标检测算法其实在业界已经很成熟，传统方案为DPM模型，而在深度学习领域已有RCNN，FastRCNN，FasterRCNN等，由于这里使用场景为移动端，我们选用目前目前实时性较高的检测算法SSD。关于目标检测的算法的详情，各位读者可自行搜索，这里不再详细展开。

由于我们是对二维码，条形码，小程序码这类结构简单，差异性不大，特征明显的目标进行检测，且模型需要在移动端运行，模型大小，检测性能都有较高的要求，因此，我们优先尝试了业界比较通用的MoblieNet为基础网络的SSD算法。

码的目标检测其实和普通的检测有点区别，码对目标的完整性要求比较高，不完整的码被检测出来的没有意义的，因为不能解码，因此，我们需要对训练的流程一些小改造。首先，训练数据中所有码的标注必须严格保证其完整性；其次，在进行数据增强sample采样时，我们要对sample box的min_object_coverage进行严格限制，采样图片必须包含整个标注框；另外，在训练过程中，正负样本选取时，我们需要调大正样本的IOU阈值使得非完整码进行负样本集合。

由于这里使用了比较复杂的网络SSD，因此，在运行框架上，我们选用了腾讯优图的开源NCNN框架。

显然，在使用目标检测算法后，整体的识别率我们算保住了，但是，缺点仍然很明显，耗时优化不明显，扫一扫场景甚至翻倍。MoblieNet-SSD模型检测单帧耗时67ms，模型大小10.8M（量化16bit），在我们这个场景下明显太重了，我们需要更加轻量的定制化网络来解决问题。

■  3.3 定制化的检测网络

在MoblieNet不能满足我们使用需求的前提下，我们尝试自己研发了一款适用于码检测的轻量级网络BoxNet。BoxNet是基于HcNet改进的网络，利用ncnn框架中对depthwise卷积的良好实现，将网络残差中所有3x3卷积都改造成depthwise；并经过多次实验选择了一个较小的网络系数。最终在ImageNet上预训练的BoxNet基础网络大小只有3M，Top-1准确率达到了56%的，算法效果与AlexNet相同，而AlexNet的模型大小近200M的，且计算量大十倍以上。下图为BoxNet的结构示意图。

此外，为了提高在长按场景中大图小码的检测召回率，我们在实际应用上使用了多分辨率进行检测，对于精度高，耗时长的长按场景，我们使用了400x400的输入，而在扫一扫场景内，我们则使用了300x300的小分辨率。

至此，我们已经能够在保持解码成功率的前提下，大大优化运算耗时。另外，我们最新的BoxNet-SSD模型，量化16bit后，只有500K，检测单帧耗时只需15ms。

■   3.4 小码还原

做到这一步，其实对于扫一扫场景来说已经足够了，毕竟用户实际扫码时，如果一帧解不出来，那么还可以有多帧可以重试，可是，在长按场景下，QBar却只有一次机会。另外，对于大图小码，压缩失真问题，我们并未完全解决。

我们尝试捞了长按评测集里面的30%的失败case进行分析，可以发现，失败的case中，有10%是检测召回失败，而有70%是因为码太小而又被压缩导致解码失败。

对于这种情况，我们可以首先想到的是使用传统算法“双线插值”来放大图片，降低解码难度，同时，我们提出了另一种猜想：能否把超分技术也引用到这个场景中来呢？

答案是肯定的，因为二维码的纹理比较简单，且需要被超分的图片都是分辨率很小的图，从效果和性能上来看都很合适。然而，这个场景下的超分与通用超分有些区别，我们要求模型小而精，模型的最终效果并非用PSNR来衡量，而是QBar的解码成功率。

在这个过程中，我们实验了FSRCNN，ShuffleNet，DenseNet等网络，并尝试针对二维码这个场景在训练中加了些小技巧。由于二维码在最终解码时，都是转化成黑白的二值图进行解码的，那么对于一个二维码来说，边缘区域是否清晰与识别率强相关。

因此，我们在计算Loss时，我们使用了Sobel边缘检测算法提取了码的边缘信息，并对边缘区域的Loss权重适当提高。此外，由于大部分二维码的中心会贴Logo，为了减少干扰，我们会手动把这些Logo给扣了出来。

最终，我们使用了DenseNet作用网络原型，在保证识别率的前提下不断精简网络，模型大小只有13K，单帧耗时6ms（100x100）。可以看到，长按场景在加入了超分技术后，解码成功率有了质的飞越，由旧版本的74.57%上升到89.24%；而在扫一扫场景下，由于对实时性要求较高，我们则使用了“双线插值法”放大小码，解码成功率由32.19%上升到36.23%。

QBar AI版整体架构简述

在引入了深度学习后，整个QBar的解码流程有了较大的变化。

· 目标检测层：目标检测算法会对所有输入的图片进行快速过滤。

· 采样层：由原本的金字塔层改造而来，为了提升识别率，我们需要对一些小图做上采样（SR/BICUBIC）。

· 二值化层：保留旧的二值化逻辑。

· 解码器层：由于这里已经确定码的类型，因此这里只需要用一个解码器既可。

值得注意的是，在使用了这套方案后，旧的二维码预判层可以使用目标检测结果来代替。

讲到这里，微信给我们出的三个难题已经被深度学习方案优雅地解决了，这里我们简单总结一下：

1. 大图小码：由于同一场景下模型的输入分辨率是固定的，因此，QBar对于不同分辨率的图片来说运算效率是稳定的。另外，目标检测让我们有效减少解码区域与解码重试次数。

2. 压缩失真：新增的采样层上采样方案可以有效解决定位点变形问题。

3. 一图多码：在这个架构下变得非常简单，多个码其实就是目标检测层产生的多个结果，码之间解码时不会相互产生影响。

最终qbar成果

除了一些量化的评测数据，这里给出一些优化后能够成功识别的case。下图给出的3张为朋友圈真实图片，在旧版本的QBar由于码太小，在压缩图的状态下是无法被识别的，但是在新版引擎下，我们已经能够覆盖到这些case。

此外我们对于扫一扫场景的识别率提升，也贴一个实验case，给读者们感受一下。请看下图，在相同距离下，左侧（新引擎）的扫码器能够稳定识别出远处的二维码，且FPS为23左右，而右侧（旧引擎）则完全不能识别，FPS为3。

总结与展望

在没有用深度学习之前，我们也尝试用传统算法做了各种实验，比如使用面积比例特征查找定位点，使用kmeans聚类组合相似定位点等。但始终都不能从根本上解决问题。在引入目标检测，超分后，图大码小，压缩失真，一图多码等问题得到了解决。

QBarAI项目是我们将扫码引擎由传统算法到深度学习算法的一次升级，后序我们会在这条路上继续探索，不断完善与优化我们的引擎。此外，扫码只是用户生活中的一个场景，我们正往“万物皆可扫”的道路上继续前行。

微信AI 

不描摹技术的酷炫，不依赖拟人的形态，微信AI是什么？是悄无声息却无处不在，是用技术创造更高效率，是更懂你。

微信AI关注语音识别与合成、自然语言处理、计算机视觉、工业级推荐系统等领域，成果对内应用于微信翻译、微信视频号、微信看一看等业务，对外服务王者荣耀、QQ音乐等产品。