HyperLPR源码分析11

最新推荐文章于 2021-12-24 09:08:59 发布

CyberHayek

最新推荐文章于 2021-12-24 09:08:59 发布

阅读量2k

点赞数

文章标签： python 机器学习深度学习

本文链接：https://blog.csdn.net/CyberHayek/article/details/122114818

版权

2021SC@SDUSC

在本次分析中，我将会对前几次的成果做出总结，总结一下slidingWindowsEval函数的总体思路是什么样的。

slidingWindowsEval函数，进行车牌识别的思路就是模板匹配法，这是车牌识别的一个重要算法，这个算法只有一个总体思想，具体实现细节多种多样，根据具体情况不同而定。

一、获取图像并进行预处理


   windows_size = 16;
    stride = 1
    height= image.shape[0]
    t0 = time.time()
    data_sets = []

    for i in range(0,image.shape[1]-windows_size+1,stride):
        data = image[0:height,i:i+windows_size]
        data = cv2.resize(data,(23,23))
        # cv2.imshow("image",data)
        data = cv2.equalizeHist(data)
        data = data.astype(np.float)/255
        data=  np.expand_dims(data,3)
        data_sets.append(data)

    res = model2.predict(np.array(data_sets))
    print("分割",time.time() - t0)

    pin = res
    p = 1 -  (res.T)[1]