HyperLPR 对图片和视频中车牌的识别 |
您所在的位置：网站首页 › 视频车牌号怎么用 › HyperLPR 对图片和视频中车牌的识别 |
HyperLPR 对图片和视频中车牌的识别
|
一、概要
在上一篇文章中，主要介绍了HyperLPR开源车牌识别系统的配置和使用（链接：https://blog.csdn.net/oJiWuXuan/article/details/107332668），目前这个系统是我用过的开源车牌识别程序中最精准最稳定的，很多模糊的、角度倾斜的、恶劣天气下的车牌都能识别清楚，作为开源程序来说已经非常优秀了。但是上一篇文章主要是在虚拟环境中的配置及HyperLPR的简单使用，并没有涉及HyperLPR在实际场景中的应用，如对具体图片或者视频中车牌的识别并输出识别后的图片或视频。在这一篇文章中，对HyperLPR 对图片和视频中车牌的识别进行详细的介绍。 话不多说，直接上干货。 这里不再具体的在虚拟环境中配置HyperLPR了，而是将HyperLPR中程序的主文件直接放到固定的文件夹中，好处就是后续需要结合业务场景优化功能时，方便直接在源码上进行修改来实现。当然，虚拟环境中的其他模块还是要安装好的，比如TensorFlow、opencv-python、keras等，而且要注意这些模块的版本。这里用的模型是HyperLPR官方直接训练好的模型，对识别国内一般的车牌而言已经足够了。 我们先从github上下载下来完整的HyperLPR文件并解压缩。 github：https://github.com/zeusees/HyperLPR。 然后新建一个文件夹，我这里命名为HyperLPR-V0.1，接着将HyperLPR中的hyperlpr_py3、model、font三个文件夹复制过来，再将我们要用的一些图片啊视频啊放到data文件夹下，文件夹目录如下图所示。
首先是对图片的识别，车牌识别程序的核心代码主要是在hyperlpr_3中的pipline.py文件中，这里要对pipline.py中的def SimpleRecognizePlate函数进行部分修改，如下： ## 识别图片中的车牌 def SimpleRecognizePlate(image, save_path): t0 = time.time() # 读取图片 image = cv2.imread(image) images = detect.detectPlateRough(image,image.shape[0],top_bottom_padding_rate=0.1) res_set = [] for j,plate in enumerate(images): plate, rect, origin_plate =plate # plate = cv2.cvtColor(plate, cv2.COLOR_RGB2GRAY) plate =cv2.resize(plate,(136,36*2)) t1 = time.time() ptype = td.SimplePredict(plate) if ptype>0 and ptype0.7: image = drawRectBox(image, rect, res) res_set.append(res) for i,block in enumerate(blocks): block_ = cv2.resize(block,(25,25)) block_ = cv2.cvtColor(block_,cv2.COLOR_GRAY2BGR) image[j * 25:(j * 25) + 25, i * 25:(i * 25) + 25] = block_ if image[j*25:(j*25)+25,i*25:(i*25)+25].shape == block_.shape: pass if confidence>0: print("车牌:",res,"置信度:",confidence/7) else: pass # print "不确定的车牌:", res, "置信度:", confidence # 显示车牌识别结果的图片 cv2.imshow("image", image) k = cv2.waitKey(0) if k == 27: # 按下esc时，退出 cv2.destroyAllWindows() elif k == ord('s'): # 按下s键时保存并退出 cv2.imwrite(save_path, image) cv2.destroyAllWindows() # print(time.time() - t0,"s") # return image,res_set然后在我们建立的lpr_image.py文件中写入调用上述函数的代码： from hyperlpr_py3 import pipline as pp import cv2 image = 'data/009.jpg' save_path = 'output-image/MySaveImage.jpg' pp.SimpleRecognizePlate(image, save_path) print('-------------')执行后就可在output-image文件夹中生成车牌识别后的图片了，下面是车牌识别的结果。可见识别效果还是不错的。
接下来是对视频文件中车牌的识别，我们还是在hyperlpr_3中的pipline.py文件中进行修改，这里新建一个def SimpleRecognizePlate_video的函数，代码如下所示。 # 识别视频中的车牌 def SimpleRecognizePlate_video(video, save_path): # t0 = time.time() # 读取视频 cap = cv2.VideoCapture(video) time.sleep(2.0) # 获取窗口大小 size = (int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)), int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))) # 设置帧率 fps = 60 # 调用VideoWrite()函数，保存处理后的视频 videoWrite = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*'DIVX'), fps, size) # 从视频读取数据, 读取成功 ret为True,否则为False,frame里面就是一个三维数组保存图像 ret, frame = cap.read() while True: for iii in range(1): ret, frame = cap.read() # 每5帧取一次 加速计算 # grab the frame from the threaded video stream # ret, frame = cap.read() if ret is False: print('No data, break.') break image = frame # 对图片中的车牌进行识别 images = detect.detectPlateRough(image,image.shape[0],top_bottom_padding_rate=0.1) res_set = [] for j,plate in enumerate(images): plate, rect, origin_plate = plate # plate = cv2.cvtColor(plate, cv2.COLOR_RGB2GRAY) plate =cv2.resize(plate,(136,36*2)) # t1 = time.time() ptype = td.SimplePredict(plate) if ptype>0 and ptype0.7: # 绘制车牌识别框 image = drawRectBox(image, rect, res) res_set.append(res) for i,block in enumerate(blocks): block_ = cv2.resize(block,(25,25)) block_ = cv2.cvtColor(block_,cv2.COLOR_GRAY2BGR) image[j * 25:(j * 25) + 25, i * 25:(i * 25) + 25] = block_ if image[j*25:(j*25)+25,i*25:(i*25)+25].shape == block_.shape: pass if confidence>0: print("车牌:",res,"置信度:",confidence/7) else: pass # print "不确定的车牌:", res, "置信度:", confidence cv2.imshow("Frame", image) key = cv2.waitKey(1) & 0xFF # if the `q` key was pressed, break from the loop if key == ord("q"): break # 保存帧为视频 videoWrite.write(image) cv2.destroyAllWindows() cap.release() # print(time.time() - t0,"s")然后在我们建立的lpr_video.py文件中写入调用上述函数的代码： from hyperlpr_py3 import pipline as pp import cv2 video = 'data/test.mp4' save_path = 'output-video/MySaveVideo.avi' pp.SimpleRecognizePlate_video(video, save_path) print('-------------')执行后就可在output-video文件夹中生成车牌识别后的视频了，下面是视频中的截图。由于视频质量着实堪忧，所以识别效果有时候会有一些误差，但总体识别情况还是挺好的。
|
本文的详细代码已上传至 github: https://github.com/jiwuxuan/HyperLPR-Meow。 可供参考。【本文地址】
今日新闻 |
推荐新闻 |