[发明专利]一种提高车牌攻击鲁棒性的对抗攻击方法

摘要

一种基于对抗攻击的车牌攻击生成方法，包括以下步骤：1)按照中国车辆号牌标准将制作的车牌整理为标准车牌数据集O；2)采用opencv的仿射变换函数变换得数据集A；采用opencv的亮度变换函数变换得数据集B；采用opencv的仿射变换函数和亮度变换函数变换得数据集C；3)构造一个LeNet‑5，并对车牌数据集O、A、B、C进行字符检测与分割，然后用分割后的数据集训练LeNet‑5模型；4)在不同成像角度和光照强度下对打印的真实对抗车牌样本进行拍摄，调用已训练的车牌分类器LeNet‑5对拍摄的数字对抗样本进行识别。本发明使得对抗扰动的生成不再受限于实际中众多环境因素的影响，具有较高的实用价值。

主权项

1.一种提高车牌攻击鲁棒性的对抗攻击方法，其特征在于：所述方法包括如下步骤：S1：按照中国车辆号牌标准，确定车牌底板尺寸、字体和字符间隔，按比例缩放制作常见的小型汽车号牌，将制作的车牌整理为标准车牌数据集，记为数据集O；S2：采用opencv的仿射变换函数对制作的标准数据集O按照不同角度分段进行仿射变换，变换后的数据集记为数据集A；采用opencv的亮度变换函数对制作的标准数据集O按照不同亮度分段进行亮度变换，变换后的数据集记为数据集B；采用opencv的仿射变换函数和亮度变换函数对制作的标准数据集O按照随机角度和亮度进行变换，变换后的数据集记为数据集C；S3：构造一个由2个卷积层和1个全连接层构成的经典卷积神经网络LeNet‑5，并对车牌数据集O、A、B、C进行字符检测与分割，然后用分割后的数据集训练LeNet‑5模型，确保使其能够百分百准确识别“干净”的车牌数据，将训练完成后的LeNet‑5模型结构和参数保存，以便之后评估攻击效果时调用；S4：参考数据集O的制作工艺，制作n张不重复的车牌，n为设定数量，采用对抗攻击方法RP2生成对抗扰动，并添加到对应原始“干净”的车牌数据上，然后打印所有数字对抗车牌样本；在不同成像角度和光照强度下对打印的真实对抗车牌样本进行拍摄，调用已训练的车牌分类器LeNet‑5对拍摄的数字对抗样本进行识别。