[经验]

求一种基于Github开源和RKNN的车牌识别开发方案

2022-4-2 15:28:41

3286 GitHub 开源

1 快速上手

Ø 准备3399pro开发板一块，键盘，鼠标，显示屏

Ø git clone

Ø 下载，在CarLicense打入补丁

Ø 下载附件到CarLicense目录

Ø unzip rknn_test.zip解压文件

Ø python3 train-license-digits.py train训练生成用于数字和字母识别的pb文件

Ø python3 train-license-province.py train训练生成用于省份识别的pb文件

Ø pb模型训练完成之后，进入rknn_test目录，执行python3 rknn_transfer.py转换成rknn模型

Ø 安装matplotlib

sudo dnf install freetype-devel pkg-config libpng-devel pkg-config

pip3 install --user matplotlib

Ø 执行python3 rknn_picture.py进行车牌识别测试

2 概述

一个简单的AI开发sample

Ø Github开源的车牌识别，CNN模型，6个省份，10个数字， 24个字母（I和O不属于车牌）

Ø 类LeNet-5，两个卷积层，两个池化层，一个全连接层，一个Softmax输出层

3 车牌定位和分割原理

3.1 HSV颜色空间介绍

3.2 原始图像

3.3 边缘提取

将图像自适应阈值进行二值化处理

if blur > 0:

img = cv2.GaussianBlur(img, (blur, blur), 0)#图片分辨率调整

oldimg = img

img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

kernel = np.ones((20, 20), np.uint8)

img_opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

img_opening = cv2.addWeighted(img, 1, img_opening, -1, 0);

ret, img_thresh = cv2.threshold(img_opening, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

使用canny算子进行边缘提取

img_edge = cv2.Canny(img_thresh, 100, 200)

3.4 轮廓查找

进行闭操作，去除字符间的空洞

进行开操作，去除多余的干扰点

kernel = np.ones((morphologyr, morphologyc), np.uint8)

img_edge1 = cv2.morphologyEx(img_edge, cv2.MORPH_CLOSE, kernel)

img_edge2 = cv2.morphologyEx(img_edge1, cv2.MORPH_OPEN, kernel)

3.5 颜色识别

统计各种颜色点的数量

H, S, V = cv2.split(card_img_hsv)

#筛选对应颜色的图像数据，并进行二值化

yellow_area = np.where((H > 11) & (H <= 34) & (S > 34), 1, 0)

green_area = np.where((H > 35) & (H <= 99) & (S > 34), 1, 0)

blue_area = np.where((H > 99) & (H <= 124) & (S > 34), 1, 0)

black_area = np.where((H > 0) & (H <= 180) & (S > 0) & (S < 255) & (V > 0) & (V < 46), 1, 0)

white_area = np.where((H > 0) & (H <= 180) & (S > 0) & (S < 43) & (V > 221) & (V < 225), 1, 0)

#对二值化的数据进行求和，得到点的个数

yellow = np.sum(yellow_area)

green = np.sum(green_area)

blue = np.sum(blue_area)

black = np.sum(black_area)

white = np.sum(white_area)

3.6 精确定位

精确定位使用的是线扫的方式，统计行和列上对应颜色的数量，数量过少则相应的行或列进行丢弃

3.7 字符分割

4 RKNN使用解析

Rknn运行相关的源码集中在rknn_test下，目录结构如下所示：

rknn_test/

|-- lpr_digits_predict.rknn //转换之后用于数字和字母预测的rknn模型

|-- lpr_locate.py //车牌定位分割算法

|-- lpr_province_predict.rknn //转换之后用于省份预测的rknn模型

|-- predict-lpr-pb.py //使用TensorFlow和pb模型进行车牌识别

|-- rknn_picture.py //使用RKNN和rknn模型进行车牌识别

|-- rknn_transfer.py //将pb模型转换成rknn模型

`-- 京Q73Y60.jpg //测试用的图片

只看该作者 淘帖0 举报

精选推荐

RK3588的ISP流程问题

1971 浏览 1 评论
synopsys 的design ware：DW_fpv_div，浮点数除法器，默认32位下，想提升覆盖率（TMAX），如果用功能case去提升覆盖率呢？

2470 浏览 1 评论
RK3588 GStreamer调试四路鱼眼摄像头四宫格显示报错

5251 浏览 1 评论
【飞凌嵌入式OK3576-C开发板体验】RKNN神经网络-YOLO图像识别

254 浏览 0 评论
【飞凌嵌入式OK3576-C开发板体验】SSH远程登录网络配置及CAN通讯

1336 浏览 0 评论

快速回复 返回顶部 返回列表

关注微信公众号

电子发烧友网

电子发烧友论坛

社区合作: 刘勇; 联系电话：15994832713; 邮箱地址：liuyong@huaqiu.com

社区管理: elecfans短短; 微信：elecfans_666; 邮箱：users@huaqiu.com

返回瑞芯微Rockchip开发者社区

搜索历史

求一种基于Github开源和RKNN的车牌识别开发方案

相关推荐

评论

精选推荐

站长推荐 /6