1.车牌检测和识别项目介绍
车牌的检测和识别的应用非常广泛，比如交通违章车牌追踪，小区或地下车库门禁。在对车牌识别和检测的过程中，因为车牌往往是规整的矩形，长宽比相对固定，色调纹理相对固定，常用的方法有：基于形状、基于色调、基于纹理、基于文字特征等方法，近年来随着深度学习的发展也会使用目标检测的一些深度学习方法。该项目主要的流程如下图所示：
1.输入原始图片，通过二值化，边缘检测，和基于色调的颜色微调等办法检测出原图中的车牌号的位置；
2.把检测到的车牌(ROI)裁剪，为车牌号的识别做准备；
3.基于裁剪的车牌号，使用直方图的波峰波谷分割裁剪的车牌号（如上图中的第3步）
4.训练机器学习模型做车牌识别，这里训练了2个SVM,一个SVM用来识别省份简称(如 鲁)，另一个SVM用来识别字母和数字。
5.通过PyQt5把整个算法封装成GUI程序，并打包发布安装软件。
2.项目代码解析
下图描述了整个项目的代码结构，其结构如下：
- 目标检测/文本检测系列算法讲解课程(13课时)
- 机器学习系列算法理论讲解课程(20课时)
- 深度神经网络算法(38课时)
- 知识图谱(11课时)
↓
3.项目演示
这里展示一些识别结果和测试视频：
基于谷歌街景多位数字识别技术：TensorFlow的车牌号识别系统
机器学习算法AI大数据技术
搜索公众号添加： datanlp
长按图片，识别二维码
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
