多车牌识别

项目需要对同一画面内出现的多个车牌进行识别，但是HpyerLPR只支持识别一个车牌。查了多方资料，最终确定，为了稳定性着想，放弃修改导入的hyperlpr包，换思路：先进行车辆检测，确定车的位置，再将图片传入车牌检测模块进行车牌检测。

车辆检测和车牌检测分属于两个project（见前面的两节）。

目前存在问题主要是如何将车辆识别的结果截图传至车牌检测。

失败想法：考虑进行图像的加减。简单粗暴将图片直接按框进行切割——识别车牌，打码——再把切下来改过的和剩下的加在一起。这样就不需要改hyperlpr传入的方式，对于后面打码的工作，同样也是直接可对单个区域打码，难度相对较低。但是！！！图像的加减需要保证两个图片的大小完全相同，这里没想到很好的函数去处理这样的抠图。

成功：先进行车辆识别，存储识别结果（单个车的图片），循环扔进车牌识别获得坐标结果，将车牌相对于车的坐标，结合车相对于原图的坐标结合计算得到车牌相对于原图的坐标，用于打框。

具体实施：（1）借助程序原本就有的函数save_crop，令其为真之后，将自动将检测结果裁下保存。同时保存每个车的坐标位置

with open(txt_path + '.txt', 'w') as f:#无论检测多少次，数据都是一次次刷新重叠，不会追加
    #先检测是不是已经有了crops目录，也就是之前的检测结果，如果有，覆盖目录重建
    if (os.path.exists(str(save_dir / 'crops'))):
        tmp = tempfile.mktemp(dir=os.path.dirname(str(save_dir / 'crops')))
        shutil.move(str(save_dir / 'crops'), tmp)
        shutil.rmtree(tmp)
    os.makedirs(str(save_dir / 'crops'))
    for *xyxy, conf, cls in reversed(det):#reversed(det)是个逆向序列
        if save_txt:  # Write to file
           c = int(cls)  # integer class
           if names[c] in ['car', 'bus', 'truck']:
               line = (*xyxy, conf)  # label format
               f.write(('%g ' * len(line)).rstrip() % line + '\n')
        #将预测到的目标剪下来
        if save_img or save_crop or view_img:  # Add bbox to image
           c = int(cls)  # integer class
           if names[c] in ['car', 'bus', 'train', 'truck']:
               save_one_box(xyxy, imc, file=save_dir / 'crops' / f'{p.stem}.jpg', BGR=True)

 （2）进入循环，读取车辆坐标和车辆图片（一一对应），检测每个图片是否存在车牌，存在则返回车牌坐标，结合车辆坐标，计算车牌在原图中的位置，传递给原本就有的画框函数annotator.box_label进行画框。

with open("runs/detect/standard/labels/carmore.txt", "r") as f:
     with open('runs/detect/standard/labels/coordinates_new.txt', 'w') as f1:
         image_true = cv2.imread("data/images/carmore.png")
         for filename in os.listdir(r"./" + "runs/detect/standard/crops"):
             image_detect = cv2.imread("runs/detect/standard/crops" + "/" + filename)
             if HyperLPR_plate_recognition(image_detect)==[]:#如果此车的车牌本身已被遮盖，无法检测到
                 f.readline()  # 一行一行读取内容，注意这里需要跳过此车的坐标信息
                 continue
             else:
                 content,_,coordinates_little=HyperLPR_plate_recognition(image_detect)[0]
                 data = f.readline()# 一行一行读取内容
                 coordinates_big = data.split()

                 #计算车牌相对于原图的位置
                 x_now1 = int(coordinates_big[0]) + coordinates_little[0]
                 y_now1 = int(coordinates_big[1]) + coordinates_little[1]
                 x_now2 = int(coordinates_big[0]) + coordinates_little[2]
                 y_now2 = int(coordinates_big[1]) + coordinates_little[3]
                 xyxy_new = (x_now1, y_now1, x_now2, y_now2)

                 annotator = Annotator(image_true, line_width=line_thickness, example=str(names))
                 annotator.box_label(xyxy_new, color=colors(c, True))  # 对选定区域进行框选

                 f1.write(('%g ' * len(xyxy_new)).rstrip() % xyxy_new + '\n')#将车框的坐标存入coordinates_new.txt 

效果展示：（左下两个是自己前面测试别的内容，手动涂掉的，右下未被识别的是因为本程序逻辑是车识别——>车辆识别，右下本身就不是车，不是处理的部分）