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

車牌識別在當今社會中廣泛存在,其應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+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訓練和識別/分類自定義圖片》中構建的網(wǎng)絡:
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)另外有需要云服務器可以了解下創(chuàng)新互聯(lián)scvps.cn,海內(nèi)外云服務器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“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(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)站建設公司_創(chuàng)新互聯(lián),為您提供網(wǎng)站導航、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
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、用戶轉載內(nèi)容為主,如果涉及侵權請盡快告知,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)允許不得轉載,或轉載時需注明來源: 創(chuàng)新互聯(lián)