QR码校正识别技术是利用移动扫码设备对物品上的QR码图像序列进行处理、分析和理解,最终能达到提取QR码所包含信息的一个过程。由于生活中的QR码常存在于可乐罐、包装袋、杯子等不规则的物体上,造成QR码在拍摄采集过程中会受到多种因素的影响。如拍摄角度引起的几何变形、QR码产生扭曲变形等透视失真等情况,使得终端无法正确识别QR码,这就限制了QR码的进一步推广。由于所在曲面的多样性,变形QR码的每一区域变化都可能存在扭曲程度和角度的差异,坐标映射参数选取复杂,成为校正的最大难点。针对上述不同曲面上QR码变形多样化、识别率低的问题,通过特征分类的思想简化多结构变形QR码的校正算法。考虑到极限学习机(ELM)对大量数据的快速分类能力,提出了一种基于ELM的多结构变形QR码分类校正算法。在欧氏距离量化QR码变形特征后,运用ELM算法把变形结构特征分为平面变形、半曲面变形和全曲面变形三类,并利用所得不同校正系数改进QR码坐标透视变换算法,得到校正坐标值,恢复出原始图像。最后,采用多组数据对QR码特征学习分类算法和多种变形校正算法分别进行了比较分析。实验结果表明,ELM分类算法对多结构变形QR码有很好的分类准确性和特征提取作用,且基于ELM分类的多结构校正算法不仅提高了QR码在曲面上的校正准确率,而且通过分类提高了曲面变形和平面变形QR码的校正速度。