車牌檢測(cè)和識(shí)別的Python應(yīng)用軟件實(shí)現(xiàn)
1.車牌檢測(cè)和識(shí)別項(xiàng)目介紹
車牌的檢測(cè)和識(shí)別的應(yīng)用非常廣泛，比如交通違章車牌追蹤，小區(qū)或地下車庫門禁。在對(duì)車牌識(shí)別和檢測(cè)的過程中，因?yàn)檐嚺仆且?guī)整的矩形，長(zhǎng)寬比相對(duì)固定，色調(diào)紋理相對(duì)固定，常用的方法有：基于形狀、基于色調(diào)、基于紋理、基于文字特征等方法，近年來隨著深度學(xué)習(xí)的發(fā)展也會(huì)使用目標(biāo)檢測(cè)的一些深度學(xué)習(xí)方法。該項(xiàng)目主要的流程如下圖所示：
1.輸入原始圖片，通過二值化，邊緣檢測(cè)，和基于色調(diào)的顏色微調(diào)等辦法檢測(cè)出原圖中的車牌號(hào)的位置；
2.把檢測(cè)到的車牌(ROI)裁剪，為車牌號(hào)的識(shí)別做準(zhǔn)備；
3.基于裁剪的車牌號(hào)，使用直方圖的波峰波谷分割裁剪的車牌號(hào)（如上圖中的第3步）
4.訓(xùn)練機(jī)器學(xué)習(xí)模型做車牌識(shí)別，這里訓(xùn)練了2個(gè)SVM,一個(gè)SVM用來識(shí)別省份簡(jiǎn)稱(如 魯)，另一個(gè)SVM用來識(shí)別字母和數(shù)字。
5.通過PyQt5把整個(gè)算法封裝成GUI程序，并打包發(fā)布安裝軟件。
2.項(xiàng)目代碼解析
下圖描述了整個(gè)項(xiàng)目的代碼結(jié)構(gòu)，可以訪問https://github.com/DataXujing/vehicle-license-plate-recognition 查看，其結(jié)構(gòu)如下：
3.項(xiàng)目演示
可以通過訪問項(xiàng)目地址 ( https://github.com/DataXujing/vehicle-license-plate-recognition ）查看整個(gè)應(yīng)用,或者訪問安裝程序下載地址 （https://pan.baidu.com/s/1IazbGFLlQkb8BQmK_EAeRA 提取碼：v103 ）安裝安裝程序進(jìn)行測(cè)試，這里展示一些識(shí)別結(jié)果和測(cè)試視頻：
4.TODO
目前識(shí)別的效果針對(duì)于某些場(chǎng)景下仍然很不理想，技術(shù)層面上的主要原因有兩個(gè)，一個(gè)是車牌檢測(cè)算法并沒有檢測(cè)到車牌（這主要是檢測(cè)算法的問題），可以嘗試一些目標(biāo)檢測(cè)的算法，比如Faster R-CNN(速度可能慢一些)，YOLO系列, SSD系列等的經(jīng)典的目標(biāo)檢測(cè)算法，然后做矯正或進(jìn)一步的區(qū)域篩選；另一個(gè)原因是是在識(shí)別算法上，本次我們僅是基于少量的訓(xùn)練數(shù)據(jù)訓(xùn)練了SVM，可以嘗試增加訓(xùn)練集并把模型替換成一些更復(fù)雜的機(jī)器學(xué)習(xí)模型如XGBoost,LightGBM,CatBoost等模型或使用CNN訓(xùn)練一個(gè)多分類的深度學(xué)習(xí)模型， 亦或者是直接考慮一些基于Attention的CNN-RNN架構(gòu)的OCR識(shí)別模型。
Reference
- https://blog.csdn.net/sumkee911/article/details/79435983
- 車牌號(hào)識(shí)別 python + opencv
- License-Plate-Recognition
- .車牌識(shí)別（一）-車牌定位
- 在PyQt5中美化和裝扮圖形界面
好啦！今天的分享到這里就結(jié)束了，希望大家持續(xù)關(guān)注馬哥教育官網(wǎng)，每天都會(huì)有大量?jī)?yōu)質(zhì)內(nèi)容與大家分享！聲明：文章轉(zhuǎn)載于網(wǎng)絡(luò)，版權(quán)歸原作者所有，如有侵權(quán)，請(qǐng)及時(shí)聯(lián)系刪除！