SVM 判别车牌 实例 -- python

样本准备

 

准备三个文件夹   postdata 正样本   negdata 负样本  testdata 测试样本

所有样本 统一处理为灰度，尺寸 140*30

（文末提供一些样本，需要自取）

postdata： 正样本  

 

negdata：负样本

 

 testdata：测试样本，车牌图片命名开头为p，非车牌开头n   用于读取标签计算准确率

代码：

import cv2
import os
import numpy as np
import time
# 所有样本 统一处理为灰度，尺寸 140*30


def imgToVector(img):
    h,w=img.shape[:2]
    Vect = np.zeros(h * w)
    for i in range(w):
        for j in range(h):
            Vect[h * i + j] = img[j][i]
    return Vect

'''
post_path , neg_path: 正负样本存储目录
save_model:模型存储路径
'''
def train(post_path,neg_path,save_model):
    t1=time.time()

    '''
    训练集
    '''
    # 图片均以灰度形式读取。 将读取的图片二维矩阵转为一维向量存入训练集 trainningMat
    # 得到训练集尺寸： （样本数 , 4200）    数据类型：float32
    trainningMat = []  # 训练集
    pList, nList = os.listdir(post_path), os.listdir(neg_path)
    pNum, nNum = len(pList), len(nList)

    # 加入正样本
    for file in pList:
        src = cv2.imread(os.path.join(post_path, file),0)
        trainningMat.append(imgToVector(src))
    # 加入负样本
    for file in nList:
        src = cv2.imread(os.path.join(neg_path, file),0)
        trainningMat.append(imgToVector(src))
    trainningMat = np.array(trainningMat, dtype='float32')


    '''
    样本标签
    '''
    # 得到 label列表  尺寸： （pNum+nNum , 1）  
    # 前pNum个样本(正样本)标签为1，后面的(负样本)标签为-1
    Labels = np.zeros((pNum+nNum, 1), np.int32)
    Labels[:pNum]=1
    Labels[pNum:]=-1

    '''
    模型训练
    '''
    svm = cv2.ml.SVM_create()  # 创建SVM model
    # 属性设置
    svm.setType(cv2.ml.SVM_C_SVC)
    svm.setKernel(cv2.ml.SVM_LINEAR)
    svm.setC(0.01)
    # 训练
    svm.train(trainningMat, cv2.ml.ROW_SAMPLE, Labels)
    svm.save(save_model)
    t2 = time.time()
    print("train_time",t2-t1) #训练用时
'''
model: 模型存储路径
test_dir: 测试样本路径
'''
def test(model,test_dir):
    test_label = []  # 测试样本标签
    testMat=[] # 测试集
    correct_count = 0  # 正确数

    files = os.listdir(test_dir)
    test_num=len(files)
    for file in files:
        src=cv2.imread(os.path.join(test_dir,file),0)
        test_label.append(file[0])  # 存入标签
        testMat.append(imgToVector(src))

    testMat = np.array(testMat, dtype='float32')

    svm2 = cv2.ml.SVM_load(model)        #加载模型
    (par1, par2) = svm2.predict(testMat) #预测

    for i in range(test_num):
        if (par2[i][0] == 1 and test_label[i] == 'p') or (par2[i][0] == -1 and test_label[i] == 'n'):
            correct_count += 1

    accuracy = correct_count / test_num
    print("accuracy:", accuracy) #准确率

if __name__ == '__main__':
    train("postdata","negdata","svm.mat")  #训练
    test("svm.mat","testdata")  #测试

百度了一些车辆图片截了车牌样本：

链接：https://pan.baidu.com/s/1cGwRwy_QsxdEjjg4zGh3cg
提取码：ogtf

给个赞么~？