快捷導(dǎo)航

TensorFlow基于MNIST數(shù)據(jù)集實(shí)現(xiàn)車(chē)牌識(shí)別(初步演示版)

更新時(shí)間：2019年08月05日 11:21:42 作者：ShadowN1ght

這篇文章主要介紹了TensorFlow基于MNIST數(shù)據(jù)集實(shí)現(xiàn)車(chē)牌識(shí)別(初步演示版)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

在前幾天寫(xiě)的一篇博文《如何從TensorFlow的mnist數(shù)據(jù)集導(dǎo)出手寫(xiě)體數(shù)字圖片》中，我們介紹了如何通過(guò)TensorFlow將mnist手寫(xiě)體數(shù)字集導(dǎo)出到本地保存為bmp文件。

車(chē)牌識(shí)別在當(dāng)今社會(huì)中廣泛存在，其應(yīng)用場(chǎng)景包括各類(lèi)交通監(jiān)控和停車(chē)場(chǎng)出入口收費(fèi)系統(tǒng)，在自動(dòng)駕駛中也得到一定應(yīng)用，其原理也不難理解，故很適合作為圖像處理+機(jī)器學(xué)習(xí)的入門(mén)案例。

現(xiàn)在我們不妨醞釀一個(gè)大膽的想法：在TensorFlow中通過(guò)卷積神經(jīng)網(wǎng)絡(luò)+mnist數(shù)字集實(shí)現(xiàn)車(chē)牌識(shí)別。

實(shí)際上車(chē)牌字符除了數(shù)字0-9，還有字母A-Z，以及各省份的簡(jiǎn)稱(chēng)。只包含數(shù)字0-9的mnist是不足以識(shí)別車(chē)牌的。故本文所做實(shí)驗(yàn)僅出于演示目的。

由于車(chē)牌數(shù)字是正體，而mnist是手寫(xiě)體，為提高識(shí)別率，需要從mnist圖片集中挑選出形狀比較規(guī)則工整的圖片作為訓(xùn)練圖片，否則識(shí)別率不高。作為參考，下圖是我挑選出來(lái)的一部分較工整數(shù)字：

（如果你需要我挑選出來(lái)的圖片，可以評(píng)論或私信我留下郵箱）

出于演示目的，我們從網(wǎng)上找到下面這張圖片：

現(xiàn)在我們假設(shè)該車(chē)牌號(hào)為閩0-16720（實(shí)際上是閩O-1672Q），暫不識(shí)別省份簡(jiǎn)稱(chēng)，只識(shí)別0-16720。

上圖經(jīng)過(guò)opencv定位分割處理后，得到以下幾張車(chē)牌字符。

現(xiàn)在我們通過(guò)如下代碼，將這幾張字符圖片輸入到上一篇博文《如何用TensorFlow訓(xùn)練和識(shí)別/分類(lèi)自定義圖片》中構(gòu)建的網(wǎng)絡(luò)：

 license_num = []
 for n in range(2,8):
  path = "result/%s.bmp" % (n)
  img = Image.open(path)
  width = img.size[0]
  height = img.size[1]
 
  img_data = [[0]*784 for i in range(1)]
  for h in range(0, height):
   for w in range(0, width):
    if img.getpixel((w, h)) < 190:
     img_data[0][w+h*width] = 0
    else:
     img_data[0][w+h*width] = 1
 
  # 獲取softmax結(jié)果前三位的index和概率值
  soft_max = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
  result = sess.run(soft_max, feed_dict = {x: np.array(img_data), keep_prob: 1.0})
  max1 = 0
  max2 = 0
  max3 = 0
  max1_index = 0
  max2_index = 0
  max3_index = 0
  for j in range(10):
   if result[0][j] > max1:
    max1 = result[0][j]
    max1_index = j
    continue
   if (result[0][j]>max2) and (result[0][j]<=max1):
    max2 = result[0][j]
    max2_index = j
    continue
   if (result[0][j]>max3) and (result[0][j]<=max2):
    max3 = result[0][j]
    max3_index = j
    continue
  license_num.append(max1_index)
 
  print ("softmax結(jié)果前三位概率：%s: %.2f%% %s: %.2f%% %s: %.2f%%"
    % (max1_index,max1*100, max2_index,max2*100, max3_index,max3*100))
 print ("車(chē)牌號(hào)為: %s" % license_num)

然后運(yùn)行程序，結(jié)果如下：