申请/专利权人：浙江大学

申请日：2023-12-22

公开（公告）日：2024-03-29

公开（公告）号：CN117789189A

主分类号：G06V20/62

分类号：G06V20/62;G06V10/25;G06V10/774;G06V10/50;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种基于透视变换和多重融合后处理网络的车牌篡改数据生成方法。本发明方法将随机选取的车辆图片，输入到预训练的车牌目标检测模型中，利用返回的车牌顶点坐标得到车牌所在区域，设计基于图像透视变换的车牌替换策略，以实现不同视角和不同环境下的车牌替换，在替换基础上设计并训练一个多重融合后处理网络保证替换车牌与背景图片的兼容性，增强伪造数据的真实性，最后批量生成篡改车牌及其标注数据，形成车牌篡改数据集。本发明实现了一种不需要人工篡改的高效率高真实度的车牌篡改图像数据集扩充方法。

主权项：1.一种基于透视变换和多重融合后处理网络的车牌篡改数据生成方法，具体包括以下步骤：1获取车牌数据集进行遍历检索，初始化预训练的车牌目标检测模型并加载预训练权重；将遍历得到的车牌图片每组两张，组合输入到车牌目标检测模型中，所述车牌目标检测模型的输入为三通道二维的RGB图片，输出为该组每张车辆图片对应的车牌四个顶点的坐标向量；2根据步骤1检测得到的每组车牌顶点坐标建立透视变换矩阵，每组两张图片分别作为源车辆图片和目标车辆图片，根据各自图像中四个顶点的坐标计算并求解两者的透视变换矩阵，将两者原始车辆图片映射到同一个二维坐标系中；3根据步骤2建立的透视变换矩阵，将源车辆图片中变换后的车牌矩形区域与目标车辆图片中变换后的车牌矩形区域进行裁剪并替换，获得中间图片，再通过求解透视变换矩阵的逆矩阵对两张车辆图片进行逆变换以还原到原始图片角度，得到初步篡改车牌数据；4将步骤3得到的初步篡改车牌数据输入到所设计的多重融合后处理网络中，将替换过来的车牌像素与背景像素在色彩均衡度、饱和度、分辨率和模糊度四个指标上进行增益值计算，计算公式如下：Gain＝wcgc+wsgs+wrgr+wbgb1其中ω代表各指标的权重，c代表色彩均衡度，s代表饱和度，r代表分辨率，b代表模糊度，g·代表各指标的增益计算模块，Gain代表总增益值；5利用步骤4得到的总增益值修改粘贴的车牌像素信息，计算公式如下： 其中Img代表新旧车牌区域的图片，代表像素级的滤波，将总增益值作为条件信息引导随机初始化的卷积核对旧车牌区域进行处理优化生成新车牌区域图片，ω代表卷积核的超参数；6将步骤5得到的整张车辆图片输入到篡改图片判别器中，输出图片的篡改概率，将最小化该概率数值作为优化目标来指导各指标的增益计算模块和卷积核中参数的调整，通过多轮迭代，训练多重融合后处理网络，使得生成的图片趋于逼真，直至成功欺骗判别器，多重融合后处理网络的损失函数loss如下： 其中Imgi代表第i张篡改后的整张车辆图片，Discriminator代表篡改图片判别器，N为训练图片的数量，代表多重融合后处理网络；7利用步骤6中的训练方法，将大量篡改的车辆图片以每组N张送入多重融合后处理网络中，批量自动化生成预设数目的图片，以实现大规模车牌篡改数据集的生成。

全文数据：

权利要求：

百度查询： 浙江大学 基于透视变换和多重融合后处理网络的车牌篡改数据生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD