[發明專利]基于風格遷移的車牌圖像生成方法、裝置、設備及介質

在審

• 申請號: 201810978822.5
• 申請日: 2018-08-27
• 公開（公告）號: CN109255772A
• 公開（公告）日: 2019-01-22
• 發明（設計）人: 雷晨雨
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T5/30;G06T5/00;G06T7/90;G06T11/60;G06K9/46;G06K9/32;G06K9/20
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 周燕君

1.一種基于風格遷移的車牌圖像生成方法，其特征在于，所述基于風格遷移的車牌圖像生成方法包括：

若接收到生成車牌圖像的指令，則獲取所述指令中包含的車牌類型；

根據所述車牌類型對應的車牌號碼結構，生成隨機的車牌號碼；

從預設的字體庫中選取與所述車牌號碼中包含的字符相對應的字符圖像，根據所述字符圖像和所述車牌號碼，生成初始車牌圖像；

對所述初始車牌圖像進行圖像預處理，得到模擬車牌圖像；

使用風格遷移算法，對所述模擬車牌圖像進行風格遷移，得到目標車牌圖像。

2.如權利要求1所述的基于風格遷移的車牌圖像生成方法，其特征在于，所述使用風格遷移算法，對所述模擬車牌圖像進行風格遷移，得到目標車牌圖像包括：

獲取預設的真實車牌圖像；

采用卷積神經網絡VGG-NET模型分別對所述真實車牌圖像和所述模擬車牌圖像進行特征提取，得到所述真實車牌圖像在所述VGG-NET模型中每個卷積層的初始圖像特征集合，以及所述模擬車牌圖像在所述VGG-NET模型中每個卷積層的初始圖像特征集合；

從所述模擬車牌圖像的初始圖像特征集合中，選取第一預設層的圖像特征作為內容特征；

從所述真實車牌圖像的初始圖像特征集合中，選取第二預設層的圖像特征進行內積運算，得到風格特征；

采用DeepDream算法，對所述風格特征和所述內容特征進行圖像特征可視化處理，生成所述目標車牌圖像。

3.如權利要求2所述的基于風格遷移的車牌圖像生成方法，其特征在于，所述采用DeepDream算法，對所述風格特征和所述內容特征進行圖像特征可視化處理，生成所述目標車牌圖像包括：

獲取預設的與所述模擬車牌圖像相同尺寸的白噪聲圖像作為初始圖像，并將所述初始圖像輸入到所述VGG-NET模型中進行特征提取，得到所述初始圖像在所述VGG-NET模型中每個卷積層的圖像特征；

使用如下公式確定初始圖像在所述VGG-NET模型中每個卷積層的內容特征權重α和風格特征權重β：

L_total(p,a,x)＝αL_content(p,x)+βL_style(a,x)

其中，L_total(p,a,x)為總損失函數，L_content(p,x)為所述初始圖像在每一層的圖像特征相對于所述內容特征的損失函數，L_style(a,x)為所述初始圖像在每一層的圖像特征相對于所述風格特征的損失函數，L_content(p,x)和L_style(a,x)由預設的損失函數計算公式計算得到，且α+β＝1，α和β為非負數，p代表模擬車牌圖像，a代表真實車牌圖像，x代表初始圖像；

根據所述內容特征、所述風格特征、每個卷積層的所述內容特征權重和每個卷積層的所述風格特征權重，得到所述初始圖像更新后的圖像特征；

將所述更新后的圖像特征輸入到所述VGG-NET模型中，并返回執行所述使用如下公式確定初始圖像在所述VGG-NET模型中每個卷積層的內容特征權重α和風格特征權重β的步驟，直到執行次數達到預設迭代次數，得到目標圖像特征；

根據所述目標圖像特征，生成所述目標車牌圖像。

4.如權利要求1至3任一項所述的基于風格遷移的車牌圖像生成方法，其特征在于，所述對所述初始車牌圖像進行圖像預處理，得到模擬車牌圖像包括：

對所述初始車牌圖像的像素點的像素值進行隨機擾動，得到像素值隨機分布的第一車牌圖像；

將所述第一車牌圖像進行腐蝕膨脹處理，得到第二車牌圖像；

通過高斯模糊算法對所述第二車牌圖像進行高斯模糊，得到模擬車牌圖像。