效果：

??

此項(xiàng)目在基于u-net，cv2以及cnn的中文車牌定位，矯正和端到端識別軟件_不啻逍遙然的博客-CSDN博客的基礎(chǔ)上增強(qiáng)了綠牌識別，綠牌訓(xùn)練數(shù)據(jù)近10萬。結(jié)合博主開源的藍(lán)牌模型，目前完美匹配藍(lán)、綠牌識別場景。識別準(zhǔn)確率達(dá)96%以上。

用了什么技術(shù)，原理是什么？

技術(shù)架構(gòu)

• Python：輕量框架，搭建簡單，更專注于業(yè)務(wù)功能
• opencv：跨平臺計(jì)算機(jī)視覺庫，用作圖像處理
• Tensorflow: 機(jī)器學(xué)習(xí)的框架，用作大量數(shù)據(jù)需要處理，或是深度學(xué)習(xí)
• cnn： 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN），是一種前饋神經(jīng)網(wǎng)絡(luò)，人工神經(jīng)元可以響應(yīng)周圍單元，可以進(jìn)行大型圖像處理。卷積神經(jīng)網(wǎng)絡(luò)包括卷積層和池化層
• unet： 對圖像中的每個(gè)像素點(diǎn)分類，即像素級別的分類任務(wù)

識別出一個(gè)車牌，計(jì)算機(jī)做了哪些工作？

機(jī)器識圖的過程：機(jī)器識別圖像并不是一下子將一個(gè)復(fù)雜的圖片完整識別出來，而是將一個(gè)完整的圖片分割成許多個(gè)小部分，把每個(gè)小部分里具有的特征提取出來（也就是識別每個(gè)小部分），再將這些小部分具有的特征匯總到一起，就可以完成機(jī)器識別圖像的過程了

??????????????

怎么做一個(gè)車牌識別應(yīng)用？

擬定題目

尋找并可視化數(shù)據(jù)，發(fā)現(xiàn)規(guī)律，開發(fā)程序

為機(jī)器學(xué)習(xí)算法準(zhǔn)備數(shù)據(jù)

選擇模型，進(jìn)行訓(xùn)練

測試模型，發(fā)現(xiàn)問題并微調(diào)模型

docker部署、持續(xù)更新訓(xùn)練

簡單分為兩個(gè)階段，第一階段是訓(xùn)練模型，第二階段是使用模型做識別。難點(diǎn)主要在模型的訓(xùn)練，訓(xùn)練又分為unet和cnn兩個(gè)模塊，最終會得到兩個(gè)相應(yīng)的模型，一個(gè)用作定位，一個(gè)用作識別。車牌識別屬于Supervised Learning(監(jiān)督學(xué)習(xí))，下面會講到機(jī)器學(xué)習(xí)的分類。

unet訓(xùn)練

我們可以通過圖像分割算法對一張輸入圖片進(jìn)行分割，分割后的圖形其實(shí)是對原圖中的區(qū)域進(jìn)行的分類標(biāo)注，例如這里我們可以將原圖標(biāo)注為2類，一類就是車牌區(qū)域，還有一類就是無關(guān)的背景區(qū)域使用，用于訓(xùn)練unet模型。u-net部分的數(shù)據(jù)集我一共標(biāo)注了1500多張，最終效果很棒，達(dá)到了定位的效果。

cnn訓(xùn)練

cnn訓(xùn)練我準(zhǔn)備了10萬張左右的有效牌照數(shù)據(jù)。每張圖片都是統(tǒng)一的寬240，高80的車牌圖片，要實(shí)現(xiàn)車牌的端到端識別，顯然是多標(biāo)簽分類問題，每張輸入圖片有8個(gè)標(biāo)簽（8個(gè)字符），模型輸出前的結(jié)構(gòu)都是可以共享的，只需將輸出修改為8個(gè)即可，8個(gè)輸出對應(yīng)了8個(gè)loss，總loss就是8個(gè)loss的和，使用keras可以很方便地實(shí)現(xiàn)。

最終，訓(xùn)練集上準(zhǔn)確率acc1（即車牌省份字符）為95%，其余字符均為99%左右，本地測試集準(zhǔn)確率為95%，識別效果較佳。

訓(xùn)練、優(yōu)化不再贅述了，重點(diǎn)說下使用方式：

github ：?GitHub - leo187/End-to-end-for-chinese-plate-recognition: 基于u-net，cv2以及cnn的中文車牌定位，矯正和端到端識別軟件，其中unet和cv2用于車牌定位和矯正，cnn進(jìn)行車牌識別，unet和cnn都是基于tensorflow的keras實(shí)現(xiàn)

1.修改配置

2.啟動應(yīng)用

---

訓(xùn)練不易，如有幫助請幫忙點(diǎn)贊，多謝！

總結(jié)

以上是生活随笔為你收集整理的车牌识别平台开源（支持蓝牌、绿牌，准确率高达96%）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。