一种车牌图像生成方法、系统、装置及存储介质制造方法及图纸

本申请公开了一种车牌图像生成方法、系统、装置以及存储介质，用于生成车牌图像，为模型训练提供数据基础，减小生成的车牌图像与真实图像的差异，提升模型训练效果。本申请方法包括：获取原始车牌图像；将所述原始车牌图像输入至预设的生成对抗网络模型中，并确定用于构建生成车牌图像的字符类以及字符域，所述字符类表示车牌图像中字符的字符类别，所述字符域表示字符在车牌图像中的字符位置，所述生成对抗网络模型为预先训练好的模型；通过所述生成对抗网络模型提取所述车牌图像的图像特征；通过所述生成对抗网络模型结合所述图像特征、所述字符类以及字符域构建并输出生成车牌图像。像。像。

【技术实现步骤摘要】
一种车牌图像生成方法、系统、装置及存储介质


[0001]本申请涉及数据处理领域，尤其涉及一种车牌图像生成方法、系统、装置及存储介质。

技术介绍

[0002]随着计算机技术的不断发展，车牌识别算法得到了广泛的应用，基于字符切分的传统车牌识别算法逐渐被基于深度学习的端到端车牌识别算法所取代，端到端车牌识别算法所采用的模型是基于大量标注的车牌图像样本进行训练的，其中用于训练的车牌图像样本主要通过摄像机的采集得到，再进行标注，而由于摄像机采集的的车牌图像一般类型较为单一且字符分布不均，导致车牌识别模型训练易偏向常见样本，如果采用这样的车牌图像样本来训练车牌识别模型，这对车牌识别模型的鲁棒性非常不利。
[0003]因此，现有技术提供的方案中，为了提高车牌识别模型的识别率，一般采用的方法就是有目的地增加训练数据，然而通过人工收集训练数据效率较低并且数量很有限，而通过软件合成的数据虽然满足数量要求，但合成的数据与真实数据差异很大，难以用于车牌识别模型的训练。如何高效获得大量的高质量的数据成为了亟待解决的问题。

技术实现思路

[0004]为了解决上述技术问题，本申请提供了一种车牌图像生成方法、系统、装置及存储介质。
[0005]本申请第一方面提供了一种车牌图像生成方法，包括：
[0006]获取原始车牌图像；
[0007]将所述原始车牌图像输入至预设的生成对抗网络模型中，并确定用于构建生成车牌图像的字符类以及字符域，所述字符类表示车牌图像中字符的字符类别，所述字符域表示字符在车牌图像中的字符位置，所述生成对抗网络模型为预先训练好的模型；
[0008]通过所述生成对抗网络模型提取所述车牌图像的图像特征；
[0009]通过所述生成对抗网络模型结合所述图像特征、所述字符类以及字符域构建并输出生成车牌图像。
[0010]可选的，所述生成对抗网络模型通过如下方法训练得到：
[0011]构建初始生成对抗网络模型，所述初始生成对抗网络模型中包含有生成器和判别器，所述生成器用于生成模拟车牌图像，所述判别器用于对模拟车牌图像进行判别；
[0012]分别对所述判别器以及所述生成器进行训练，当训练结束后，得到所述生成对抗网络模型。
[0013]可选的，对所述判别器进行训练包括：
[0014]获取样本车牌图像，所述样本车牌图像包含有原始字符域以及原始字符类；
[0015]固定所述生成器的参数，并通过所述样本车牌图像对所述判别器进行训练。
[0016]可选的，对所述生成器进行训练包括：
[0017]获取样本车牌图像，所述样本车牌图像包含有原始字符域以及原始字符类；
[0018]确定目标字符域以及目标字符类，并将所述目标字符域、所述目标字符类以及所述样本车牌图像输入至所述生成器中，以使得所述生成器生成模拟车牌图像，所述模拟车牌图像中包含有所述目标字符域以及所述字符目标类；
[0019]将所述原始字符域、所述原始字符类以及所述模拟车牌图像输入至所述生成器中，以使得所述生成器生成重建原始域图像，所述重建原始域图像中包含有所述原始字符域以及所述原始字符类；
[0020]根据所述重建原始域图像调整所述生成器的重建损失参数；
[0021]将所述模拟车牌图像输入至所述判别器中，并根据所述判别器输出的判别结果对所述判别器的参数进行优化调整。
[0022]可选的，所述确定用于构建生成车牌图像的字符类以及字符域包括：
[0023]获取用户的输入的车牌信息并根据所述车牌信息确定用于构建生成车牌图像的字符类以及字符域。
[0024]可选的，所述确定用于构建生成车牌图像的字符类以及字符域包括：
[0025]随机生成车牌信息，并根据生成的所述车牌信息确定用于构建生成车牌图像的字符类以及字符域。
[0026]可选的，所述字符域中第一个字符域包含有34个字符类。
[0027]本申请第二方面提供了一种车牌图像生成系统，包括：
[0028]获取单元，用于获取原始车牌图像；
[0029]输入单元，用于将所述原始车牌图像输入至预设的生成对抗网络模型中，并确定用于构建生成车牌图像的字符类以及字符域，所述字符类表示车牌图像中字符的字符类别，所述字符域表示字符在车牌图像中的字符位置，所述生成对抗网络模型为预先训练好的模型；
[0030]提取单元，用于通过所述生成对抗网络模型提取所述车牌图像的图像特征；
[0031]输出单元，用于通过所述生成对抗网络模型结合所述图像特征、所述字符类以及字符域构建并输出生成车牌图像。
[0032]本申请第三方面提供了一种车牌图像生成装置，所述装置包括：
[0033]处理器、存储器、输入输出单元以及总线；
[0034]所述处理器与所述存储器、所述输入输出单元以及所述总线相连；
[0035]所述存储器保存有程序，所述处理器调用所述程序以执行第一方面以及第一方面中任一项可选的所述方法。
[0036]本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时执行第一方面以及第一方面中任一项可选的所述方法。
[0037]从以上技术方案可以看出，本申请具有以下优点：
[0038]本申请提供的车牌图像生成方法中，将原始车牌图像输入至对抗网络模型中后，对抗网络模型可以根据字符域以及字符类来构建生成车牌图像，进而得到生成车牌图像，用户可以通过该方法来编辑所需要的车牌的字符域以及字符类，并且该对抗网络模型可以提取原始车牌图像的图像特征，可以使得生成车牌图像更为逼真，通过该方法可以大量生
成车牌图像，并且能够为训练车牌识别模型提供更优质的训练数据，从而提高识别效果。
附图说明
[0039]为了更清楚地说明本申请中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1为本申请提供的车牌图像生成方法一个实施例流程示意图；
[0041]图2为本申请提供的生成对抗网络模型的训练方法一个实施例流程示意图；
[0042]图3为本申请中提供的判别器的训练方法一个实施例流程示意图；
[0043]图4为本申请中提供的生成器的训练方法一个实施例流程示意图；
[0044]图5为本申请提供的车牌图像生成系统一个实施例结构示意图；
[0045]图6为本申请提供的车牌图像生成装置一个实施例结构示意图。
具体实施方式
[0046]随着计算机技术的不断发展，车牌识别算法得到了广泛的应用，基于字符切分的传统车牌识别算法逐渐被基于深度学习的端到端车牌识别算法所取代，端到端车牌识别算法所采用的模型是基于大量标注的车牌图像样本进行训练的，其中用于训练的车牌图像样本主要通过摄像机的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车牌图像生成方法，其特征在于，所述方法包括：获取原始车牌图像；将所述原始车牌图像输入至预设的生成对抗网络模型中，并确定用于构建生成车牌图像的字符类以及字符域，所述字符类表示车牌图像中字符的字符类别，所述字符域表示字符在车牌图像中的字符位置，所述生成对抗网络模型为预先训练好的模型；通过所述生成对抗网络模型提取所述车牌图像的图像特征；通过所述生成对抗网络模型结合所述图像特征、所述字符类以及字符域构建并输出生成车牌图像。2.根据权利要求1中所述的车牌图像生成方法，其特征在于，所述生成对抗网络模型通过如下方法训练得到：构建初始生成对抗网络模型，所述初始生成对抗网络模型中包含有生成器和判别器，所述生成器用于生成模拟车牌图像，所述判别器用于对模拟车牌图像进行判别；分别对所述判别器以及所述生成器进行训练，当训练结束后，得到所述生成对抗网络模型。3.根据权利要求2中所述的车牌图像生成方法，其特征在于，对所述判别器进行训练包括：获取样本车牌图像，所述样本车牌图像包含有原始字符域以及原始字符类；固定所述生成器的参数，并通过所述样本车牌图像对所述判别器进行训练。4.根据权利要求2中所述的车牌图像生成方法，其特征在于，对所述生成器进行训练包括：获取样本车牌图像，所述样本车牌图像包含有原始字符域以及原始字符类；确定目标字符域以及目标字符类，并将所述目标字符域、所述目标字符类以及所述样本车牌图像输入至所述生成器中，以使得所述生成器生成模拟车牌图像，所述模拟车牌图像中包含有所述目标字符域以及所述字符目标类；将所述原始字符域、所述原始字符类以及所述模拟车牌图像输入至所述生成器中，以使得所述生成器生成重建原始域图像，所述重建原始域图像中包含有所述原始字符域以及所述原始字符类；根据所述重建原始域...

【专利技术属性】
技术研发人员：唐健，徐凯亮，石伟，
申请(专利权)人：深圳市捷顺科技实业股份有限公司，
类型：发明
国别省市：