强安智云科技

　　随着科学技术的发展，人工智能技术在我们的生活中的应用越来越广泛，人脸识别、车牌识别、目标识别等众多场景已经落地应用，给我们的生活品质得到很大的提升，办事效率大大提高，同时也节约了大量的劳动力。

　　今天我们来讲一讲车牌识别这个任务，车牌识别技术经过多年的发展，技术路线也呈现多样化，我们来介绍一下其中的两种：

　　第一种，单个字符识别

　　首先，在地面上有传感器感应区域，当有车辆经过时自动进行拍照，然后对拍的照片进行预处理，变成灰度图像，去除噪声等，把一些干扰因素去掉，同时降低图像的大小，便于后期进行边缘提取；

　　其次，利用边缘提取技术，比如canny算子、sobel算子，把图像轮廓提取出来，根据车牌长宽比大概为1:2.5左右把大部分不疑似的去掉；然后，再利用图像灰度值在水平方向和竖直方向上的投影，将字符切割出来；

　　最后，利用模板匹配或者是已经训练好的深度学习模型进行识别，单独把每个字符识别后进行串联得到整张车牌号码。

　　这种方法的瓶颈在于怎么样把每一个字符准确地切割出来，这涉及到很多图像处理技术，比如高斯模糊、图像锐化、图像膨胀、伽马变化、仿射变换等等，目前对于英文字符和数字的识别准确度在96%左右，汉字识别的准确度在95%左右。

　　第二种办法，整张车牌识别

　　首先，与第一种车牌识别一样，利用传感器进行车辆感应，把整辆车进行拍照；

　　其次，利用训练好的车牌检测算法，比如YOLO算法或者其他的目标检测算法把车牌检测出来。为了提升车牌识别的准确度，可以利用图像预处理技术对图像进行处理，降低干扰项；

　　最后，利用已经训练好的深度学习模型对整张车牌进行识别。比如LPRNet、Darknet等

　　## 第一种方法 ——利用 pytesseract 进行识别

　　pytesseract是一个OCR识别工具，具体的 pytesseract 安装可百度安装，直接使用这个工具进行识别得到的准确度还有点低，达不到理想的效果，需要利用车牌数据进行训练才可以使用。

　　## 第二种识别办法——PaddleOCR

　　PaddleOCR 是百度paddlepaddle下的OCR模块，可以用它来识别车牌，直接下载预训练模型进行识别，对于数字和子母都得到不错的准确率，但是针对中文识别的效果并不理想，需要自己的数据集进行再训练。

　　要想利用这个模型进行训练车牌识别，需要大量的车牌数据，人工收集不仅耗费时间长，要涉及每个省份的车牌需要比较大的成本。

　　另外的办法是利用图像处理技术进行数据生成，加上图像增强技术来制作数据集，这将在我们的第三章识别方法中讲到。

　　将结果导出到Excel文件夹

　　## 第三种办法 ——LPRNet算法

　　由于要收集满足深度学习的数据需要花费大量的时间，有一种办法是通过数据生成的办法生成大量的模拟数据集。

　　紧接着，我们可以利用LPRNet算法进行车牌识别，从GitHub上下载有tensorflow、torch两个版本。

　　第一步，生成蓝色车牌数据集

　　第二步，根据算法模型要求将图像名称修改并放到指定的文件夹中

　　第三步，模型训练和测试

　　## (1) 蓝色车牌生成

　　需要生成多少张车牌数据可通过修改最后一行代码的数字即可

　　## (2) 生产黄色车牌

　　生成车牌的步骤是把字符写到纯净的背景图片上，蓝色的车牌是把白色的字写到蓝色底的车牌上，可以直接把字符写到底牌上去，但是黄色底的车牌不能简单把黑色字写上去，写上去的结果是字符被隐藏起来，需要特别处理。

　　正确的做法是：

　　第一步，构造一张车牌大小的纯黑色车牌，往上面写白色字符

　　第二步，将黑白色进行反转，把这牌的字符和背景进行翻转

　　第三步，将一张没有字符的黄色底牌和反转后的车牌进行结合，然后经过高斯模糊、改变光线、旋转角度等各种随机组合模拟出于生活中拍摄处理的图像。

　　字符和背景反转

　　字符和底牌相结合，并进行畸变、模糊、旋转等各种方法，构造出多种多样的车牌图像。

　　## (3) 生产新能源车牌

　　新能源车牌的生成办法与黄色车牌的生成办法是一样的，但是新能源车牌长度比蓝牌、黄牌多一位，而且指定第三个字符为D或者F，但是我们我们在生成时不考虑，只是修改代码让程序生成同样长度的车牌即可。

　　以上为车牌生成部分代码，其他代码参考之前的部分

　　(4) 重命名各种车牌名称，使得它适合训练便签生成要求

　　(5) 统计各个省份的车牌数量

　　主要是确认中文字符数量均衡

　　(6) 把车牌移动到训练和测试两个文件夹中

　　(7) 模型训练及测试

　　接下来进行模型训练。。。 （略）

　　用第三种方法 LPRNet 来进行车牌识别这个项目是一个很不错的，涉及到图像处理，深度学习等各种图像相关的知识，完成这个项目训练后，项目工程能力得到较大提升，对于以后找工作和工作中遇到的问题处理都有比较大的帮助。

　　能认真看到这的小伙伴帮忙点个赞！