车牌自动识别

自动车牌识别，通常被称为ANPR，于20世纪80年代首次在英国引入，此后已成为交通管理中的一项主要内容。那么，我们需要ANPR的原因是什么呢？

以下是ANPR提供的优势：

所以，首先，我将在这里向你展示如何在没有任何深度学习或任何类型的模型训练的情况下制作一个实时的™系统。

首先，用户必须连接到连接的网络摄像头才能访问实况流。然后，将其转换为灰度图像，因为检测的工作原理与彩色图像相同。这里的图像流可能带有噪声，这可能是检测车牌边缘的屏障。因此，我将使用cv2.bilateralFilter()，它将平滑图像并减少噪声，同时保留边缘。(Iâuro™将使用cv2.bilateralFilter()，它将平滑图像并减少噪声，同时保留边缘。下面的内容如下所示：

你可以看到图像是平滑的，图像中没有重新出现的噪音，同时边缘也可以被正确地看到。因此，下一步是找到图像中存在的边缘。可以通过使用cv2.canny()函数来完成此操作，该函数如下所示：

下一步是找到轮廓线，并从中选择最好的车牌形状，即矩形或正方形。

一旦我们选择了特定数量的等高线(根据要求而有所不同)。下一步是创建蒙版，然后在蒙版上绘制轮廓，然后将蒙版与从实况流捕获的图像混合。

要获得ROI(感兴趣区域)，您必须找到-欧元˜掩码=255时的位置。然后，通过抓取适当的点，可以从完整的图像中裁剪出车牌图像。下一步也是最后一步是对抓取的车牌图像进行光学字符识别，将车牌内容显示在屏幕上。

That？Euro™就是这样。你的，完全正常工作的ANPR系统已经准备好了。当然，这不会像YOLO或任何其他深度学习对象检测模型那样优化。不过，你得到的表演还是会不错的。

在这里，我附上了一些图片，展示了这将会是什么样子：

GitHub链路GitHub Link

谢谢!

尼萨尔格·卡查里亚(Nisarg Khacharia)Nisarg Khacharia