2021SC@SDUSC
之前几篇文章,我分析完了SimpleRecognizePlateByE2E(self,image)函数。接下来几次文章中,根据小组的任务分配,我将会分析segmentation.py中的slidingWindowsEval(image)函数,因为这个函数在pipline.py中的SimpleRecognizePlate(image)函数出现过,而这个函数正是我们小组成员正在重点分析的函数。
它出现的段落如下:
val = segmentation.slidingWindowsEval(image_gray)
# print val
print("分割和识别",time.time() - t2,"s")
if len(val)==3:
blocks, res, confidence = val
可以看出,这个函数返回了几个变量,这几个变量在后文又出现了:
if confidence/7>0.7:
image = drawRectBox(image,rect,res)
res_set.append(res)
if confidence>0:
print("车牌:",res,"置信度:",confidence/7)
根据这些代码可以推断,slidingWindowsEval函数返回的,正是车牌内容和置信度,显然,这个函数也属于车牌识别的核心代码,值得好好分析。