python车牌识别系统开源代码_Python+Tensorflow+CNN实现车牌识别的示例代码.pdfVIP

python车牌识别系统开源代码_Python+Tensorflow+CNN实现 车牌识别的⽰例代码 ⼀、项⽬概述 本次项⽬⽬标是实现对⾃动⽣成的带有各种噪声的车牌识别。在噪声⼲扰情况下，车牌字符分割较困难，此次车牌识别是将车牌7个字符同 时训练，字符包括31个省份简称、10个阿拉伯数字、24个英⽂字母（O和I除外），共有65个类别，7个字符使⽤单独的loss函数进⾏训 练。 （运⾏环境：tensorflow1.14.0-GPU版） ⼆、⽣成车牌数据集 import os import cv2 as cv import numpy as np from math import * from PIL import ImageFont from PIL import Image from PIL import ImageDraw index = {京: 0, 沪: 1, 津: 2, 渝: 3, 冀: 4, 晋: 5, 蒙: 6, 辽: 7, 吉: 8, ⿊: 9, 苏: 10, 浙: 11, 皖: 12, 闽: 13, 赣: 14, 鲁: 15, 豫: 16, 鄂: 17, 湘: 18, 粤: 19, 桂: 20, 琼: 21, 川: 22, 贵: 23, 云: 24, 藏: 25, 陕: 26, ⽢: 27, 青: 28, 宁: 29, 新: 30, 0: 31, 1: 32, 2: 33, 3: 34, 4: 35, 5: 36, 6: 37, 7: 38, 8: 39, 9: 40, A: 41, B: 42, C: 43, D: 44, E: 45, F: 46, G: 47, H: 48, J: 49, K: 50, L: 51, M: 52, N: 53, P: 54, Q: 55, R: 56, S: 57, T: 58, U: 59, V: 60, W: 61, X: 62, Y: 63, Z: 64} chars = [京, 沪, 津, 渝, 冀, 晋, 蒙, 辽, 吉, ⿊, 苏, 浙, 皖, 闽, 赣, 鲁, 豫, 鄂, 湘, 粤, 桂, 琼, 川, 贵, 云, 藏, 陕, ⽢, 青, 宁, 新, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, A, B, C, D, E, F, G, H, J, K, L, M, N, P, Q, R, S, T, U, V, W, X, Y, Z] def AddSmudginess(img, Smu): 模糊处理 :param img: 输⼊图像 :param Smu: 模糊图像 :return: 添加模糊后的图像 rows = r(Smu.shape[0] - 50) cols = r(Smu.shape[1] - 50) adder = Smu[rows:rows + 50, cols:cols + 50] adder = cv.resize(adder, (50, 50)) img = cv.resize(img,(50,50)) img = cv.bitwise_not(img) img = cv.bitwise_and(adder, img) img = cv.bitwise_not(img) return img def rot(img, angel, shape, max_angel): 添加透视畸变 size_o = [shape[1], shape[0]] s