基于python的车牌识别系统设计.rar
本资源主要分为三个部分：车牌定位 字符分割 字符识别，每个部分都可单独运行。
车牌定位采用数学形态学和颜色特征相结合的方法。首先对图片进行开闭运算、轮廓检测等数学形态学操作突出车牌区域，然后依据车牌的形状特征去除部分干扰区域，并利用仿射变换对可疑车牌区域进行倾斜矫正，最后根据车牌颜色特征选取最终区域，同时确定车牌的颜色。
字符分割基于投影法，利用二值化图像像素的分布直方图进行分析。其中水平投影确定字符区域并去除上下边框，垂直投影找出相邻字符的分界点，并通过适当算法组合分离的汉字和去除车牌上的分隔点、边缘等干扰；
字符识别基于keras框架，首先搭建卷积神经网络对训练集进行训练，准确率达到97.87%，然后利用训练好的模型对分割下的字符逐一进行识别，最终组成车牌号码，实现车牌识别的目标。
车牌定位采用数学形态学和颜色特征相结合的方法。首先对图片进行开闭运算、轮廓检测等数学形态学操作突出车牌区域，然后依据车牌的形状特征去除部分干扰区域，并利用仿射变换对可疑车牌区域进行倾斜矫正，最后根据车牌颜色特征选取最终区域，同时确定车牌的颜色。
字符分割基于投影法，利用二值化图像像素的分布直方图进行分析。其中水平投影确定字符区域并去除上下边框，垂直投影找出相邻字符的分界点，并通过适当算法组合分离的汉字和去除车牌上的分隔点、边缘等干扰；
字符识别基于keras框架，首先搭建卷积神经网络对训练集进行训练，准确率达到97.87%，然后利用训练好的模型对分割下的字符逐一进行识别，最终组成车牌号码，实现车牌识别的目标。
文件下载
资源详情
[{"title":"（ 32433 个子文件 47.82MB ） 基于python的车牌识别系统设计.rar","children":[{"title":"main.py <span style='color:#111;'> 403B </span>","children":null,"spread":false},{"title":"char_model.h5 <span style='color:#111;'> 6.35MB </span>","children":null,"spread":false},{"title":"letter6.jpg <span style='color:#111;'> 702B </span>","children":null,"spread":false},{"title":"char3.jpg <span style='color:#111;'> 806B </span>","children":null,"spread":false},{"title":"char5.jpg <span style='color:#111;'> 596B </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多，未全部展示</span>","children":null,"spread":false}],"spread":true}]
评论信息
-
-
-
你好明天！！！ :换其它车辆图片无法识别2021-03-02 -
其他资源
- 物联网 智能家居 Qt界面
- Compressed Sensing: Theory and Applications(压缩感知：理论与应用)
- echarts4.2.0
- matlab图像拼接
- STM32网络TCP协议
- MISSILE DATCOM使用教程
- 希赛网网络规划师79篇经典论文
- 现代通信系统（MATLAB版）
- 研究生Unity课程作业，自己做的贪吃蛇游戏
- 基于单片机的录音笔的设计
- 24 司马光 教案.docx
- HX8357-C_AN_v01.02_20110726_PD.rar
- 基于上三邻域连续点计数的激光光斑实时检测
- COM ATL SHELL EXTENSION向IE浏览器添加右键快捷菜单项.zip
- pi network 1.29版本
- 敏捷开发中的RUP中文模版
- 大数据的统计学基础
- 谭浩强 C 第四版 +学习辅导 PDF
- 毕业设计——餐饮管理系统设计与实现
- 基于Python的深度学习
- FTP客户端VC实现
- pl2303_driverinstallerv1.7.0
- apache-tomcat-9.0.19-x64
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明