CN111784569B - 成对车牌图像及车辆图像的生成方法、装置、介质及设备 - Google Patents
成对车牌图像及车辆图像的生成方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN111784569B CN111784569B CN202010919413.5A CN202010919413A CN111784569B CN 111784569 B CN111784569 B CN 111784569B CN 202010919413 A CN202010919413 A CN 202010919413A CN 111784569 B CN111784569 B CN 111784569B
- Authority
- CN
- China
- Prior art keywords
- license plate
- images
- vehicle
- combined
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及人工智能技术领域，揭示了一种成对车牌图像及车辆图像的生成方法、装置、介质及设备，其中方法包括：获取标准车辆图像，标准车辆图像携带有车牌位置信息；在第一文件夹中，将标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，待组合车辆图像的文件名称为待组合车牌号，待组合车牌号为随机产生的车牌号；在第二文件夹中，根据待组合车牌号、车牌位置信息，生成多张目标车牌图像，目标车牌图像的文件名称为与目标车牌图像对应的待组合车牌号；根据车牌位置信息，将文件名称相同的目标车牌图像和待组合车辆图像进行组合，得到目标车辆图像。从而实现了快速生成大量成对的车牌图像及车辆图像，避免人工搜集图像，减少了工作量。
Description
技术领域
本申请涉及到人工智能技术领域，特别是涉及到一种成对车牌图像及车辆图像的生成方法、装置、介质及设备。
背景技术
目前测试交通管控方面的系统，为了模拟真实的车辆经过图像，以及交通卡口真实的过车量（比如：100万），需要测试人员生成100万条测试数据，而且需要保证测试数据中每张车牌图像上的车牌号与车辆图像上的车牌号一一对应。
为了满足以上描述的测试场景，测试人员需要搜索大量的车牌图像及车辆图像，导致测试人员的工作量比较大；而且想要获取成对的车牌图像及车辆图像，将进一步增加搜索的难度，进一步增加了测试人员的工作量。
发明内容
本申请的主要目的为提供一种成对车牌图像及车辆图像的生成方法、装置、介质及设备，旨在解决现有技术中获取大量成对的车牌图像及车辆图像比较困难、工作量比较大的技术问题。
为了实现上述发明目的，本申请提出一种成对车牌图像及车辆图像的生成方法，所述方法包括：
获取标准车辆图像，所述标准车辆图像携带有车牌位置信息；
在第一文件夹中，将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，所述待组合车辆图像的文件名称为待组合车牌号，所述待组合车牌号为随机产生的车牌号；
在第二文件夹中，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像，所述目标车牌图像的文件名称为与所述目标车牌图像对应的所述待组合车牌号；
根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像。
进一步的，所述获取标准车辆图像，所述标准车辆图像携带有车牌位置信息的步骤，包括：
获取所述标准车辆图像，根据所述标准车辆图像中的车牌图像，得到标准位置信息，根据所述标准位置信息、预设增益值，得到所述车牌位置信息；以及，
所述根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像的步骤，包括：
根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张待切割车辆图像；
根据所述标准位置信息，对所述多张待切割车辆图像进行切割，得到所述多张目标车辆图像。
进一步的，所述将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，所述待组合车辆图像的文件名称为待组合车牌号，所述待组合车牌号为随机产生的车牌号的步骤，包括：
采用Python脚本将所述标准车辆图像按所述预设数量进行复制，得到所述多张待组合车辆图像；
采用随机函数按所述预设数量随机产生多个不相同的车牌号，将随机产生的多个不相同的车牌号作为多个所述待组合车牌号；
将所述待组合车辆图像的文件名称命名为所述待组合车牌号，所述多张待组合车辆图像各自对应的文件名称不相同。
进一步的，所述根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像的步骤，包括：
采用Python脚本的PIL库的Image对象和 ImageDraw对象，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像；
将所述目标车牌图像的文件名称命名为与所述目标车牌图像对应的所述待组合车牌号。
进一步的，所述根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像的步骤，包括：
根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到待处理车辆图像；
根据所述待处理车辆图像进行变换处理，得到所述目标车辆图像。
进一步的，所述根据所述待处理车辆图像进行变换处理，得到所述目标车辆图像的步骤，包括：
对所述待处理车辆图像的车牌进行颜色扰动，得到颜色扰动后的车辆图像；
对所述颜色扰动后的车辆图像添加噪声，得到添加噪音后的车辆图像；
对所述添加噪音后的车辆图像进行视角及距离变换，得到所述目标车辆图像。
进一步的，所述根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像的步骤，包括：
在第三文件夹中，根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到所述目标车辆图像。
本申请还提出了一种成对车牌图像及车辆图像的生成装置，包括：
标准车辆图像获取模块，用于获取标准车辆图像，所述标准车辆图像携带有车牌位置信息；
待组合车辆图像生成模块，用于在第一文件夹中，将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，所述待组合车辆图像的文件名称为待组合车牌号，所述待组合车牌号为随机产生的车牌号；
目标车牌图像生成模块，用于在第二文件夹中，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像，所述目标车牌图像的文件名称为与所述目标车牌图像对应的所述待组合车牌号；
目标车辆图像生成模块，用于根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像。
本申请还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的成对车牌图像及车辆图像的生成方法、装置、介质及设备，通过在第一文件夹中，将标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，在第二文件夹中，根据待组合车牌号、车牌位置信息，生成多张目标车牌图像，根据车牌位置信息，将文件名称相同的目标车牌图像和待组合车辆图像进行组合，得到目标车辆图像，从而实现了快速生成大量成对的车牌图像及车辆图像，避免人工搜集图像，减少了工作量。
附图说明
图1为本申请一实施例的成对车牌图像及车辆图像的生成方法的流程示意图；
图2 为本申请一实施例的成对车牌图像及车辆图像的生成装置的结构示意框图；
图3 为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参照图1，本申请实施例中提供一种为了实现上述发明目的，本申请提出一种成对车牌图像及车辆图像的生成方法，所述方法包括：
S1：获取标准车辆图像，所述标准车辆图像携带有车牌位置信息；
S2：在第一文件夹中，将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，所述待组合车辆图像的文件名称为待组合车牌号，所述待组合车牌号为随机产生的车牌号；
S3：在第二文件夹中，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像，所述目标车牌图像的文件名称为与所述目标车牌图像对应的所述待组合车牌号；
S4：根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像。
本实施例通过在第一文件夹中，将标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，在第二文件夹中，根据待组合车牌号、车牌位置信息，生成多张目标车牌图像，根据车牌位置信息，将文件名称相同的目标车牌图像和待组合车辆图像进行组合，得到目标车辆图像，从而实现了快速生成大量成对的车牌图像及车辆图像，避免人工搜集图像，减少了工作量。
对于步骤S1，可以从数据库中获取标准车辆图像，也可以获取用户发送的标准车辆图像。
所述标准车辆图像包括车身图像，所述车身图像上包括车牌图像。
所述车牌位置信息，是指车牌图像的轮廓在所述标准车辆图像中的像素位置信息。
对于步骤S2，在第一个文件夹中，将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，也就是说，所述多张待组合车辆图像具体数量与所述预设数量的数值相同。而且，所述多张待组合车辆图像各自对应的文件名称不同。
优选的，可以从数据库中获取所述预设数量，也可以获取用户输入的所述预设数量。
对于步骤S3，在第二文件夹中，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像，也就是说，所述多张目标车牌图像具体数量与所述预设数量的数值相同。而且，所述多张目标车牌图像各自对应的文件名称不同。
其中，所述根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像的步骤，包括：根据所述车牌位置信息确定车牌尺寸；根据所有所述待组合车牌号、所述车牌尺寸，生成所述多张目标车牌图像。也就是说，目标车牌图像的尺寸与所述车牌尺寸相同。而且，目标车牌图像中车牌号与目标车牌图像对应的所述待组合车牌号相同，也就是说，目标车牌图像中车牌号与目标车牌图像的文件名称表述的意思相同。
对于步骤S4，根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像，也就是找出文件名称相同的所述目标车牌图像和所述待组合车辆图像，将找出的所述目标车牌图像粘贴到所述待组合车辆图像中所述车牌位置信息对应的位置，从而实现生成了一张新的车辆图像，将生成的车辆图像作为目标车辆图像。
可以理解的是，所述多张目标车辆图像的具体数量与所述预设数量的数值相同。
通过步骤S1至步骤S4，得到多张目标车辆图像和多张目标车牌图像，所述多张目标车辆图像和所述多张目标车牌图像的具体数量相同，也就是说，生成的成对的目标车辆图像及目标车牌图像的具体数量与所述预设数量的数值相同。
在一个实施例中，所述获取标准车辆图像，所述标准车辆图像携带有车牌位置信息的步骤，包括：
S11：获取所述标准车辆图像，根据所述标准车辆图像中的车牌图像，得到标准位置信息，根据所述标准位置信息、预设增益值，得到所述车牌位置信息；以及，
所述根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像的步骤，包括：
S41：根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张待切割车辆图像；
S42：根据所述标准位置信息，对所述多张待切割车辆图像进行切割，得到所述多张目标车辆图像。
本实施例通过先对标准位置信息按预设增益值进行增益，该增益可以使根据增益后的车牌位置信息生成的目标车牌图像的尺寸比标准车辆图像中的车牌图像的尺寸大，从而在根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合时，可以减少组合产生的细微差异对组合后的图像质量的影响；然后对生成的待切割车辆图像按标准位置信息进行切割，使得到的目标车辆图像的车牌与标准车辆图像中的车牌尺寸一致。
对于步骤S11，根据所述标准位置信息、预设增益值，得到所述车牌位置信息，也就是使所述车牌位置信息对应的车牌图像的尺寸比所述标准位置信息对应的车牌图像的尺寸大。
其中，可以从数据库中获取预设增益值，也可以获取用户输入的预设增益值。
所述标准位置信息，是指直接从所述标准车辆图像中得到的车牌图像的轮廓的原始位置信息。
对于步骤S41，找出文件名称相同的所述目标车牌图像和所述待组合车辆图像，将找出的所述目标车牌图像粘贴到所述待组合车辆图像中所述车牌位置信息对应的位置，从而实现生成了一张新的车辆图像，将生成的车辆图像作为待切割车辆图像。
对于步骤S42，对每张所述待切割车辆图像，按所述标准位置信息进行切割，将待切割车辆图像中的目标车牌图像的所述标准位置信息以外的图像区域进行扣除，将保留下的目标车牌图像的图像区域和待组合车辆图像作为所述目标车辆图像。也就是说，对所述待切割车辆图像中所述标准位置信息以外目标车牌图像的图像区域进行扣除，从而使所述待切割车辆图像中保留下的目标车牌图像的图像区域的尺寸与所述标准车辆图像中车牌图像的尺寸相同，所述待切割车辆图像中保留下的目标车牌图像的图像区域的位置信息与所述标准车辆图像中车牌图像的原始位置信息相同。
在一个实施例中，上述获取标准车辆图像的步骤，包括：
S111：获取参考车辆图像；
S112：根据所述参考车辆图像中的车牌图像，得到所述标准位置信息；
S113：根据所述标准位置信息，对所述参考车辆图像中的车牌图像进行扣除处理，得到所述标准车辆图像，根据所述标准位置信息，确定所述车牌位置信息。
本实施例根据所述标准位置信息，对所述参考车辆图像中的车牌图像进行扣除处理，得到所述标准车辆图像，从而在根据所述车牌位置信息，将所述目标车牌图像和所述待组合车辆图像的文件名称相同的图像进行组合时，可以减少所述待组合车辆图像中原有车牌图像对目标车牌图像质量的影响，有利于提高目标车牌图像的质量。
对于步骤S111，可以从数据库获取参考车辆图像，也可以获取用户发送的参考车辆图像。
所述参考车辆图像包括车身图像，所述车身图像上包括车牌图像。
对于步骤S112，将参考车辆图像中车牌图像的原始位置信息，作为所述标准位置信息。
对于步骤S113，对所述参考车辆图像，按所述标准位置信息进行切割，将所述参考车辆图像中的车牌图像的图像区域进行扣除处理，将扣除处理后的参考车辆图像作为所述标准车辆图像。扣除处理是将图像区域的像素信息进行删除。
所述根据所述标准位置信息，确定所述车牌位置信息的步骤，包括：将所述标准位置信息作为所述车牌位置信息，或者，根据所述标准位置信息、预设增益值得到所述车牌位置信息。
可以理解的是，在另一个实施例中，也可以将参考车辆图像直接作为所述标准车辆图像。
在一个实施例中，上述将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，所述待组合车辆图像的文件名称为待组合车牌号，所述待组合车牌号为随机产生的车牌号的步骤，包括：
S21：采用Python脚本将所述标准车辆图像按所述预设数量进行复制，得到所述多张待组合车辆图像；
S22：采用随机函数按所述预设数量随机产生多个不相同的车牌号，将随机产生的多个不相同的车牌号作为多个所述待组合车牌号；
S23：将所述待组合车辆图像的文件名称命名为所述待组合车牌号，所述多张待组合车辆图像各自对应的文件名称不相同。
本实施例采用Python脚本的方式生成待组合车辆图像，避免人工操作，减少了生成目标车辆图像的工作量。而且Python脚本可以重复使用，从而提高了生成目标车辆图像的效率，节约了研发成本。
对于步骤S21，采用Python脚本，将所述标准车辆图像按所述预设数量进行复制，得到所述多张待组合车辆图像。
对于步骤S22，多个所述待组合车牌号中每个所述待组合车牌号具有唯一性。多个所述待组合车牌号的具体数量与所述预设数量的数值相同。
优选的，所述随机函数可以选择random（）。
对于步骤S23，所述多张待组合车辆图像各自对应的文件名称不相同，也就是说，所述多张待组合车辆图像各自对应的文件名称具有唯一性。
可以理解的是，在另一个实施例中，还可以采用其他程序语言生成软件将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像。
在一个实施例中，上述根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像的步骤，包括：
S31：采用Python脚本的PIL库的Image对象和 ImageDraw对象，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像；
S32：将所述目标车牌图像的文件名称命名为与所述目标车牌图像对应的所述待组合车牌号。
本实施例采用Python脚本的方式生成目标车牌图像，避免人工操作，减少了生成目标车牌图像的工作量。而且Python脚本可以重复使用，从而提高了生成目标车牌图像的效率，节约了研发成本。
对于步骤S31，根据所述车牌位置信息确定车牌尺寸；根据所有所述待组合车牌号、所述车牌尺寸，生成所述多张目标车牌图像。
在一个实施例中，上述根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像的步骤，包括：
S411：根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到待处理车辆图像；
S412：根据所述待处理车辆图像进行变换处理，得到所述目标车辆图像。
本实施例通过对生成的待处理车辆图像进行变换处理，使最终得到的多张目标车辆图像之间产生差异，存在差异的多张目标车辆图像更能模拟真实的车辆，从而在将存在差异的多张目标车辆图像用于测试应用系统时，提高了测试结果的准确性，有利于提高应用系统的性能。
对于步骤S411，找出文件名称相同的所述目标车牌图像和所述待组合车辆图像，将找出的所述目标车牌图像粘贴到所述待组合车辆图像中所述车牌位置信息对应的位置，从而实现生成了一张新的车辆图像，将生成的车辆图像作为待处理车辆图像。
对于步骤S412，对所述待处理车辆图像进行颜色扰动、添加噪声、视角变换、距离变换中至少一种方式进行变换处理，将变换处理完成的图像作为目标车辆图像。
在一个实施例中，上述根据所述待处理车辆图像进行变换处理，得到所述目标车辆图像的步骤，包括：
S4121：对所述待处理车辆图像的车牌进行颜色扰动，得到颜色扰动后的车辆图像；
S4122：对所述颜色扰动后的车辆图像添加噪声，得到添加噪音后的车辆图像；
S4123：对所述添加噪音后的车辆图像进行视角及距离变换，得到所述目标车辆图像。
本实施例通过颜色扰动、添加噪声、视角和距离变换，可以更真实的模拟车牌及车辆的环境效果，在将颜色扰动、添加噪声、视角和距离变换后的目标车辆图像用于测试应用系统时，进一步提高了测试结果的准确性，进一步有利于提高应用系统的性能。
对于步骤S4121，所述颜色扰动是指对待处理车辆图像的车牌的背景颜色、车牌边框颜色、车牌号码颜色等进行随机的颜色调整。比如，当车牌的背景颜色是黄色时，随机生成与车牌的背景颜色有差异的黄色，将生成的黄色作为扰动颜色值，将车牌的背景的局部或全部替换成扰动颜色值，在此举例不做具体限定。
对于步骤S4122，通过矩阵加法运算，对所述颜色扰动后的车辆图像添加噪声，用于模拟所述颜色扰动后的车辆图像的每个像素点的细微差异。
对于步骤S4123，模拟拍摄距离和拍摄角度的变化效果，通过对所述添加噪音后的车辆图像随机产生仿射变换操作，从而产生不同视角、不同距离下的所述目标车辆图像。比如，所述添加噪音后的车辆图像的形状为矩形，仿射变换后所述添加噪音后的车辆图像的形状为平行四边形或矩形。
在一个实施例中，上述根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像的步骤，包括：
S421：在第三文件夹中，根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到所述目标车辆图像。
本实施例通过在第三文件夹中进行图像组合，从而保留了第一文件夹和第二文件夹中的图像，有利于第一文件夹和第二文件夹中的图像重复使用，从而缩短了生成目标车辆图像的周期。
在一个实施例中，上述根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像的步骤，包括：
在所述第一文件夹中，根据所述车牌位置信息，将所述目标车牌图像和所述待组合车辆图像的文件名称相同的图像进行组合，得到目标车辆图像。
本实施例通过在所述第一文件夹中进行图像组合，不需复制待组合车辆图像，减少了需要复制的图像数量，提高了生成目标车辆图像的效率。
在一个实施例中，上述方法还包括：所述待组合车辆图像、所述目标车牌图像、所述目标车辆图像的文件格式相同。
本实施例通过使所述待组合车辆图像、所述目标车牌图像、所述目标车辆图像的文件格式相同，避免因文件格式不同带来的图像转换对图像质量的影响，从而有利于提高生成的目标车辆图像的质量。
文件格式可以包括但不限于JPG、PNG。
可以理解的是，所述待组合车辆图像、所述目标车牌图像、所述目标车辆图像的文件格式还可以全部不相同，也可以部分相同。
参照图2，本申请还提出了一种成对车牌图像及车辆图像的生成装置，包括：
标准车辆图像获取模块100，用于获取标准车辆图像，所述标准车辆图像携带有车牌位置信息；
待组合车辆图像生成模块200，用于在第一文件夹中，将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，所述待组合车辆图像的文件名称为待组合车牌号，所述待组合车牌号为随机产生的车牌号；
目标车牌图像生成模块300，用于在第二文件夹中，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像，所述目标车牌图像的文件名称为与所述目标车牌图像对应的所述待组合车牌号；
目标车辆图像生成模块400，用于根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像。
本实施例通过在第一文件夹中，将标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，在第二文件夹中，根据待组合车牌号、车牌位置信息，生成多张目标车牌图像，根据车牌位置信息，将文件名称相同的目标车牌图像和待组合车辆图像进行组合，得到目标车辆图像，从而实现了快速生成大量成对的车牌图像及车辆图像，避免人工搜集图像，减少了工作量。
在一个实施例中，所述标准车辆图像获取模块100包括：标准图像获取子模块；
所述目标车辆图像生成模块400包括：目标车辆图像生成切割子模块；
所述标准图像获取子模块，用于获取所述标准车辆图像，根据所述标准车辆图像中的车牌图像，得到标准位置信息，根据所述标准位置信息、预设增益值，得到所述车牌位置信息；以及，
所述目标车辆图像生成切割子模块，用于根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张待切割车辆图像，根据所述标准位置信息，对所述多张待切割车辆图像进行切割，得到所述多张目标车辆图像。
在一个实施例中，所述待组合车辆图像生成模块200包括：待组合车辆图像生成子模块、车牌号生成子模块、待组合车辆图像命名子模块；
所述待组合车辆图像生成子模块，用于采用Python脚本将所述标准车辆图像按所述预设数量进行复制，得到所述多张待组合车辆图像；
所述车牌号生成子模块，用于采用随机函数按所述预设数量随机产生多个不相同的车牌号，将随机产生的多个不相同的车牌号作为多个所述待组合车牌号；
所述待组合车辆图像命名子模块，用于将所述待组合车辆图像的文件名称命名为所述待组合车牌号，所述多张待组合车辆图像各自对应的文件名称不相同。
在一个实施例中，所述目标车牌图像生成模块300包括：目标车牌图像生成子模块、目标车牌图像命名子模块；
所述目标车牌图像生成子模块，用于采用Python脚本的PIL库的Image对象和ImageDraw对象，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像；
所述目标车牌图像命名子模块，用于将所述目标车牌图像的文件名称命名为与所述目标车牌图像对应的所述待组合车牌号。
在一个实施例中，所述目标车辆图像生成模块400包括：待处理车辆图像生成子模块、变换处理子模块；
所述待处理车辆图像生成子模块，用于根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到待处理车辆图像；
所述变换处理子模块，用于根据所述待处理车辆图像进行变换处理，得到所述目标车辆图像。
在一个实施例中，所述变换处理子模块包括：颜色扰动单元、添加噪声单元、视角及距离变换单元；
所述颜色扰动单元，用于对所述待处理车辆图像的车牌进行颜色扰动，得到颜色扰动后的车辆图像；
所述添加噪声单元，用于对所述颜色扰动后的车辆图像添加噪声，得到添加噪音后的车辆图像；
所述视角及距离变换单元，用于对所述添加噪音后的车辆图像进行视角及距离变换，得到所述目标车辆图像。
在一个实施例中，目标车辆图像生成模块400，还用于在第三文件夹中，根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到所述目标车辆图像。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存成对车牌图像及车辆图像的生成方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种成对车牌图像及车辆图像的生成方法。所述成对车牌图像及车辆图像的生成方法，包括：获取标准车辆图像，所述标准车辆图像携带有车牌位置信息；在第一文件夹中，将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，所述待组合车辆图像的文件名称为待组合车牌号，所述待组合车牌号为随机产生的车牌号；在第二文件夹中，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像，所述目标车牌图像的文件名称为与所述目标车牌图像对应的所述待组合车牌号；根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像。本实施例通过在第一文件夹中，将标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，在第二文件夹中，根据待组合车牌号、车牌位置信息，生成多张目标车牌图像，根据车牌位置信息，将文件名称相同的目标车牌图像和待组合车辆图像进行组合，得到目标车辆图像，从而实现了快速生成大量成对的车牌图像及车辆图像，避免人工搜集图像，减少了工作量。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种成对车牌图像及车辆图像的生成方法，包括步骤：获取标准车辆图像，所述标准车辆图像携带有车牌位置信息；在第一文件夹中，将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，所述待组合车辆图像的文件名称为待组合车牌号，所述待组合车牌号为随机产生的车牌号；在第二文件夹中，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像，所述目标车牌图像的文件名称为与所述目标车牌图像对应的所述待组合车牌号；根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像。本实施例通过在第一文件夹中，将标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，在第二文件夹中，根据待组合车牌号、车牌位置信息，生成多张目标车牌图像，根据车牌位置信息，将文件名称相同的目标车牌图像和待组合车辆图像进行组合，得到目标车辆图像，从而实现了快速生成大量成对的车牌图像及车辆图像，避免人工搜集图像，减少了工作量。
上述执行的成对车牌图像及车辆图像的生成方法，本实施例通过在第一文件夹中，将标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，在第二文件夹中，根据待组合车牌号、车牌位置信息，生成多张目标车牌图像，根据车牌位置信息，将文件名称相同的目标车牌图像和待组合车辆图像进行组合，得到目标车辆图像，从而实现了快速生成大量成对的车牌图像及车辆图像，避免人工搜集图像，减少了工作量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (9)
1.一种成对车牌图像及车辆图像的生成方法，其特征在于，所述方法包括：
获取标准车辆图像，所述标准车辆图像携带有车牌位置信息；
在第一文件夹中，将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，所述待组合车辆图像的文件名称为待组合车牌号，所述待组合车牌号为随机产生的车牌号；
在第二文件夹中，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像，所述目标车牌图像的文件名称为与所述目标车牌图像对应的所述待组合车牌号；
根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像；
所述获取标准车辆图像，所述标准车辆图像携带有车牌位置信息的步骤，包括：
获取所述标准车辆图像，根据所述标准车辆图像中的车牌图像，得到标准位置信息，根据所述标准位置信息、预设增益值，得到所述车牌位置信息；以及，
所述根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像的步骤，包括：
根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张待切割车辆图像；
根据所述标准位置信息，对所述多张待切割车辆图像进行切割，得到所述多张目标车辆图像。
2.根据权利要求1所述的成对车牌图像及车辆图像的生成方法，其特征在于，所述将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，所述待组合车辆图像的文件名称为待组合车牌号，所述待组合车牌号为随机产生的车牌号的步骤，包括：
采用Python脚本将所述标准车辆图像按所述预设数量进行复制，得到所述多张待组合车辆图像；
采用随机函数按所述预设数量随机产生多个不相同的车牌号，将随机产生的多个不相同的车牌号作为多个所述待组合车牌号；
将所述待组合车辆图像的文件名称命名为所述待组合车牌号，所述多张待组合车辆图像各自对应的文件名称不相同。
3.根据权利要求1所述的成对车牌图像及车辆图像的生成方法，其特征在于，所述根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像的步骤，包括：
采用Python脚本的PIL库的Image对象和 ImageDraw对象，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像；
将所述目标车牌图像的文件名称命名为与所述目标车牌图像对应的所述待组合车牌号。
4.根据权利要求1所述的成对车牌图像及车辆图像的生成方法，其特征在于，所述根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像的步骤，包括：
根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到待处理车辆图像；
根据所述待处理车辆图像进行变换处理，得到所述目标车辆图像。
5.根据权利要求4所述的成对车牌图像及车辆图像的生成方法，其特征在于，所述根据所述待处理车辆图像进行变换处理，得到所述目标车辆图像的步骤，包括：
对所述待处理车辆图像的车牌进行颜色扰动，得到颜色扰动后的车辆图像；
对所述颜色扰动后的车辆图像添加噪声，得到添加噪音后的车辆图像；
对所述添加噪音后的车辆图像进行视角及距离变换，得到所述目标车辆图像。
6.根据权利要求1所述的成对车牌图像及车辆图像的生成方法，其特征在于，所述根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像的步骤，包括：
在第三文件夹中，根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到所述目标车辆图像。
7.一种成对车牌图像及车辆图像的生成装置，其特征在于，包括：
标准车辆图像获取模块，用于获取标准车辆图像，所述标准车辆图像携带有车牌位置信息；
待组合车辆图像生成模块，用于在第一文件夹中，将所述标准车辆图像按预设数量进行复制，得到多张待组合车辆图像，所述待组合车辆图像的文件名称为待组合车牌号，所述待组合车牌号为随机产生的车牌号；
目标车牌图像生成模块，用于在第二文件夹中，根据所有所述待组合车牌号、所述车牌位置信息，生成多张目标车牌图像，所述目标车牌图像的文件名称为与所述目标车牌图像对应的所述待组合车牌号；
目标车辆图像生成模块，用于根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像；
所述获取标准车辆图像，所述标准车辆图像携带有车牌位置信息的步骤，包括：
获取所述标准车辆图像，根据所述标准车辆图像中的车牌图像，得到标准位置信息，根据所述标准位置信息、预设增益值，得到所述车牌位置信息；以及，
所述根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张目标车辆图像的步骤，包括：
根据所述车牌位置信息，将文件名称相同的所述目标车牌图像和所述待组合车辆图像进行组合，得到多张待切割车辆图像；
根据所述标准位置信息，对所述多张待切割车辆图像进行切割，得到所述多张目标车辆图像。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010919413.5A CN111784569B (zh) | 2020-09-04 | 2020-09-04 | 成对车牌图像及车辆图像的生成方法、装置、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010919413.5A CN111784569B (zh) | 2020-09-04 | 2020-09-04 | 成对车牌图像及车辆图像的生成方法、装置、介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111784569A CN111784569A (zh) | 2020-10-16 |
| CN111784569B true CN111784569B (zh) | 2020-12-04 |
Family
ID=72761930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010919413.5A Active CN111784569B (zh) | 2020-09-04 | 2020-09-04 | 成对车牌图像及车辆图像的生成方法、装置、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111784569B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112419186B (zh) * | 2020-11-20 | 2024-03-26 | 北京易华录信息技术股份有限公司 | 一种车牌图像的批量生成方法、装置及计算机设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2290499Y (zh) * | 1997-01-27 | 1998-09-09 | 刘晨 | 双面复合型主副牌制自行车牌照 |
| CN105069456A (zh) * | 2015-07-30 | 2015-11-18 | 北京邮电大学 | 一种车牌字符分割方法及装置 |
| CN110390232A (zh) * | 2018-04-20 | 2019-10-29 | 杭州海康威视系统技术有限公司 | 确认违法驾驶的方法、装置、服务器和系统 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8510386B2 (en) * | 2004-09-08 | 2013-08-13 | Joseph Fahmy | E-mail service provider method and apparatus |
| CN101551818B (zh) * | 2009-04-14 | 2011-04-06 | 北京红旗中文贰仟软件技术有限公司 | 一种单向多映射文件匹配方法 |
| CN102280032B (zh) * | 2010-06-13 | 2014-01-01 | 中兴通讯股份有限公司 | 一种车辆通行管理系统、方法及装置 |
| CN202025435U (zh) * | 2010-12-13 | 2011-11-02 | 索尼公司 | 摄像机控制装置、摄像机及路口摄像系统 |
| CN103049564B (zh) * | 2012-12-31 | 2015-08-19 | 广东欧珀移动通信有限公司 | 一种批量设置音乐专辑图封面的方法 |
| CN110689001B (zh) * | 2018-07-05 | 2023-06-20 | 山东华软金盾软件股份有限公司 | 一种生成复杂环境下车牌训练样本的方法 |
| CN109255772B (zh) * | 2018-08-27 | 2024-05-03 | 平安科技（深圳）有限公司 | 基于风格迁移的车牌图像生成方法、装置、设备及介质 |
| CN109325989A (zh) * | 2018-08-27 | 2019-02-12 | 平安科技（深圳）有限公司 | 车牌图像生成方法、装置、设备及介质 |
| CN111242119B (zh) * | 2020-01-02 | 2022-12-16 | 腾讯科技（深圳）有限公司 | 车辆图像的处理方法、装置、电子设备和计算机可读介质 |
| CN111582180B (zh) * | 2020-05-09 | 2023-04-18 | 浙江大华技术股份有限公司 | 车牌定位方法、图像处理装置及具有存储功能的装置 |
| CN111582263A (zh) * | 2020-05-12 | 2020-08-25 | 上海眼控科技股份有限公司 | 车牌识别方法、装置、电子设备及存储介质 |
| CN111488876B (zh) * | 2020-06-28 | 2020-10-23 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的车牌识别方法、装置、设备及介质 |
-
2020
- 2020-09-04 CN CN202010919413.5A patent/CN111784569B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2290499Y (zh) * | 1997-01-27 | 1998-09-09 | 刘晨 | 双面复合型主副牌制自行车牌照 |
| CN105069456A (zh) * | 2015-07-30 | 2015-11-18 | 北京邮电大学 | 一种车牌字符分割方法及装置 |
| CN110390232A (zh) * | 2018-04-20 | 2019-10-29 | 杭州海康威视系统技术有限公司 | 确认违法驾驶的方法、装置、服务器和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111784569A (zh) | 2020-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021184564A1 (zh) | 基于图像的事故定责方法、装置、计算机设备和存储介质 | |
| CN111914842A (zh) | 车牌信息的识别方法、装置、计算机设备及存储介质 | |
| CN111784569B (zh) | 成对车牌图像及车辆图像的生成方法、装置、介质及设备 | |
| CN112381092B (zh) | 跟踪方法、装置及计算机可读存储介质 | |
| WO2022134354A1 (zh) | 车损检测模型训练、车损检测方法、装置、设备及介质 | |
| CN111179270A (zh) | 基于注意力机制的图像共分割方法和装置 | |
| CN112541739B (zh) | 问答意图分类模型的测试方法、装置、设备及介质 | |
| CN115797291B (zh) | 回路端子的识别方法、装置、计算机设备和存储介质 | |
| CN111768406A (zh) | 细胞图像处理方法、装置、设备和存储介质 | |
| CN114742990A (zh) | 基于人工智能的目标检测方法、装置、设备及存储介质 | |
| CN116597246A (zh) | 模型训练方法、目标检测方法、电子设备及存储介质 | |
| CN115859319A (zh) | 一种电子单据的签字和盖章方法、装置及存储介质 | |
| CN115131653A (zh) | 目标检测网络优化方法、目标检测方法、装置和存储介质 | |
| CN113220859A (zh) | 基于图像的问答方法、装置、计算机设备及存储介质 | |
| CN114693554A (zh) | 一种大数据图像处理方法及系统 | |
| CN110490950B (zh) | 图像样本生成方法、装置、计算机设备和存储介质 | |
| CN111191062A (zh) | 图片处理方法、装置、计算机设备和存储介质 | |
| CN112016571A (zh) | 一种基于注意力机制的特征提取方法、装置及电子设备 | |
| CN112884628B (zh) | 一种针对空域富模型的图像隐写分析模型的攻击方法 | |
| CN116939292B (zh) | 轨道交通环境下的视频文本内容监测方法及系统 | |
| CN117808807B (zh) | 光学卫星遥感图像实例级变化检测方法 | |
| CN117808816B (zh) | 图像异常检测方法、装置及电子设备 | |
| CN114219985B (zh) | 信息识别处理方法、装置、计算机设备、存储介质 | |
| CN113920359B (zh) | 一种图像分类的方法和装置 | |
| CN113886230B (zh) | 算法测试的配置方法、装置、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |