OpenCV-Python实现实时车牌检测(附源码)

OpenCV杂谈_02


一. 需要做的前期准备
  1. 环境配置
    Python版本: 3.7.6
    用到的功能包: opencv-python (4.2.0.32)
  2. 导入他人训练好的 OpenCV cascade 文件
    haarcascade_russian_plate_number.xml (也可以用其他.xml文件用于做不同的检测,比如全身、人眼等等)下载链接在此:https://github.com/opencv/opencv/tree/master/data/haarcascades
  3. 提前创建好用于保存抓到的车牌的文件夹(作者这里将其命名为“Scanned”)
  4. 一个用的顺手的IDE(本人推荐Pycharm)
二. 源码如下(需要做路径上的调整)
import cv2

"""定义一些参数"""
# imshow 窗口的尺寸
frameWidth = 640
frameHeight = 480
# 导入 xml 文件(根据自己的路径进行相对应的调整)
numberPlatesCascade = cv2.CascadeClassifier("Resources/haarcascade_russian_plate_number.xml")
# 设定一个可以被检测到的最小的物体的面积,可用于去除一些不必要的噪声
minArea = 500
# bounding box 的颜色
color = (255, 0, 255)

# 导入计算机自带的摄像头,并设置摄像头所拍摄画面的尺寸、亮度
cap = cv2.VideoCapture(0)
cap.set(3, frameWidth)
cap.set(4, frameHeight)
cap.set(10, 150)
# 用于保存车牌照片时的计数
count = 0

while True:
    success, img = cap.read()
    imgGray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转为灰度图像
    numberPlates = numberPlatesCascade.detectMultiScale(imgGray, 1.1, 4)  # 调用xml文件抓到图像中的车牌

    for (x, y, w, h) in numberPlates:
        area = w * h
        if area > minArea:
            cv2.rectangle(img, (x, y), (x + w, y + h), color, 2)  # 添加 bounding box
            cv2.putText(img, "NUMBER PLATE", (x, y-5),  
                        cv2.FONT_HERSHEY_PLAIN, 1, color, 2)  # 给 bounding box 添加注解
        # 单独将车牌抓出来,另外显示
        imgRoi = img[y:y + h + 30, x:x + w]
        cv2.imshow("Number Plate", imgRoi)

    cv2.imshow("Result", img)
    if cv2.waitKey(1) & 0xFF == ord("s"):  # 用于保存抓到的车牌
        cv2.imwrite("Resources/Scanned/NumberPlate_" + str(count) + ".jpg", imgRoi)
        cv2.rectangle(img, (0, 200), (640, 300), (0, 255, 0), cv2.FILLED)  # 做一个用于提示保存成功地提示条
        cv2.putText(img, "Scan Saved", (150, 265), cv2.FONT_HERSHEY_PLAIN,
                    2, (0, 255, 255), 2)  # 在提示条上写上内容
        cv2.imshow("Result", img)
        cv2.waitKey(500)
        count += 1
三. 结果展示

在这里插入图片描述

四. 教程推荐

个人觉得OpenCV不错的教程:https://www.bilibili.com/video/BV16K411W7x9?t=6282


如有问题,敬请指正。欢迎转载,但请注明出处。
在深度学习迅速发展的今天,机器学习的应用变得越来越广泛。其,人工智能视觉领域的应用越来越受到重视。而在人工智能视觉领域,车牌检测与识别系统应用广泛,也是一个非常重要的方向。因此,Python机器视觉实践课程设计作业--车牌检测与识别系统源码非常值得学习和探究。 本代码的实现主要分为三部分:车牌检测模块、车牌定位模块、以及车牌识别模块。首先,通过使用深度学习模型SSD检测算法,进行车牌的区域检测。接着,在检测车牌区域后,使用车牌定位模块,对车牌进行定位,确保后续的识别操作可以准确的工作。最后,在完成车牌定位后,使用卷积神经网络模型CNN,对车牌进行图像解码和识别,获取车牌信息。 在本代码实现的过程,除了SSD检测算法和CNN模型,还使用了一些辅助性的算法和模块。其,二值化算法可以将车牌图片转换到黑白二值图像,能够有效的提高车牌的识别率。哈希算法可以有效的辨别车牌是否被重复检测。此外,还使用了OpenCV,PIL等图像处理相关的库,进行图像的预处理和后处理。 本代码实现了一个基本的车牌识别系统,在实践发挥了非常重要的作用。 总之,Python机器视觉实践课程设计作业--车牌检测与识别系统源码的研究和学习,不仅可以让我们掌握深度学习图像处理的基本技术,也可以让我们更好的理解机器学习在实际生活应用的作用和价值。如果你正在学习和探究人工智能视觉领域,这个源码是非常有价值的参考。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值