快捷導(dǎo)航

python+pyhyper實(shí)現(xiàn)識(shí)別圖片中的車牌號(hào)思路詳解

更新時(shí)間：2022年12月23日 14:46:05 作者：月月吃喝

最近領(lǐng)導(dǎo)給布置了一個(gè)基于圖片識(shí)別車牌號(hào)的工具開(kāi)發(fā)任務(wù)，然后就去研究實(shí)現(xiàn)邏輯，自己根據(jù)opencv寫(xiě)了一個(gè)小demo，發(fā)現(xiàn)不僅速度慢而且成功率極低。然后，就找到了Hyperlpr開(kāi)源項(xiàng)目，這篇文章主要介紹了python+pyhyper實(shí)現(xiàn)識(shí)別圖片中的車牌號(hào),需要的朋友可以參考下

背景

最近領(lǐng)導(dǎo)給布置了一個(gè)基于圖片識(shí)別車牌號(hào)的工具開(kāi)發(fā)任務(wù)，然后就去研究實(shí)現(xiàn)邏輯，自己根據(jù)opencv寫(xiě)了一個(gè)小demo，發(fā)現(xiàn)不僅速度慢而且成功率極低。然后，就找到了Hyperlpr開(kāi)源項(xiàng)目。

環(huán)境搭建

排雷1：有教程說(shuō)在github上下載源碼：https://github.com/zeusees/HyperLPR，自己編譯，結(jié)果github上已經(jīng)停止維護(hù)了，然后再gitee找到了：Hyperlpr項(xiàng)目
排雷2：hyperlpr環(huán)境搭建比較苛刻，建議直接在requirements.txt文件中維護(hù)好版本號(hào)

實(shí)現(xiàn)：
我是直接pip install hyperlpr 安裝的

在這里插入圖片描述

驗(yàn)證

import cv2
from hyperlpr import HyperLPR_plate_recognition

if __name__ == '__main__':
    image = cv2.imread("one.jpeg")
    result = HyperLPR_plate_recognition(image)

報(bào)錯(cuò)：

mat_ = cv2.estimateRigidTransform(org_pts, target_pts, True)
AttributeError: module 'cv2' has no attribute 'estimateRigidTransform'

修改hyperlpr.py文件，大概在231行
將
mat_ = cv2.estimateRigidTransform(org_pts, target_pts, True)
修改為

 mat_,inlier = cv2.estimateAffine2D(org_pts, target_pts)

再次執(zhí)行，執(zhí)行成功，返回一個(gè)列表，依次是車牌號(hào)，準(zhǔn)確率，車牌號(hào)在圖片中的坐標(biāo)

在這里插入圖片描述

二次開(kāi)發(fā)

經(jīng)過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，如果圖片中存在多個(gè)車牌號(hào)，只能識(shí)別圖片中的一個(gè)車牌號(hào)

拜讀源碼發(fā)現(xiàn)self.detect_ssd(image)函數(shù)返回的是一個(gè)可迭代變量，追蹤進(jìn)去應(yīng)該可以發(fā)現(xiàn)點(diǎn)東西

在這里插入圖片描述

和猜測(cè)一致，self.detect_ssd(image)返回的是一個(gè)列表，但是找到一個(gè)車牌就返回了，只需要將 return cropped_images 放到for循環(huán)外賣外面即可
修改前：

在這里插入圖片描述

修改后：

在這里插入圖片描述

驗(yàn)證：

在這里插入圖片描述

標(biāo)記

附源碼：

在這里插入圖片描述

import cv2
import numpy as np
from PIL import ImageFont, Image, ImageDraw
from hyperlpr import HyperLPR_plate_recognition

if __name__ == '__main__':
    image = cv2.imread("two.jpeg")
    result = HyperLPR_plate_recognition(image)
    print(result)
    # 標(biāo)記車牌號(hào)
    if result:
        for index, item in enumerate(result):
            # 車牌號(hào)
            car_code = item[0]
            # 可信度
            conf = item[1]
            # 車牌框左上角坐標(biāo)
            pt1 = (item[2][0], item[2][1])
            # 車牌框右下角坐標(biāo)
            pt2 = (item[2][2], item[2][3])
            # 繪制車牌框
            cv2.rectangle(image, pt1=pt1, pt2=pt2, color=(255, 0, 0), thickness=3)
            # 設(shè)置需要顯示的字體
            font_path = 'fonts/simsun.ttc'
            font = ImageFont.truetype(font_path, size=40, index=1)
            image = Image.fromarray(image)
            draw = ImageDraw.Draw(image)
            # 繪制文字信息
            draw.text((pt1[0] + 30, pt1[1] - 30), car_code, font=font, fill=(0, 0, 255))
            image = np.array(image)
        # cv2.namedWindow('image', 0)
        # cv2.imshow('image', image)
        # cv2.waitKey(100000)
        cv2.imwrite('d:/two.jpeg', image)

到此這篇關(guān)于python+pyhyper實(shí)現(xiàn)識(shí)別圖片中的車牌號(hào)的文章就介紹到這了,更多相關(guān)python車牌號(hào)識(shí)別內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: