(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210846214.5 (22)申请日 2022.07.19 (71)申请人 讯飞智元信息科技有限公司 地址 230088 安徽省合肥市高新区望江西 路666号讯飞大厦8层-10层 申请人 安徽大学 (72)发明人 杨小宾　谭昶　汤进　贾若然　 李成龙　张友国　吕军　胡少云　 刘江　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 王云晓 (51)Int.Cl. G06V 30/18(2022.01) G06V 30/19(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/40(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 20/62(2022.01) (54)发明名称 一种喷涂车牌图像生成方法及相关方法和 设备 (57)摘要 本发明提供了一种喷涂车牌图像生成方法 及相关方法和设备， 其中， 喷涂车牌图像生成方 法包括： 获取车牌内容模板图像和喷涂车牌背景 图像； 对车牌内容模板图像提取车牌内容特征， 并对喷涂 车牌背景图像提取喷涂车牌背景特征； 基于车牌内容特征和喷涂车牌背景特征， 生成喷 涂车牌图像。 本发明提供的喷涂车牌图像生成方 法可基于车牌内容模板和喷涂车牌背景自动生 成喷涂车牌， 相比于从实际场景中收集喷涂车 牌， 本发明提供的喷涂车牌图像生成方法能够大 大降低人力负担和资源消耗。 权利要求书3页 说明书14页 附图5页 CN 115223174 A 2022.10.21 CN 115223174 A 1.一种喷涂车牌图像生成方法， 其特 征在于， 包括： 获取车牌内容模板图像和喷涂车牌背景图像； 对所述车牌内容模板图像提取车牌内容特征， 并对所述喷涂车牌背景图像提取喷涂车 牌背景特征； 基于所述车牌内容特 征和所述喷涂车牌背景 特征， 生成喷涂车牌图像。 2.根据权利要求1所述的喷涂车牌图像生成方法， 其特征在于， 所述获取车牌内容模板 图像和喷涂车牌背景图像， 包括： 从包括字符属性不同的多个车牌内容模板图像的内容数据集中， 获取车牌内容模板图 像； 从包括多种喷涂车牌背景图像的背景数据集中， 获取喷涂车牌背景图像， 其中， 所述多 种喷涂车牌背景图像从多个真实喷涂车牌图像中提取。 3.根据权利要求1所述的喷涂车牌图像生成方法， 其特征在于， 所述对所述车牌内容模 板图像提取 车牌内容特 征， 并对所述喷涂车牌背景图像提取喷涂车牌背景 特征， 包括： 基于预先构建的喷涂车牌图像生成模型， 对所述车牌内容模板图像提取车牌内容特 征， 并对所述喷涂车牌背景图像提取喷涂车牌背景 特征； 所述基于所述车牌内容特 征和所述喷涂车牌背景 特征， 生成喷涂车牌图像， 包括： 将所述车牌内容特 征与所述喷涂车牌背景 特征融合， 以得到融合后特 征； 基于所述喷涂车牌图像生成模型， 以所述融合后特 征为依据， 生成喷涂车牌图像。 4.根据权利要求3所述的喷涂车牌图像生成方法， 其特征在于， 所述喷涂车牌图像生成 模型采用训练后的对抗 生成网络中的第一 生成网络； 对抗生成网络的训练数据包括： 训练车牌内容模板图像和训练喷涂车牌背景图像； 对抗生成网络的训练目标包括： 使对抗生成网络中的判别网络将第 一生成网络基于所 述训练车牌内容模板图像和所述训练喷涂车牌背景图像生成的喷涂车牌图像判定为真实 喷涂车牌图像。 5.根据权利要求4所述的喷涂车牌图像生成方法， 其特征在于， 对抗生成网络的训练目 标还包括： 使第一生成网络基于所述训练车牌内容模板图像和所述训练喷涂车牌背景图像生成 的喷涂车牌图像中字符的结构信息， 与所述训练车牌内容模板图像中字符的结构信息趋于 一致。 6.根据权利要求4或5所述的喷涂车牌图像生成方法， 其特征在于， 对抗生成网络的训 练目标还 包括： 使第一生成网络基于所述训练车牌内容模板图像和所述训练喷涂车牌背景图像生成 的喷涂车牌图像中的车牌内容， 与所述训练车牌内容模板图像中的车牌内容趋 于一致。 7.根据权利要求4所述的喷涂车牌图像生成方法， 其特征在于， 所述训练数据还包括： 真实喷涂车牌图像； 对抗生成网络的训练过程包括： 将所述训练车牌内容模板图像与 所述训练喷涂车牌背景图像输入第 一生成网络， 得到 第一生成网络根据输入生成的喷涂车牌图像； 将第一生成网络生成的喷涂车牌图像和真实喷涂车牌图像分别输入对抗生成网络中权　利　要　求　书 1/3 页 2 CN 115223174 A 2的判别网络， 以得到判别网络将输入的图像判定为真实喷涂车牌的概 率； 根据得到的概 率确定第一预测损失； 根据所述第一预测损失对 对抗生成网络进行参数 更新。 8.根据权利要求7所述的喷涂车牌图像生成方法， 其特征在于， 对抗生成网络的训练过 程还包括： 根据所述训练车牌内容模板图像和所述训练喷涂车牌背景图像， 构建字符结构监督信 息， 其中， 所述字符结构监 督信息用于约束第一 生成网络生成的喷涂车牌的字符结构； 根据所述字符结构监督信息和第一生成网络生成的喷涂车牌图像， 确定第二预测损 失； 所述根据所述第一预测损失对 对抗生成网络进行参数 更新， 包括： 根据所述第一预测损失和所述第二预测损失， 对 对抗生成网络进行参数 更新。 9.根据权利要求8所述的喷涂车牌图像生成方法， 其特征在于， 所述根据 所述训练车牌 内容模板图像和所述训练喷涂车牌背景图像， 构建字符结构监 督信息， 包括： 将所述训练车牌内容模板 图像中的背景处理成黑色、 字符处理成白色， 以得到处理后 的图像； 将所述处理后的图像与所述训练喷涂车牌背景图像中的对应像素相加， 相加得到的结 果作为字符结构监 督信息。 10.根据权利要求8所述的喷涂车牌图像生成方法， 其特征在于， 对抗生成网络还包括 第二生成网络， 所述训练数据还 包括训练模板背景图像； 对抗生成网络的训练过程还 包括： 将所述训练车牌内容模板图像与 所述训练模板背景图像输入第 二生成网络， 以得到第 二生成网络根据输入生成的车牌模板图像； 根据所述训练车牌内容模板和所述车牌模板图像， 确定第三预测损失； 基于第二生成网络、 第一生成网络生成的喷涂车牌图像和所述训练模板背景图像， 重 构车牌内容模板图像， 并根据重构的车牌内容模板图像和所述训练车牌内容模板图像， 确 定第四预测损失； 所述根据所述第一预测损 失和所述第二预测损 失， 对对抗生成网络进行参数更新， 包 括： 根据所述第一预测损失、 所述第 二预测损失、 所述第 三预测损失和所述第四预测损失， 对对抗生成网络进行参数 更新。 11.一种喷涂车牌识别模型构建方法， 其特 征在于， 包括： 获取喷涂车牌数据集， 其中， 所述喷涂车牌数据集中包括多个采用如权利要求1～10 中 任一项所述的喷涂车牌图像生成方法生成的喷涂车牌图像； 基于所述喷涂车牌数据集中的喷涂车牌图像训练车牌识别模型， 训练得到的车牌识别 模型作为构建的喷涂车牌识别模型。 12.一种喷涂车牌识别方法， 其特 征在于， 包括： 获取待识别的喷涂车牌图像； 将所述喷涂车牌图像输入采用 如权利要求11所述的喷涂车牌识别模型构建方法构建 的喷涂车牌识别模型， 得到所述喷涂车牌识别模型输出的喷涂车牌识别结果。权　利　要　求　书 2/3 页 3 CN 115223174 A 3