一、摄像头选择
车牌识别对摄像头的要求 二、车牌照片
通过摄像头拍照获取车牌照片。
摄像头:海康威视ds.2CD2210-I3型号
使用情况:拍照的照片kb太小,低于了100kb。
摄像头连接自己电脑的方法:
SDK开发:
海康ds.2CD2210-I3拍照实验总结:
1、运行摄像头行不行?照片像素大小?什么样的摄像头符合要求?Web版的拍照?
答:拍照的尺寸是1280*720,大小是92.4k,客服说是可以,按照算法的要求是照片需要大于100k,500k最佳,才可以识别车牌。所以摄像头选择焦距2.8mm或者4mm,以下为参考距离。
三、车牌照片转换
1、 url转换
地址:https://sm.ms/
或者调用阿里云oss
2、 base64转换
#启用BASE64编码方式进行识别
#内容数据类型是BASE64编码f = open(r’文件地址’, ‘rb’)
contents =base64.b64encode(f.read())
f.close()
bodys[‘IMAGE’] =contents
bodys[‘IMAGE_TYPE’]= ‘0’
四、车牌识别
1、 调用阿里云API接口
(1)记录所购买的appcode:
AppKey:
AppSecret:
(2)使用python程序调用API
程序地址:
其他语言调用代码:
https://github.com/ALIBABAOCR/OCR_EXAMPLE?spm=a2c4g.11186623.2.12.732e7000fddgQD (3)识别结果
(4)车牌照片要求:尽量对准车牌拍照、距离不要太远,所拍照片中车牌的不要太不显著了。比如如果是10001000图像,你的车牌可能只有5050,那就叫不显著,图像要大于100KB。
2、自研算法:
车牌数据集:特殊车牌要求一千张以上
一整套泛流程:找车牌、识别字符、切割、识别
此次训练数据集来源于自动生成的车牌,由于真实的车牌图像与生成的车牌图像在噪声干扰上有所区分,所以识别率上会有所出入。如果使用真实的车牌数据集,需要对车牌进行滤波、均衡化、腐蚀、矢量量化等预处理方法。
链接:
1、车牌定位
1.1、训练分类器
1.2、车牌粗定位
1.3、倾斜矫正
1.3.1、计算车牌的倾斜角
1.3.2、旋转
1.4、车牌精定位
2、CNN训练
2.1、获取batch_size张图片用于训练
2.2、构建CNN网络
2.3、执行训练
3、车牌识别
3.1、读取1.4中精定位获取的图片
3.2、使用CNN训练模型对精定位图片进行识别
4、Mysql存储
(1)
车牌定位
算法调试中,tesorflow有问题。
(2)
车牌切割
未进行
(3)
车牌识别
未进行,待续。。。。