[發(fā)明專利]一種基于對抗生成網(wǎng)絡(luò)的車牌去模糊方法

有效

• 申請?zhí)枺?/td>: 201711337768.8
• 申請日: 2017-12-14
• 公開（公告）號: CN108122209B
• 公開（公告）日: 2020-05-15
• 發(fā)明（設(shè)計(jì)）人: 尚凌輝;顧亞風(fēng);林國錫;王弘玥;張兆生
• 申請（專利權(quán)）人: 浙江捷尚視覺科技股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/00
• 代理公司: 杭州奧創(chuàng)知識產(chǎn)權(quán)代理有限公司 33272
• 代理人: 王佳健

本發(fā)明公開了一種基于對抗生成網(wǎng)絡(luò)的車牌去模糊方法。本發(fā)明改變了BEGAN網(wǎng)絡(luò)中生成網(wǎng)絡(luò)的結(jié)構(gòu)，使該網(wǎng)絡(luò)能夠以圖片作為輸入，并且輸出同樣大小的圖片。同時(shí)在BEGAN網(wǎng)絡(luò)結(jié)構(gòu)中新增加一個(gè)車牌識別網(wǎng)絡(luò)，將生成網(wǎng)絡(luò)恢復(fù)出的圖片輸入該網(wǎng)絡(luò)得到識別損失值，用于生成網(wǎng)絡(luò)的訓(xùn)練。通過對BEGAN網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)，并經(jīng)過訓(xùn)練，使網(wǎng)絡(luò)可以實(shí)現(xiàn)在一定尺度范圍內(nèi)直接輸入模糊車牌，得到其清晰車牌，并且視覺效果和真實(shí)車牌十分接近。另外，對BEGAN網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)，加入車牌號碼識別網(wǎng)絡(luò)，使生成的清晰車牌號碼識別率高。

技術(shù)領(lǐng)域

本發(fā)明屬于視頻監(jiān)控技術(shù)領(lǐng)域，涉及一種基于對抗生成網(wǎng)絡(luò)的車牌去模糊方法。

背景技術(shù)

在現(xiàn)實(shí)世界中，圖像采集設(shè)備和目標(biāo)物之間如果存在相對運(yùn)動，采集到的圖像會有運(yùn)動模糊現(xiàn)象。這種運(yùn)動模糊會給交通管理帶來諸多不便，例如車牌的定位和識別，當(dāng)違章車輛的速度較快，采集到的車牌圖像一般是模糊的，無法準(zhǔn)確判斷車輛信息，為交通執(zhí)法提供依據(jù)。為了能夠看清楚車牌圖像，從而便于識別超速、闖紅燈等違法行為，對模糊車牌進(jìn)行去運(yùn)動模糊處理、同時(shí)提高車牌圖像質(zhì)量具有十分重要的現(xiàn)實(shí)意義。

目前常用方法為通過估計(jì)模糊核尺寸進(jìn)行估計(jì)，再通過逆卷積實(shí)現(xiàn)去模糊：

1.例如專利CN201710316939.2：一種應(yīng)用于車牌檢測的圖像去模糊方法及系統(tǒng)，其通過點(diǎn)傳輸函數(shù)對模糊核進(jìn)行估計(jì)，然后實(shí)現(xiàn)對車牌的去模糊。

2.例如專利CN201611194120.5：模糊核獲取以及圖像去模糊方法及裝置，通過將模糊圖像映射到倒譜域，根據(jù)倒譜圖像估計(jì)模糊類別，在對模糊核進(jìn)行估計(jì)。

3.例如專利CN201710159744.1基于L0正則化和模糊核后處理的圖像盲去模糊的方法，在圖像復(fù)原的最優(yōu)化模型中引入關(guān)于圖像梯度、模糊核像素以及模糊核梯度稀疏性的先驗(yàn)信息，對最優(yōu)化計(jì)算得到的模糊核進(jìn)行后處理，提高圖像復(fù)原質(zhì)量。

以上方法都通過估計(jì)模糊核對圖像進(jìn)行復(fù)原，如果應(yīng)用于視頻中的運(yùn)動模糊車牌，圖像另外還有噪聲及圖像編解碼的影響，恢復(fù)出的車牌會產(chǎn)生振鈴效應(yīng)，視覺效果差，并且在噪聲很大等極端情況下，難以恢復(fù)出可辨的號碼。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有技術(shù)的不足，提供了一種基于對抗生成網(wǎng)絡(luò)的車牌去模糊方法。

本發(fā)明解決技術(shù)問題所采取的技術(shù)方案為：

一種基于對抗生成網(wǎng)絡(luò)的車牌去模糊方法，所述的對抗生成網(wǎng)絡(luò)包括：

生成網(wǎng)絡(luò)，即G網(wǎng)絡(luò)，其輸入為模糊車牌圖片，輸出去模糊后同樣大小的圖片；

判別網(wǎng)絡(luò)，即D網(wǎng)絡(luò)，其輸入分別來自于生成網(wǎng)絡(luò)G的輸出和清晰車牌圖片；

車牌識別網(wǎng)絡(luò)，即R網(wǎng)絡(luò), 其輸入分別來自于生成網(wǎng)絡(luò)G的輸出,輸出損失函數(shù)值R-loss；

該方法包括如下步驟：

先對上述對抗生成網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

（1）將運(yùn)動模糊的車牌圖片X輸入G網(wǎng)絡(luò)，輸出G(x)，然后將G(x)和其相對應(yīng)的清晰車牌圖片X_real分別輸入D網(wǎng)絡(luò)，由對抗生成網(wǎng)絡(luò)的損失函數(shù)計(jì)算方法得到損失函數(shù)值G-loss和D-loss，分別用于更新G網(wǎng)絡(luò)和D網(wǎng)絡(luò)。

（2）將G(x)輸入車牌識別網(wǎng)絡(luò)進(jìn)行車牌識別，得到損失函數(shù)值R-loss；然后將損失函數(shù)值G-loss和R-loss相加，一起去更新G網(wǎng)絡(luò)，用損失函數(shù)值D-loss更新D網(wǎng)絡(luò)。

（3）通過不斷輸入(X,X_real)圖片對，更新G網(wǎng)絡(luò)和D網(wǎng)絡(luò)，使得G網(wǎng)絡(luò)收斂。

依據(jù)上述訓(xùn)練好的抗生成網(wǎng)絡(luò)，將模糊車牌從視頻中截取出來，縮放到規(guī)定尺寸，然后輸入G網(wǎng)絡(luò)，便可直接得到清晰的車牌G(x)。