[发明专利]基于轻量级网络对抗的车牌防盗摄隐私保护方法及系统在审

专利信息
申请号: 202210988321.1 申请日: 2022-08-17
公开(公告)号: CN115358908A 公开(公告)日: 2022-11-18
发明(设计)人: 顾军;陈先意;付章杰;颜凯;江栋;钱郁滔 申请(专利权)人: 南京信息工程大学
主分类号: G06T1/00 分类号: G06T1/00;G06V20/62;G06V10/82;G06V10/774
代理公司: 南京纵横知识产权代理有限公司 32224 代理人: 董建林
地址: 224002 江苏省盐城*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 轻量级 网络 对抗 车牌 防盗 隐私 保护 方法 系统
【权利要求书】:

1.基于轻量级网络对抗的车牌防盗摄隐私保护方法,其特征在于,包括:

获取原始车牌图片;

根据原始车牌图片设计对抗补丁样本和斑点并叠加到原始车牌图片上,得到防盗摄车牌图片,所述防盗摄车牌图片用于通过车牌制造设备打印后贴在机动车车牌上。

2.根据权利要求1所述的基于轻量级网络对抗的车牌防盗摄隐私保护方法,其特征在于,所述对抗补丁样本通过以下方法设计:

从原始车牌图片中采集图案区域,根据图案区域的大小进行补丁图像的初始化;

针对初始化的补丁图像采用FGSM生成扰动,将扰动添加到原始车牌图片上,得到对抗补丁样本;

将对抗补丁样本输入到预训练好的车牌识别模型中,得到识别结果;

若识别结果低于预设的阈值则将对应的对抗补丁样本作为最终的对抗补丁样本,否则重复上述步骤直至识别结果低于预设的阈值。

3.根据权利要求2所述的基于轻量级网络对抗的车牌防盗摄隐私保护方法,其特征在于,所述车牌识别模型通过以下方法进行训练:

获取训练数据集;

利用训练数据集对YOLOv3-LITE进行训练,得到训练好的车牌识别模型;

所述训练数据集中包括若干张车牌图片。

4.根据权利要求2所述的基于轻量级网络对抗的车牌防盗摄隐私保护方法,其特征在于,所述对抗补丁样本通过以下方法得到:

其中,Advpatch是对抗补丁样本,I是原始车牌图片,ε是扰动强度,表示对I求损失函数的梯度方向,表示生成的扰动。

5.根据权利要求2所述的基于轻量级网络对抗的车牌防盗摄隐私保护方法,其特征在于,所述扰动受不可打印性损失和平滑损失的约束,不可打印性损失和平滑损失通过以下方法进行计算:

其中,Lnps是不可打印性损失,ppatch是补丁图像中的一个像素,cprint是可被打印颜色集合c中的一种颜色,Ltv是平滑损失,pi,j是(i,j)位置的像素,pi+1,j是(i+1,j)位置的像素,pi,j+1是(i,j+1)位置的像素。

6.根据权利要求1所述的基于轻量级网络对抗的车牌防盗摄隐私保护方法,其特征在于,所述斑点通过以下方法设计:

从原始车牌图片中采集数字区域;

在数字区域中随机选择初始像素点,基于初始像素点使用单连通区域生成算法随机生成单连通区域;

设置单连通区域的像素值,将单连通区域随机添加到数字区域中,得到斑点;

将含有斑点的车牌图片输入到OpenALPR中,得到预测结果;

若预测结果小于预设值则将对应的斑点作为最终的斑点,否则重复上述步骤直至预测结果小于预设值。

7.根据权利要求6所述的基于轻量级网络对抗的车牌防盗摄隐私保护方法,其特征在于,所述单连通区域通过以下方法生成:

初始化一个数组BoundaryArray;

采集初始像素点周围的四个像素点添加到BoundaryArray中;

从BoundaryArray中随机选择一个像素点,再次采集其周围的四个像素点添加到BoundaryArray中,直到BoundaryArray的长度达到预设值,此时BoundaryArray中的所有像素点即为单连通区域。

8.根据权利要求1所述的基于轻量级网络对抗的车牌防盗摄隐私保护方法,其特征在于,对抗补丁样本和斑点通过以下方法叠加到原始车牌图片上:

其中,表示原始车牌图片I中位置(x,y)处的像素值,表示对抗补丁样本Advpatch中位置(x,y)处的像素值,表示原始车牌图片I中位置(m,n)处的像素值,表示斑点Advspot中位置(m,n)处的像素值。

9.基于轻量级网络对抗的车牌防盗摄隐私保护系统,其特征在于,包括:

原始车牌图片获取模块:用于获取原始车牌图片;

隐私保护模块:用于根据原始车牌图片设计对抗补丁样本和斑点并叠加到原始车牌图片上,得到防盗摄车牌图片,所述防盗摄车牌图片用于通过车牌制造设备打印后贴在机动车车牌上。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京信息工程大学,未经南京信息工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210988321.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top