[发明专利]一种污损集装箱号图片的生成方法

说明书

本发明涉及到图像处理技术领域，具体公开了一种污损集装箱号图片的生成方法。具体步骤包括：基于干净的集装箱箱面图片做深度估计，拟合集装箱箱面所在平面；然后绘制随机的集装箱号并与集装箱箱面图片进行合成；再以合成图片为源域图像，以真实的污损集装箱号图片为目标域图像训练风格迁移模型；最后使用风格迁移模型应用于合成的图片，变换为污损的集装箱号图片。本发明提出的图片生成方法可以按需要生成任意数量的污损集装箱号图片，且生成所得图片非常接近真实场景采集的图片，生成图片可作为数据增广样本更好地训练集装箱箱号识别算法。

技术领域

本发明涉及图像识别技术领域，特别涉及一种污损集装箱号图片的生成方法。

背景技术

集装箱号指装运出口货物的集装箱箱号，采用ISO6346（1995）标准，集装箱箱号识别在港口理货环节中起着重要的作用，有效地提升了港口理货效率，并在安全方面为港口理货提供保障，节约成本。

随着深度学习、计算机视觉等技术的发展，越来越多的集装箱箱号识别算法基于深度学习方法进行设计和实现，基于深度学习的集装箱箱号识别算法往往拥有较高的准确性和泛化性能。

尽管如此，这些集装箱箱号识别算法仍然难以识别表面污损的集装箱号，难以推进污损集装箱号图片帮助集装箱箱号识别算法的训练。因此有必要提出一种污损集装箱号图片的生成方法。

发明内容

本发明的目的在于提供一种污损集装箱号图片的生成方法，用以生成任意数量的污损集装箱号图片，以帮助训练集装箱箱号识别算法。

一种污损集装箱号图片的生成方法，包括以下步骤：

S1. 获取干净的集装箱箱面图片作为背景图片；

S2. 对集装箱背景图片进行深度估计；

S3. 在结合了深度信息的背景图片上拟合集装箱箱面所在平面；

S4. 拟合平面内绘制随机的集装箱号；

S5. 将集装箱号与集装箱背景图片进行合成；

S6. 以步骤S5合成的图片为源域图像，以污损集装箱号图片为目标域图像训练风格迁移模型；

S7. 使用风格迁移模型应用于步骤S5合成的图片，变换为污损的集装箱号图片。

作为优选，所述步骤S2中基于CNN的深度估计算法对集装箱背景图片进行深度估计。

作为优选，所述步骤S3中使用RANSAC算法。

作为优选，所述步骤S4使用python的PIL库绘制随机的集装箱号。

作为优选，所述风格迁移模型为CycleGAN的风格迁移模型。进一步地，所述风格迁移模型训练包括以下步骤：

S61. 以步骤S5合成的图片为源域图像，以真实的污损集装箱号图片为目标域图像，划分训练集、验证集和测试集；

S62. 构建风格迁移的神经网络结构CycleGAN，由两个生成器网络和两个判别器网络构成；

S63. 构建如下损失函数及目标函数：

Adversarial loss：

Consistency loss：

总体loss：

其中，x表示域X内的样本，y表示域Y内的样本；G表示X域转到Y域的生成器，F表示Y域到X域的生成器，DX表示域X的判别器，DY表示域Y的判别器；