[发明专利]一种车牌识别训练数据的合成方法

说明书

本发明涉及一种车牌识别训练数据的合成方法，它包括以下步骤：S1.创建一张背景图像；遍历背景图像中的每一个像素，各像素都有随机概率p1在背景图像上生成不同的基础要素图案；S2.从车身图像数据库中随机选出一张车身图像，从选取的车身图像中随机裁剪出局部车身图像，将背景图像和局部车身图像合并形成复合图像；S3.在复合图像上随机选取区域绘制车牌图像。本发明的优点在于：本发明的车牌识别训练数据的合成方法具有经济、高效和量大的优点，解决了传统的人工数据收集方法中的耗费人力物力、效率低下的问题，能快速为车牌识别深度学习模型提供了无限的训练数据。

技术领域

本发明涉及一种图像合成技术，特别是一种车牌识别训练数据的合成方法，该技术基于程序自动生成并标注能够模拟用户实际拍摄的车牌图像的合成图像，为车牌文本的定位和识别深度学习模型的训练提供充足的图像数据。

背景技术

车牌识别程序基于一系列计算机算法，用于对摄像头拍摄的汽车图像中的车牌进行定位和识别，广泛用于停车场、高速公路等场景，目前主流的车牌识别程序都基于深度学习算法。

基于深度学习的车牌识别程序是一种深度学习模型，程序刚建立之初，就像刚出生的婴儿，程序系统内部没有任何知识积累，对于图像中的车牌号码也没有任何预测能力。需要后期向深度学习模型提供大量标注好的车牌图像数据，使其通过不断的前向计算并反向调节参数来学习图像数据中的潜在知识，以获得智能预测车牌号码的能力，这个过程叫做训练或学习。训练过程中的数据是深度学习模型的知识来源，其重要性不言而喻，可以说训练数据的好坏决定了最终训练出的深度学习模型的好坏。

当前车牌识别深度学习模型的训练数据主要通过人工采集和标注的方法来获得。大致流程是：首先通过招募一定的人力或在道路上安置摄像头等方法拍摄数以万计来自全国各个省份的不同类型和场景的车牌图像；然后由数据标注员将车牌图像中车牌号码所在矩形框的坐标信息以及车牌号码标注出来。

传统的人工采集和标注车牌图像数据的方法具有诸多的局限性：(1)需要耗费大量的人力、物力和财力；(2)可用于训练的车牌图像数据制作周期长；(3)特殊类型的车牌图像难以获得，比如领事馆车、警车、军车等。

发明内容

本发明的目的在于提供一种车牌识别训练数据的合成方法，该技术经济，高效，且生成的车牌图像数据数量无限，可为车牌识别深度学习模型提供足够的数据。

本发明的目的通过如下技术方案实现：一种车牌识别训练数据的合成方法，它包括以下步骤：

S1.创建一张背景图像img1，其宽为w1像素，高为h1像素；遍历背景图像img1中的每一个像素，各像素都有随机概率p1在背景图像img1上生成不同的基础要素图案；

S2.从车身图像数据库中随机选出一张车身图像，从选取的车身图像中随机裁剪出局部车身图像img2，将背景图像img1和局部车身图像img2合并形成复合图像img_mix，上述车身图像数据库中的车身图像均不含有车牌信息；

S3.在复合图像img_mix上随机选取区域绘制车牌图像。

较之现有技术而言，本发明的优点在于：

本发明的车牌识别训练数据的合成方法具有经济、高效和量大的优点，解决了传统的人工数据收集方法中的耗费人力物力、效率低下的问题，能快速为车牌识别深度学习模型提供了无限的训练数据。此外，程序可以合成双层车牌的车牌图像，使得训练出来的深度学习模型可以识别双侧车牌的车牌号码。

附图说明

图1是本发明一种车牌识别训练数据的合成方法的流程图。

图2是车牌图像在二维坐标系下的演示图。

图3是本发明所生成的用于车牌识别训练的合成图像。

图4是本发明所生成的用于车牌识别训练的合成图像。