简单记录：车牌识别的方法

这次因为是一个实验作业需要车牌识别，但是自己又不会写整个项目，所以就通过查找网络上的资源完成。因为找的时候方法不一，也有点难懂，所以这里记录一下找到的那个比较好的且比较简单的方法。

这时一个github上的项目：https://github.com/duanshengliu/End-to-end-for-chinese-plate-recognition

因为没有询问作者，所以我简单介绍一下这位作者实现的流程，以及对比很多网络上的方法。

#### 首先：介绍这个流程

他的实现步骤是：

1. 使用一个CNN模型对一个512x512的图像进行处理，并且得到的模型返回也是一个512x512的图像，这时得到的这个图像就完成了，查找车牌位置的操作（实际效果是车牌的位置为白色，其他位置是黑色）

2. 将得到的512x512的图像进行边缘检测，进行车牌修正（使用opencv），得到车牌图像的列表

3. 再使用一个CNN模型对得到的车牌列表进行识别，得到车牌号

#### 然后：对比与学习

对于第一步：他的方法更网络上很多进行车牌提取的方法都不一样。网络上很多使用opencv进行复杂的图像操作进行提取，过程不仅复杂而且速度很慢。而这位作者一个卷积模型就搞定了这个过程。

对于第二步：就是使用opencv对车牌进行了一个矫正

对于第三步：同样与网络上的方法有很大不同。虽然网络上很多方法也是使用一个CNN进行字符识别，但是大多都是对字符进行分割之后再识别，而进行字符分割的过程不仅耗时，而且逻辑繁琐且精度低，最后还要进行最少7次的字符识别才可以。而这位作者的方法就很好，他使用一个CNN模型直接对整个车牌进行了识别，但是他的模型的输出层则是7个全连接层，这样他就可以一次性得到全部的车牌字符，而且也不会多也不会少，省时省力。

使用网络上多数识别的方式很慢，很难实现实时的相机检测。

#### 最后：结束语

这个项目还有一个tkinter写的UI界面，我在这位作者的基础上加了一个相机，用来实时检测。如果作者看到并且不喜欢这篇文章，我会直接删除。