车牌识别算法基于yolov5的车牌检测+crnn中文车牌识别支持12种中文车牌识别

原创

已于 2023-05-07 15:22:56 修改 · 3w 阅读

380

于 2022-10-08 11:16:13 首次发布

本文介绍了一种基于YoloV5的车牌识别系统，该系统支持12种中文车牌类型的检测与识别，并通过关键点定位进行车牌矫正，提高识别准确率。

yolov5 车牌识别算法，支持12种中文车牌类型基于yolov5的车牌检测车牌矫正以及基于CRNN的车牌识别

1.单行蓝牌 2.单行黄牌 3.新能源车牌 4.白色警用车牌 5 教练车牌 6 武警车牌 7 双层黄牌 8 双层武警 9 使馆车牌 10 港澳牌车 11 双层农用车牌 12 民航车牌
效果如下：请添加图片描述

基于yolov5车牌检测

车牌检测+关键点定位

1.第一步是目标检测，目标检测大家都很熟悉，常见的yolo系列，这里的话我用的是我修改后的yolov5系列），用yolov5训练的车牌检测效果如下：
在这里插入图片描述

如果对上面这样图片进行识别的话，那么干扰信息很多，会造成误识别，这里就是为什么要进行关键点识别，假设我们得到车牌的四个角点坐标：
通过透视变换，透视变换即可得到下图：
在这里插入图片描述
这样的图片进行识别的话就会非常容易了
所以在检测的同时，我们需要进行关键点定位
透视变换代码：

def four_point_transform(image, pts):
    # obtain a consistent order of the points and unpack them
    # individually
    rect = order_points(pts)
    (tl, tr, br, bl) = rect
 
    # compute the width of the new image, which will be the
    # maximum distance between bottom-right and bottom-left
    # x-coordiates or the top-right and top-left x-coordinates
    widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))
    widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))
    maxWidth = max(int(widthA), int(widthB))
 
    # compute the height of the new image, which will be the
    # maximum distance between the top-right and bottom-right
    # y-coordinates or the top-left and bottom-left y-coordinates
    heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1]