使用深度学习进行自动车牌检测和识别

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

介绍

在现代世界的不同方面，信息技术的大规模集成导致了将车辆视为信息系统中的概念资源。由于没有任何数据，自主信息系统就没有任何意义，因此需要在现实和信息系统之间改革车辆信息。这可以通过人工代理或特殊智能设备实现，这些设备将允许在真实环境中通过车辆牌照识别车辆。在智能设备中,，提到了车辆牌照检测和识别系统。车辆牌照检测和识别系统用于检测车牌，然后识别车牌，即从图像中提取文本，所有这一切都归功于使用定位算法的计算模块，车牌分割和字符识别。车牌检测和读取是一种智能系统，由于其在以下几个领域的潜在应用，因此具有相当大的潜力：

1.指挥部队：该系统用于检测被盗和搜查的车辆，将检测到的车牌与报告车辆的车牌进行比较。

2.道路安全：该系统用于检测超过一定速度的车牌，将车牌读取系统与道路雷达耦合。

3.停车管理：车辆进出口的管理。

step1：车牌检测

为了检测许可证，我们将使用基于卷积神经网络的Yolo（You Only Look One）深度学习对象检测体系结构。该体系结构是由Joseph Redmon、Ali Farhadi、Ross Girshick和Santosh Divvala于2015年推出的第一个版本，以及更高版本2和3。

论文链接：

Yolo v1：https://arxiv.org/pdf/1506.02640.pdf

Yolo v2：https://arxiv.org/pdf/1612.08242.pdf

Yolo v3：https://arxiv.org/pdf/1804.02767.pdf

Yolo是一个经过端到端训练的单一网络，用于执行预测对象边界框和对象类的回归任务。这个网络速度非常快，它以每秒45帧的速度实时处理图像。一个较小的网络版本Fast YOLO每秒处理155帧，速度惊人。

实现YOLO V3：

首先，我们准备了一个由700张包含突尼斯车牌的汽车图像组成的数据集，对于每张图像，我们使用一个名为LabelImg的桌面应用程序创建一个xml文件（之后更改为文本文件，其中包含与Darknet配置文件输