以前也做過類似的專案，然而並沒有寫下總結之類的東西。今日突發奇想記錄一下，以備後續檢視，不對之處敬請指出。
接下來是填充血肉的過程。先看車牌定位，由於車牌定位是整個專案的第一部分，車牌的定位精度必然關聯著整個專案識別的精度。然而由於光照，天氣等因素的影響，車牌定位的精度要達到100%實際上是非常困難的。常規的方法無外乎根據邊緣來定位，根據顏色資訊來定位，根據其他特徵來定位等。用到的演算法有傳統的影象預處理的方法，也有機器學習的一些方法如隱馬爾可夫模型，支援向量機，adaptive boosting方法等。根據邊緣資訊來定位車牌是最簡單也是最常用的方法之一，但是受光照等外在雜訊影響也比較大。通過顏色資訊來判斷看似可靠，然而通用性卻有待提高，比如只能識別一國車牌，另外顏色資訊在不同的光照下又不一樣。最後穩定的方法就剩下通過提取影象的harr-like特徵或者其他特徵採用機器學習的方法來定位車牌，在資料集設定合理訓練合適的情況，魯棒性非常強。
而字元分割採用投影的方法，隱馬爾可夫模型等都可以去實現。相比較這些方法而言，投影的方法簡單也比較魯棒。更重要的是在字元分割之前對影象做的增強操作。同樣由於光照等的影響，普通的影象增強方法在增強字元的同時也增強了背景，在減弱前景的時候也會減弱背景。文獻《a new algorithm for character segmentation of license plate 》提到的方法或許可以一試：由於《a high performance license plate recognition system 》指出字元只佔整個車牌影象的20%左右。將影象的灰度由0--255變換到0--100，然後將影象的灰度值按照降序排序，將前20%的灰度再變化到0--255的範圍，這樣就將字元增強了，而將背景模糊了（這裡假設背景是黑色，字元是白色的情況）。影象增強後（準確的說應該是目標增強）進行垂直投影水平投影後即可比較準確的切分出字元。
最後車牌識別階段採用開源框架tesseract或者其他的框架都可以去做，但是需要訓練對中文字元的識別。或者採用ann、svm等機器學習的方法來做識別即可。
車牌識別系統之車牌自動校正方法總結
2018 07 27 21 53 技術 車牌識別技術的實現過程簡單分為 獲取影象 預處理 車牌定位 車牌校正 字元分割 字元識別。今天咱們就著重來分享下 車牌校正 過程。由於受拍攝角度 鏡頭等因素的影響，影象中的車牌存在水平傾斜 垂直傾斜或梯形畸變等變形，這給後續的識別處理帶來了困難。如果在定位到車...
HyperLPR車牌識別技術演算法之車牌粗定位與訓練
車牌識別是使用ocr來識別車牌的一種應用方式，車牌識別在國內經歷了十年乃至二十年的發展，在文通，火眼臻睛等一些公司的努力下，中文車牌識別技術基本趨於成熟，基本在能強光，夜晚，光照不均勻，多姿態等惡劣情況下進行穩定的識別，其商業應用也相對比較廣泛，從停車場到交通卡口，公司門禁都有涉及。車牌相比人臉，這...
tensorflow 車牌識別專案（二）
本節的任務是識別車牌字元，前提是已經定位好了車牌。至於車牌定位見系列一 本節我就不詳細講了，先看看資料長啥樣的 講講思路 1.首先還是要生成tensorflow訓練的tfrecord檔案。執行gen tfrecord.py.其中我們提取每張影象和對應標籤儲存下來 這裡涉及到字元與數字標籤的乙個對應字...