徐靜 AI影象演算法工程師

個人主頁： https://dataxujing.github.io/

專案地址：

https://github.com/DataXujing/vehicle-license-plate-recognition （歡迎Issues)

安裝程式下載地址：

https://pan.baidu.com/s/1IazbGFLlQkb8BQmK_EAeRA 提取碼：v103

1.車牌檢測和識別專案介紹

車牌的檢測和識別的應用非常廣泛，比如交通違章車牌追蹤，小區或地下車庫門禁。在對車牌識別和檢測的過程中，因為車牌往往是規整的矩形，長寬比相對固定，色調紋理相對固定，常用的方法有：基於形狀、基於色調、基於紋理、基於文字特徵等方法，近年來隨著深度學習的發展也會使用目標檢測的一些深度學習方法。該專案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，和基於色調的顏色微調等辦法檢測出原圖中的車牌號的位置；2.把檢測到的車牌(ROI)裁剪，為車牌號的識別做準備；3.基於裁剪的車牌號，使用直方圖的波峰波谷分割裁剪的車牌號（如上圖中的第3步）4.訓練機器學習模型做車牌識別，這裡訓練了2個SVM,一個SVM用來識別省份簡稱(如 魯)，另一個SVM用來識別字母和數字。5.通過PyQt5把整個演算法封裝成GUI程式，並打包釋出安裝軟體。

2.專案程式碼解析

下圖描述了整個專案的程式碼結構，可以訪問https://github.com/DataXujing/vehicle-license-plate-recognition 檢視，其結構如下：

3.專案演示

可以通過訪問專案地址 ( https://github.com/DataXujing/vehicle-license-plate-recognition ）檢視整個應用,或者訪問安裝程式下載地址 （https://pan.baidu.com/s/1IazbGFLlQkb8BQmK_EAeRA 提取碼：v103 ）安裝安裝程式進行測試，這裡展示一些識別結果和測試視訊：

4.TODO

目前識別的效果針對於某些場景下仍然很不理想，技術層面上的主要原因有兩個，一個是車牌檢測演算法並沒有檢測到車牌（這主要是檢測演算法的問題），可以嘗試一些目標檢測的演算法，比如Faster R-CNN(速度可能慢一些)，YOLO系列, SSD系列等的經典的目標檢測演算法，然後做矯正或進一步的區域篩選；另一個原因是是在識別演算法上，本次我們僅是基於少量的訓練資料訓練了SVM，可以嘗試增加訓練集並把模型替換成一些更復雜的機器學習模型如XGBoost,LightGBM,CatBoost等模型或使用CNN訓練一個多分類的深度學習模型， 亦或者是直接考慮一些基於Attention的CNN-RNN架構的OCR識別模型。

Referencehttps://blog.csdn.net/sumkee911/article/details/79435983車牌號識別 python + opencv License-Plate-Recognition .車牌識別（一）-車牌定位 在PyQt5中美化和裝扮圖形介面

【年薪30w工程師吐血整理資料大合集】

領取IT資料大合集：http://image.qbangmang.com/counselor.html