TensorFlow基于MNIST數(shù)據(jù)集實現(xiàn)車牌識別(初步演示版)

更新時間：2019年08月05日 11:21:42 作者：ShadowN1ght

這篇文章主要介紹了TensorFlow基于MNIST數(shù)據(jù)集實現(xiàn)車牌識別(初步演示版)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

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)

然后運行程序，結果如下：