[发明专利]一种基于对抗生成网络的车牌去模糊方法

摘要

本发明公开了一种基于对抗生成网络的车牌去模糊方法。本发明改变了BEGAN网络中生成网络的结构，使该网络能够以图片作为输入，并且输出同样大小的图片。同时在BEGAN网络结构中新增加一个车牌识别网络，将生成网络恢复出的图片输入该网络得到识别损失值，用于生成网络的训练。通过对BEGAN网络的网络结构进行改进，并经过训练，使网络可以实现在一定尺度范围内直接输入模糊车牌，得到其清晰车牌，并且视觉效果和真实车牌十分接近。另外，对BEGAN网络结构进行改进，加入车牌号码识别网络，使生成的清晰车牌号码识别率高。

主权项

一种基于对抗生成网络的车牌去模糊方法，其特征在于：所述的对抗生成网络包括：生成网络，即G网络，其输入为模糊车牌图片，输出去模糊后同样大小的图片；判别网络，即D网络，其输入分别来自于生成网络G的输出和清晰车牌图片；车牌识别网络，即R网络, 其输入分别来自于生成网络G的输出,输出损失函数值R‑loss；该方法包括如下步骤：先对上述对抗生成网络进行训练，包括：（1）将运动模糊的车牌图片X输入G网络，输出G(x)，然后将G(x)和其相对应的清晰车牌图片X_real分别输入D网络，由对抗生成网络的损失函数计算方法得到损失函数值G‑loss和D‑loss，分别用于更新G网络和D网络；（2）将G(x)输入车牌识别网络进行车牌识别，得到损失函数值R‑loss；然后将损失函数值G‑loss和R‑loss相加，一起去更新G网络，用损失函数值D‑loss更新D网络；（3）通过不断输入(X,X_real)图片对，更新G网络和D网络，使得G网络收敛；依据上述训练好的抗生成网络，将模糊车牌从视频中截取出来，缩放到规定尺寸，然后输入G网络，便可直接得到清晰的车牌G(x)。