关于任务

• 创建一个模型，该模型将检测实况流或视频中的汽车，并识别汽车号牌上的字符。
• 然后，它将使用字符并使用RTOAPI获取所有者信息，并将在Web门户中显示(使用HTML、CSS和JS)

我们开始吧

在第一部分中，我们创建了一个模型，可以在直播的视频或照片中检测到汽车。为此，我们必须创建汽车的大型数据集，我们使用卷积神经网络(CNN)从这些数据集训练模型。

卷积神经网络(CNN)：

采用“卷积神经网络(CNN)”进行目标检测。它使用一种称为整流线性单位的激活函数。它使用转移学习，这是一种强大的深度学习技术，其中可以使用预先训练的模型进行特征提取。它使用TensorFlow库进行高性能的数值计算。与其他分类算法相比，CNN所需的预处理要低得多。虽然在原始的方法中，过滤器是手工设计的，但经过足够的培训，CNN有能力学习这些过滤器/特性。

它们有三种主要类型的层，它们是：

• 卷积层
• 池化层
• 全连接(FC)层

卷积层是卷积网络的第一层。虽然卷积层之后可以是附加的卷积层或池层，但完全连通的层是最后一层。随着每一层的增加，CNN的复杂性增加，识别出图像的更大部分。早期的图层侧重于简单的功能，如颜色和边缘。当图像数据在CNN的各层中前进时，它开始识别对象的较大元素或形状，直到它最终识别出想要的对象。

因此，我们正在使用这种类型的方法：

现在用于显示和训练模型：

但是现在我们将使用haarcasade_Russia_plate_num.xml从汽车中检测车牌，然后我们测试模型以检查输出。

正如你所看到的，模型运行良好，显示了正确的车牌字符，现在我们的第一部分完成了，让我们开始第二部分。

因此，我们将使用Flask应用程序，在该应用程序中，所有细节的获取都将在API的帮助下进行。

此任务使用的API：-

即时通讯条例没有提供注册用户的详细信息，也可能会有公司为他们提供获取详细信息的接口的服务收费，但有一个我使用过的网站，它免费提供10个请求，睡觉你必须付费。

网址是：carregistrationapi.incarregistrationapi.in

烧瓶应用程序：-

app.py：-

index.html：-

res.html：-

应用程序

所以我们的Web应用程序也工作得很好，这意味着我们的任务已经成功完成。

谢谢你！！