[发明专利]一种车牌图像生成方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种车牌图像生成方法、装置、电子设备及存储介质，用于扩充车牌样本，以及提高车牌样本扩充效率。所述方法包括：对待处理车牌图像包含的车牌字符序列中目标序位的字符进行处理，得到参考车牌图像；基于训练后的车牌图像生成模型，对所述参看车牌图像的车牌颜色进行扩展处理，获得扩展车牌图像，所述车牌图像生成模型通过机器学习方法对生成式对抗网络进行训练获得，所述车牌图像生成模型包括至少一个颜色子模型，一个颜色子模型对应一种预设颜色的颜色信息，不同的颜色子模型对应的预设颜色不同。

技术领域

本发明涉及图像生成技术领域，尤其涉及一种车牌图像生成方法、装置、电子设备及存储介质。

背景技术

在车牌识别算法开发过程中，尤其是基于深度学习的车牌识别算法开发过程中，需要基于大量车牌样本进行训练，然而在获取车牌样本时，存在如某些特殊类型的车牌样本较难获取，例如稀有类型车牌(使领馆车牌、军警特殊车牌等)，或者由于某些省份地区的车牌缺少，导致获取的车牌样本不均衡等问题。

目前，为了得到大量的车牌样本图像数据，一方面通过人工标注的方法收集车牌图像，另一方面，通过人工合成的方法生成车牌样本图像。然而通过人工标注或者人工合成的方法扩充车牌样本，存在耗时长、成本高等问题。

发明内容

本申请实施例提供了一种车牌图像生成方法、装置、电子设备及存储介质，用于扩充车牌样本，以及提高车牌样本扩充效率。

第一方面，提高一种车牌图像生成方法，所述方法包括：

对待处理车牌图像包含的车牌字符序列中目标序位的字符进行处理，得到参考车牌图像；

基于训练后的车牌图像生成模型，对所述参看车牌图像的车牌颜色进行扩展处理，获得扩展车牌图像，所述车牌图像生成模型通过机器学习方法对生成式对抗网络进行训练获得，所述车牌图像生成模型包括至少一个颜色子模型，一个颜色子模型对应一种预设颜色的颜色信息，不同的颜色子模型对应的预设颜色不同。

可选的，对所述参看车牌图像的车牌颜色进行扩展处理，获得扩展车牌图像，包括：

基于所述至少一个颜色子模型中预设数量的颜色子模型，将所述参考车牌图像的车牌颜色，替换成所述预设数量的颜色子模型分别对应的预设颜色，得到所述预设数量的扩展车牌图像。

可选的，所述车牌图像生成模型通过如下方式获得：

获取车牌样本图像；

对所述车牌样本图像进行预处理，得到目标样本图像；所述目标样本图像中每个图像的尺寸相同，所述目标样本图像为二值化图像；

将所述目标样本图像输入所述生成式对抗网络的目标颜色子模型，得到所述目标样本图像的目标颜色信息，所述目标颜色子模型对应的颜色与所述车牌样本图像的颜色相同；

将带有目标颜色信息的目标样本图像输入所述生成式对抗网络的生成器，通过所述生成器生成对应颜色的RGB图像；

通过所述生成式对抗网络的判别器对输入所述判别器的图像进行判别；所述输入所述判别器的图像包括：所述带有目标颜色信息的目标样本图像和所述生成器生成的对应颜色的RGB图像，或者所述带有目标颜色信息的目标样本图像和所述车牌样本图像，在所述输入所述判别器的图像为所述带有目标颜色信息的目标样本图像和所述RGB图像时，判别所述输入图像为假，在所述输入所述判别器的图像为所述带有目标颜色信息的目标样本图像和所述车牌样本图像时，判别所述输入图像为真；

基于所述判别结果，通过生成器的损失函数对所述生成器进行优化以及通过所述判别器的损失函数对所述判别器进行优化，以使所述生成器生成的RGB图像更接近所述车牌样本图像，以及使所述判别器的判别结果更准确；

直到所述判别器难以判别输入的图像为真还是为假时，停止网络训练，得到所述车牌图像生成模型。