在前幾天寫的一篇博文《如何從TensorFlow的mnist數(shù)據(jù)集導(dǎo)出手寫體數(shù)字圖片》中，我們介紹了如何通過TensorFlow將mnist手寫體數(shù)字集導(dǎo)出到本地保存為bmp文件。

成都創(chuàng)新互聯(lián)公司-成都網(wǎng)站建設(shè)公司，專注網(wǎng)站制作、網(wǎng)站建設(shè)、網(wǎng)站營銷推廣，國際域名空間，網(wǎng)絡(luò)空間，網(wǎng)站托管有關(guān)企業(yè)網(wǎng)站制作方案、改版、費用等問題，請聯(lián)系成都創(chuàng)新互聯(lián)公司。

車牌識別在當今社會中廣泛存在，其應(yīng)用場景包括各類交通監(jiān)控和停車場出入口收費系統(tǒng)，在自動駕駛中也得到一定應(yīng)用，其原理也不難理解，故很適合作為圖像處理+機器學習的入門案例。

現(xiàn)在我們不妨醞釀一個大膽的想法：在TensorFlow中通過卷積神經(jīng)網(wǎng)絡(luò)+mnist數(shù)字集實現(xiàn)車牌識別。

實際上車牌字符除了數(shù)字0-9，還有字母A-Z，以及各省份的簡稱。只包含數(shù)字0-9的mnist是不足以識別車牌的。故本文所做實驗僅出于演示目的。

由于車牌數(shù)字是正體，而mnist是手寫體，為提高識別率，需要從mnist圖片集中挑選出形狀比較規(guī)則工整的圖片作為訓(xùn)練圖片，否則識別率不高。作為參考，下圖是我挑選出來的一部分較工整數(shù)字：

（如果你需要我挑選出來的圖片，可以評論或私信我留下郵箱）

出于演示目的，我們從網(wǎng)上找到下面這張圖片：

現(xiàn)在我們假設(shè)該車牌號為閩0-16720（實際上是閩O-1672Q），暫不識別省份簡稱，只識別0-16720。

上圖經(jīng)過opencv定位分割處理后，得到以下幾張車牌字符。

現(xiàn)在我們通過如下代碼，將這幾張字符圖片輸入到上一篇博文《如何用TensorFlow訓(xùn)練和識別/分類自定義圖片》中構(gòu)建的網(wǎng)絡(luò)：

 license_num = []
 for n in range(2,8):
  path = "result/%s.bmp" % (n)
  img = Image.open(path)
  width = img.size[0]
  height = img.size[1]
 
  img_data = [[0]*784 for i in range(1)]
  for h in range(0, height):
   for w in range(0, width):
    if img.getpixel((w, h)) < 190:
     img_data[0][w+h*width] = 0
    else:
     img_data[0][w+h*width] = 1
 
  # 獲取softmax結(jié)果前三位的index和概率值
  soft_max = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
  result = sess.run(soft_max, feed_dict = {x: np.array(img_data), keep_prob: 1.0})
  max1 = 0
  max2 = 0
  max3 = 0
  max1_index = 0
  max2_index = 0
  max3_index = 0
  for j in range(10):
   if result[0][j] > max1:
    max1 = result[0][j]
    max1_index = j
    continue
   if (result[0][j]>max2) and (result[0][j]<=max1):
    max2 = result[0][j]
    max2_index = j
    continue
   if (result[0][j]>max3) and (result[0][j]<=max2):
    max3 = result[0][j]
    max3_index = j
    continue
  license_num.append(max1_index)
 
  print ("softmax結(jié)果前三位概率：%s: %.2f%% %s: %.2f%% %s: %.2f%%"
    % (max1_index,max1*100, max2_index,max2*100, max3_index,max3*100))
 print ("車牌號為: %s" % license_num)

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

網(wǎng)站題目：TensorFlow基于MNIST數(shù)據(jù)集實現(xiàn)車牌識別(初步演示版)-創(chuàng)新互聯(lián)
網(wǎng)址分享：http://chinadenli.net/article8/dgheop.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站導(dǎo)航、網(wǎng)站排名、網(wǎng)站改版、App開發(fā)、企業(yè)網(wǎng)站制作、網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)