python字典以水果为实例_python字典实例（部分）

python字典实例（部分）

主要内容：通过百度车牌识别实例学习python字典类型的使用

任务布置：

关键词：Labview&python、字典类型、百度ai识别接口、车牌识别、车辆区间测速。

正文：

在生活中摄像识别无处不在，其中车牌识别在停车场或道路抓拍测速应用最多，为了达到好的学习效果，先需要学习python中字典类型，然后进行车牌识别应用开发就更顺畅。

如果一本书没有目录，那么你要找到某一故事情节需要把书翻看一遍，那新华字典如果没有查字引索，大量的数据无从下手。在python语言中提出字典(dictionary)类型的概念:能够存储不同类型的可变容器，由键和键值组成。在结构功能上类似于虚拟仪器中的数据簇，都是通过名称来映射数据达到更好管理数据的目的。字典类型具体格式如下：

创建字典类型的格式：字典名称 = {＇键名1＇:＇键值1＇，＇键名2＇:＇键值2＇}

访问或修改字典数据：字典名称[＇键名＇] = 参数

一个字典可定义多个键名，键名与键值之间用冒号隔开，键名不允许重复，键与键之间用逗号隔开，整个键区域边界是{}，在访问字典时键名在[]内部。图1是运用python字典实现对水果信息描述的操作，水果信息字典包括有两个字符和一个数值，print打印整个字典会输出带格式的字

图2.python字典描述游戏人物属性

学习python 字典类型语法后，通过具体实例来巩固知识点的应用，实例是运用基于百度Ai平台的车牌识别。

运用外部接口首先需要阅读开发文档，在说明中会发现图片读取函数是通用的，唯一变动的是将图片传入客户端的licensePlate函数中处理（client.licensePlate）。然后查看输出返回代码，返回信息是按照python字典输出，查询简单参数用字典访问规则就可实现，省去了第二节的labview解析处理结构。

图3.百度Ai车牌识别接口说明

图4.调试代码与原始返回结果

根据图4左侧代码编译后发现：返回结果的原始数据远远比说明详细，增加了识别准确率信息和车牌位置信息。如果运用labview字符扫描解码很容易出错，python字典查询方式避免了结构变动的影响,所以用python在字典中访问车牌号的格式是：

字典名[一级目录][二级目录]（car[结果返回][号码]）。

百度平台的车牌识别也是归属于文字识别，所以权限口令彼此通用，只是最后调用的函数变动，所以修改第2节实例最后的输出，将返回赋予对象，用字典格式查询对象里面的车牌号即可。图5去掉了输出的解析部分，运用Labview打开显示图片，然后python去识别图片中的车牌号。需要注意的是百度Ai的车牌识别接口每天免费调用200次(超出按量付费)，不能无限次的使用，可以在出入口加入红外或超声波距离传感器，当有车辆时才去摄像进行车辆识别，提高接口的使用率。

（未加入摄像头）

区间测速是在同一路段设置两个相邻的监控点，通过车辆通过此路段的时间来计算平均速度，然后根据限速标准来判断是否超速。原理都知道，需要注意的是区间测速路段同时会有多辆车在行驶，不是一辆车的测速，需要记录和协调多辆车的行驶信息。首先入口摄像头抓拍车辆图像，通过识别接口得到车牌号后，与进入时间注册添加到测速容器中，出口时同样得到车牌号，速度公式计算区段内对应车辆的平均速度。

图6是用虚拟仪器中簇方法来实现车辆信息存储计算，入口注册时自动填入识别到的[车牌号][进入时间][intime(s)]，这[intime]是绝对秒时间方便计算通过时间，出口时的原理是识别到车牌号，找到对应车牌号ID添加出口的时间，然后用出入绝对时间（秒）相减计算通过时间，所以平均速度（km/h）=位移(km)/时间(h)。将得到的车辆区间测速的完整记录存入数据库，注销对应车辆容器信息条。

图6.区间测速车辆记录容器

本文转载自异步社区