Car-number-plate-detection-and-recognition

KO | EN

gitlite — search

#python #react #ai #llm #machine-learning #deep-learning #linux #docker #nodejs #macos #java #cli #pytorch #open-source

Car-number-plate-detection-and-recognition

(★ 22)

Script that can make detection of a car number-plate and recognize it

Car-number-plate-detection-and-recognition 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

## **Скрипт выполняющий детектирование и распознование автомобильного номера**
В качестве детектора обучена использована модель ssd_inception_v2 из tensorflow object detection model zoo.  
Данные для обучения датасет с номерами РФ. Обучающая выборка - около 3000 изображений.  
Также использованы вспомогательные функции входящие в состав tensorfow Object detection API (визуализация детектирования и тд).  
В качестве OCR - tesseract

### На вход принимает: 
 * m - режим работы: 0 - режим детектирования на изображении; 1 - режим видео-детектирования.
 * i - путь к изображению для детектирования, для режима детектирования на изображении.

### На выходе: 
В случае режима детектирования на изображении - изображение с bbox'ом вокруг детектированного номера,  
 список со строками распознанных номеров.  
В случае детектирования на видео - окно с детектированием в реальном времени, вывод списка строк с распознанными номерами.

## **Настройка окружения для запуска скрипта:**  
Скрипт для своей работы использует несколько вспомогательных инструментов, а именно:  
* **tensorflow object detection API** - для работы с нейросетевой моделью SSD_inception_v2 переобученную для обнаружения номеров автомобилей;  
* **tesseract** - в качестве open source OCR движка;  
* а также сопутсвующие и вспомогательные Python библиотеки и фреймворки;

**Для запуска скрипта необходимо выполнить следующие действия:**  
1. Выполнить установку **tensorflow object detection API**  
    * клонировать [репозиторий tf models](https://github.com/tensorflow/models "Tensorflow Models") в любую удобную для себя директорию;  
    * добавить в переменную PYTHONPATH (или PATH на выбор) следующие пути (для Linux слэши в другую сторону - / ):  
        [ директория tensorflow models ]\research;  
        [ директория tensorflow models ]\research\slim;  
        [ директория tensorflow models ]\research\nets;  
        [ директория tensorflow models ]\research\object_detection;  
        [ директория tensorflow models ]\research\object_detection\utils;  
2. Выполнить установку tesseract [tesseract для Windows](https://github.com/UB-Mannheim/tesseract/wiki) (не забыть при установки  выбрать русский язык), [tesseract для Linux](https://github.com/tesseract-ocr/tesseract/releases) или для Linux можно использовать команду: 
    ```
    apt-get install tesseract-ocr-rus   
    ```
3. Установить пакеты для Python:  
    * pytesseract - для взаимодействия между python и tesseract;
    ```
    pip install pytesseract
    ```
    * tensorflow - для использования нейросетевой модели и детектирования авто номеров; 
    ```
    pip install tensorflow
    ```
    * pycocotools - необходим для *tensorflow models* 
        * [для Windows](https://github.com/philferriere/cocoapi)  
        Важно: вы должны иметь Visual C++ 2015 build tools в переменной PATH.  
        Если у вас его нет, установите [по сслылке](https://go.microsoft.com/fwlink/?LinkId=691126)  
        Выполните команду:
        ```
        pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
        ```
        * для Linux скачать [репозиторий](https://github.com/cocodataset/cocoapi) и сделать  "make" в директории coco/PythonAPI;

* Cython, Numpy, Opencv, Matplotlib, path.py
    ```
    pip install cython numpy matplotlib opencv-python path.py pycocotools
    ```
4. Перевести .proto в .pb в папке _tensorflow/models/research/object_detection/protos/_  
    Для этого  
    **для Linux**  
    * необходимо выполнить установку  protobuf compiler'а  3-ей версии:
        ```
        sudo curl -OL https://github.com/google/protobuf/releases/download/v3.6.1/protoc-3.6.1-linux-x86_64.zip
        unzip protoc-3.6.1-linux-x86_64.zip -d protoc3 
        mv protoc3/bin/* /usr/local/bin/
        mv protoc3/include/* /usr/local/include/
        ```
    * После чего выполнить:

```
        cd tensorflow/models/research && protoc object_detection/protos/*.proto --python_out=.  
        ```

**для Windows**  
    * скачать **Nuget** [по ссылке](https://www.nuget.org/downloads)
    * добавить папку с nuget.exe в переменную среды **PATH**
    * загрузить **Google.Protobuf.Tools** с помощью команды:
        ``` 
        nuget.exe install Google.Protobuf.Tools 
        ```

* добавить в переменную среды **PATH** путь к protoc.exe например D:\Nuget\Google.Protobuf.Tools.3.4.0\tools\windows_x64
    * использовать protoc для конвертации .proto в .pb с помощь. команды:
        ```
        cd tensorflow/models/research
        protoc object_detection/protos/*.proto --python_out=.
        ```

## **Готово! Можно запускать!**

### Пример использования:
В командной строке либо терминале ввести:  
Для изображений:
```
python car_number_detector_ssd.py -m 0 -i image_to_detection.jpg
```
Для видео: 
```
python car_number_detector_ssd.py -m 1 
```

### Возможные варианты улучшения:
* улучшение OCR функции - на данный момент используется tesseract;
* улучшение предобработки изображения перед OCR;
* выравнивание номера перед подачей на OCR, удаление искажений.

### Иные возможные пути решения задачи:
* Использовать детектор граней из opencv для нахождения прямоугольной рамки номеров (распространенное решение в сети), но если на номерахблики или грязь то работать не будет.
* Использовать каскады Хаара для детектирования номеров - каскады шумят (много ложных детекций).
* Использование кастомного OCR решения.

Car-number-plate-detection-and-recognition

Car-number-plate-detection-and-recognition 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Car-number-plate-detection-and-recognition

Car-number-plate-detection-and-recognition 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README