[发明专利]一种生成复杂环境下车牌训练样本的方法

摘要

本发明提出了一种生成复杂环境下车牌训练样本的方法，包括以下步骤：步骤一：生成标准车牌图片；步骤二：颜色扰动；步骤三：添加噪声；步骤四：添加边框；步骤五：仿射变换；步骤六：添加边框噪声及颜色扰动；步骤七：生成运动模糊效果。本发明可有效避免因车牌采集造成的人力、时间等成本，解决采集车牌数量、种类有限的情况，能够加快深度学习模型的训练速度。

主权项

1.一种生成复杂环境下车牌训练样本的方法，包括以下步骤：/n步骤一：生成标准车牌图片，这里的标准车牌包括国标中规定的车牌类型，以及现在新实行的新能源号牌，其中车牌号码为等概率随机产生；/n步骤二：颜色扰动，对步骤一生成的标准车牌图片中的前景色、背景色在HSV颜色空间中进行特定的随机变化，随机变换的范围限制在蓝白、灰白、蓝灰范围内；通过该步骤可以把步骤一生成的标准车牌图片转化为在真实场景下受到光照强度因素影响下看到的车牌；/n步骤三：添加噪声，通过矩阵加法运算，对步骤二生成的图片添加小噪声，模拟每个像素点的细微差别；/n步骤四：添加边框，使生成的车牌图片贴近实际；/n步骤五：仿射变换，使用随机的仿射变换操作，产生不同视角、不同距离下的车牌图片；/n步骤六：添加边框噪声及颜色扰动：对添加的边框进行与步骤三相同的操作，并对添加的边框进行与步骤二相同的操作，使其与步骤二操作后的颜色一致，使增加的图片边框接近现实车牌周边的图像；/n步骤七：生成运动模糊效果：对步骤六生成的车牌图片进行卷积操作，模拟车辆运动时的场景；卷积操作使用的卷积核大小以及内容都是随机产生的，选择以下两种卷积核进行卷积操作:①卷积核矩阵中心元素下部元素为0，中心元素上面的元素随着与中心元素距离增大不断减小；②卷积核矩阵中心元素上部分元素为0，中心元素下面的元素随着与中心元素距离增大不断减小。/n