[发明专利]一种机动车车牌合成数据生成方法

说明书

本发明涉及一种机动车车牌合成数据生成方法，首先，从官方公开的规范文件上获取车牌字体并进行建模，使得合成的车牌数据贴近真实车牌的情况；其次，利用虚拟引擎构建场景并进行全方位渲染，自动生成标注，提高了数据集的采集生成效率；再次，从天气、光照、距离、角度等方面设置多样化的车牌生成条件，获得覆盖更加全面的数据；最后，利用风格迁移技术对所生成的合成车牌数据进行风格迁移，减小了人工合成图像与真实图像域之间的差异。

技术领域

本发明属于智能交通技术领域，尤其涉及一种机动车车牌合成数据生成方法，可应用于智能交通系统的车牌检测与识别。

背景技术

随着视频监控技术和深度学习技术的发展，智能交通系统成为未来交通系统的发展方向，可以缓解日益加剧的城市交通拥堵顽疾，减少交通违章和恶性交通事故等现象，也为各类交通事故以及人身财产安全的事后处理提供了有力的证据。而在这个过程中，车牌号码作为机动车特有的身份表征，起到了至关重要的作用，故车牌的检测和识别是智能交通系统的重要组成部分。

研究和实践表明，深度学习算法的性能取决于训练数据的质量和规模，因此基于深度学习的车牌识别需要大量优质数据。考虑到车牌应用的需求，车牌数据集除了规模要足够大之外，通常还有以下要求：(1)车牌字符种类应覆盖全面，其中第一位覆盖各个省级行政区，后面几位应覆盖各种情况且字符分布应尽量均匀；(2)车牌数据包含各种极端情况，如大雾、大雪等天气下的数据，用于提升算法在复杂情况下的处理能力；(3)具有准确的语义标注，且标注内容尽量丰富，如标注内容涵盖如车牌区域、字符区域、像素级语义等，以支撑各类车牌识别算法的设计。

目前主要有两类方法来构造车牌数据集：一种是基于人工采集标注的方法，即通过抓拍设备获取真实的车牌场景数据。这种方法局限性较强，一是因为获得覆盖各类复杂情况的车牌数据较为困难，其次是由于对数据的人工标注耗财耗时耗力，且容易出现标注不准确的情况。另一种是基于合成数据生成的方法，即通过建模工具和虚拟引擎对机动车车牌以及交通场景进行建模和材质光照的渲染，获得大量的数据，再利用计算机进行标注，其对人力财力的消耗相对低廉。研究表明，经过合成数据集训练的模型在真实数据上具有较好的迁移性，因此合成车牌数据具有很强的实用价值。

在传统的真实车牌数据采集方面，一般方法是利用交通摄像头或者移动设备进行采集，在专利《一种移动式车牌数据采集系统》中，提出了一种基于安装在巡逻车上的摄像头来进行视频移动采集车牌数据的采集系统，对真实车牌场景中的车牌数据进行采集。这种车牌数据真实有效，但覆盖范围狭隘，采集效率较低，同时仍需要人工标注，费时费力。

在合成车牌数据的生成方面，目前还没有相关方法，但是随着计算机图形学的发展，利用人工合成数据集进行数据扩充，从而完成深度学习模型的训练已经有了很大的进展。在专利公开号CN108596259A《一种用于物体识别的人工智能训练数据集生成的方法》中，在仿真环境中生成待识别物品，并根据物品名称及环境生成物体名称的标签，来获取人工合成数据。在专利公开号CN109523629A《一种基于物理仿真的物体语义和位姿数据集生成方法》中，利用虚拟引擎渲染应用场景环境获取点云数据并进行位姿等标注信息的标注。

然而上述合成数据集的生成方法中没有一种针对车牌数据的有效方法。首先，车牌数据具有自身的特点和规范，其建模方式直接决定了合成数据的使用效果；其次，合成数据与真实数据之间的差异会影响学习模型到真实数据的迁移能力，因此合成数据需要尽可能的减小与真实图像之间的数据分布差异。

发明内容

本发明技术解决问题：为了解决目前用于深度学习训练的车牌数据集的数据量少、数据标注不准、覆盖情况不全面等问题，提供一种机动车车牌合成数据生成方法，获得覆盖更加全面的数据；减小了人工合成图像与真实图像域之间的差异。