本文链接：基于u-net，cv2以及cnn的中文车牌定位，矫正和端到端识别软件_车牌图像增强-CSDN博客，转载请注明出处

完整项目已上传至github: End-to-end-for-chinese-plate-recognition/License-plate-recognition at master · duanshengliu/End-to-end-for-chinese-plate-recognition · GitHub

喜欢的话顺手点个star，谢谢支持

整体思路：1.利用u-net图像分割得到二值化图像，2.再使用cv2进行边缘检测获得车牌区域坐标，并将车牌图形矫正，3.利用卷积神经网络cnn进行车牌多标签端到端识别

实现效果：拍摄角度倾斜、强曝光或昏暗环境等都能较好地识别，甚至有些百度AI车牌识别未能识别的图片也能识别

环境：python:3.6, tensorflow:1.15.2, opencv: 4.1.0.25

1.车牌定位

首先贴一下图像分割的效果图：

我们可以通过图像分割算法对一张输入图片进行分割，分割后的图形其实是对原图中的区域进行的分类标注，例如这里我们可以将原图标注为2类，一类就是车牌区域，还有一类就是无关的背景区域。说到标注图形就不得不说labelme了，我们可以在cmd界面通过命令 pip install labelme 进行labelme库的安装，安装结束在cmd界面输入labelme即可打开lablem软件的标注界面如下：

1. OpenDir ，选择我们准备好的车辆数据集(注意:一定要先把图片全都resize为训练时所需的大小，再进行标注。我们知道图片数据的范围是0-255，背景为黑色0，车牌区域为255，我们需要的是标注好的图片即img_mask中值只有{0,255}这2种，如果我们不先resize，标注完再resize会导致一个大问题，就是数据的值并不是二类，会出现{0,1,10,248,251,255}等类似的多值问题，我在之前就遇到这样的问题，不得已又重新标注了300多张图)

2. 左上角File—>将Save Automatically勾选上，Change Output Dir选择保存路径，我这里是在桌面D:/desktop/下新建了一个文件夹命名为labelme，在labelm文件夹中新建了一个json文件夹用于保存我们标注的json数据，这里我们Change Output Dir的保存路径就选它，还新建了一个data文件夹用于存放后续转换的图片数据，而待标注图片在pic文件中，存放的都是resize好的512×512的图片，命名格式最好像我这样

3. 准备好上述一切就可以开始标注了，软件左侧的   这是画任意多边形的按钮，鼠标左键进行标注，最后双击鼠标左键会锁定标注区域，出现如下图界面，第一次标注需输入名称，后续标注就自动显示了，ok后标注的线条变为红色，同时json文件夹也会相应保存和pic名字对应的json文件：

4. 全部标注结束后，使用如下代码将json数据提取出来并保存到train_image和train_label文件夹中，u-net部分的数据集我一共标注了1200多张，最终效果很棒，达到了定位的效果

import os import cv2 import numpy as np #将json文件label转换为到data文件夹 n=1200#n为总共标注的图片数 for i in range(n): os.system('labelme_json_to_dataset D:/desktop/labelme/json/%d.json -o D:/desktop/labelme/data/%d_json'%(i,i)) #dst_w=512 #dst_h=512 #dst_shape=(dst_w,dst_h,3) train_image = 'D:/desktop/labelme/train_image/' if not os.path.exists(train_image): os.makedirs(train_image) train_label = 'D:/desktop/labelme/train_label/' if not os.path.exists(train_label): os.makedirs(train_label) for i in range(n): print(i) img=cv2.imread('D:/desktop/labelme/data/%d_json/img.png'%i) label=cv2.imread('D:/desktop/labelme/data/%d_json/label.png'%i) print(img.shape) label=label/np.max(label[:,:,2])*255 label[:,:,0]=label[:,:,1]=label[:,:,2] print(np.max(label[:,:,2])) # cv2.imshow('l',label) # cv2.waitKey(0) print(set(label.ravel())) cv2.imwrite(train_image+'%d.png'%i,img) cv2.imwrite(train_label+'%d.png'%i,label)

这样一来，标注好的u-net训练图片就准备好了，分别在train_image和train_label文件夹中，一并放在unet_datasets文件夹内，如下图所示：

接下来是u-net模型搭建和训练，使用tensorflow的keras实现，贴一下我训练u-net用的代码：

def unet_train(): height = 512 width = 512 path = 'D:/desktop/unet_datasets/' input_name = os.listdir(path + 'train_image') n = len(input_name) print(n) X_train, y_train = [], [] for i in range(n): print("正在读取第%d张图片" % i) img = cv2.imread(path + 'train_image/%d.png' % i) label = cv2.imread(path + 'train_label/%d.png' % i) X_train.append(img) y_train.append(label) X_train = np.array(X_train) y_train = np.array(y_train) def Conv2d_BN(x, nb_filter, kernel_size, strides=(1, 1), padding='same'): x = layers.Conv2D(nb_filter, kernel_size, strides=strides, padding=padding)(x) x = layers.BatchNormalization(axis=3)(x) x = layers.LeakyReLU(alpha=0.1)(x) return x def Conv2dT_BN(x, filters, kernel_size, strides=(2, 2), padding='same'): x = layers.Conv2DTranspose(filters, kernel_size, strides=strides, padding=padding)(x) x = layers.BatchNormalization(axis=3)(x) x = layers.LeakyReLU(alpha=0.1)(x) return x inpt = layers.Input(shape=(height, width, 3)) conv1 = Conv2d_BN(inpt, 8, (3, 3)) conv1 = Conv2d_BN(conv1, 8, (3, 3)) pool1 = layers.MaxPooling2D(pool_size=(2, 2), strides=(2, 2), padding='same')(conv1) conv2 = Conv2d_BN(pool1, 16, (3, 3)) conv2 = Conv2d_BN(conv2, 16, (3, 3)) pool2 = layers.MaxPooling2D(pool_size=(2, 2), strides=(2, 2), padding='same')(conv2) conv3 = Conv2d_BN(pool2, 32, (3, 3)) conv3 = Conv2d_BN(conv3, 32, (3, 3)) pool3 = layers.MaxPooling2D(pool_size=(2, 2), strides=(2, 2), padding='same')(conv3) conv4 = Conv2d_BN(pool3, 64, (3, 3)) conv4 = Conv2d_BN(conv4, 64, (3, 3)) pool4 = layers.MaxPooling2D(pool_size=(2, 2), strides=(2, 2), padding='same')(conv4) conv5 = Conv2d_BN(pool4, 128, (3, 3)) conv5 = layers.Dropout(0.5)(conv5) conv5 = Conv2d_BN(conv5, 128, (3, 3)) conv5 = layers.Dropout(0.5)(conv5) convt1 = Conv2dT_BN(conv5, 64, (3, 3)) concat1 = layers.concatenate([conv4, convt1], axis=3) concat1 = layers.Dropout(0.5)(concat1) conv6 = Conv2d_BN(concat1, 64, (3, 3)) conv6 = Conv2d_BN(conv6, 64, (3, 3)) convt2 = Conv2dT_BN(conv6, 32, (3, 3)) concat2 = layers.concatenate([conv3, convt2], axis=3) concat2 = layers.Dropout(0.5)(concat2) conv7 = Conv2d_BN(concat2, 32, (3, 3)) conv7 = Conv2d_BN(conv7, 32, (3, 3)) convt3 = Conv2dT_BN(conv7, 16, (3, 3)) concat3 = layers.concatenate([conv2, convt3], axis=3) concat3 = layers.Dropout(0.5)(concat3) conv8 = Conv2d_BN(concat3, 16, (3, 3)) conv8 = Conv2d_BN(conv8, 16, (3, 3)) convt4 = Conv2dT_BN(conv8, 8, (3, 3)) concat4 = layers.concatenate([conv1, convt4], axis=3) concat4 = layers.Dropout(0.5)(concat4) conv9 = Conv2d_BN(concat4, 8, (3, 3)) conv9 = Conv2d_BN(conv9, 8, (3, 3)) conv9 = layers.Dropout(0.5)(conv9) outpt = layers.Conv2D(filters=3, kernel_size=(1, 1), strides=(1, 1), padding='same', activation='relu')(conv9) model = models.Model(inpt, outpt) model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) model.summary() print(np.max(X_train)) print(np.max(y_train)) print(X_train.shape) model.fit(X_train, y_train, epochs=100, batch_size=15)#epochs和batch_size看个人情况调整，batch_size不要过大，否则内存容易溢出 #我11G显存也只能设置15-20左右，我训练最终loss降低至250左右，acc约95%左右 model.save('unet.h5') print('unet.h5保存成功!!!') 

2.车牌矫正

接着训练u-net得到unet.h5。我们可以先利用百度API进行车牌标注，那部分可以见我上一篇博客：使用百度API和u-net进行车牌图片的自动标注_车辆图片自动遮挡车牌 api-CSDN博客，那里讲述了如何高效的将整张图片标注好，标注好再利用u-net进行图像分割就可以轻松高效地获得标注好的车牌图片了，贴一下u-net分割和cv2矫正的代码

import os import cv2 import numpy as np from tensorflow import keras def unet_predict(unet,img_src_path): img_src= cv2.imdecode(np.fromfile(img_src_path, dtype=np.uint8), -1)#从中文路径读取时用 # img_src=cv2.imread(img_src_path) if img_src.shape!=(512,512,3): img_src=cv2.resize(img_src,dsize=(512,512))[:,:,:3]#dsize=(宽度,高度),[:,:,:3]是防止图片为4通道图片，后续无法reshape img_src=img_src.reshape(1,512,512,3)#预测图片shape为(1,512,512,3) img_mask=unet.predict(img_src)#归一化除以255后进行预测 img_src=img_src.reshape(512,512,3)#将原图reshape为3维 img_mask=img_mask.reshape(512,512,3)#将预测后图片reshape为3维 img_mask=img_mask/np.max(img_mask)*255#归一化后乘以255 img_mask[:,:,2]=img_mask[:,:,1]=img_mask[:,:,0]#三个通道保持相同 img_mask=img_mask.astype(np.uint8)#将img_mask类型转为int型 return img_src,img_mask def locate(img_src,img_mask,name): """ 该函数通过cv2对img_mask进行边缘检测，获取车牌区域的边缘坐标(存储在contours中)和最小外接矩形4个端点坐标, 再从车牌的边缘坐标中计算出和最小外接矩形4个端点最近的点即为平行四边形车牌的四个端点,从而实现车牌的定位和矫正 :param img_src: 原始图片 :param img_mask: 通过u_net预测得到的二值化图片，车牌区域呈现白色，背景区域为黑色 :return: 定位且矫正后的车牌 """ contours, hierarchy = cv2.findContours(img_mask[:, :, 0], cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if not len(contours):#contours1长度为0说明未检测到车牌 print("未检测到车牌") else: flag=0#默认flag为0，因为不一定有车牌区域 for ii,cont in enumerate(contours): x, y, w, h = cv2.boundingRect(cont)#获取最小外接矩形 img_cut_mask=img_mask[y:y+h,x:x+w]#将标签车牌区域截取出来 if np.mean(img_cut_mask)>=75 and w>15 and h>15: rect = cv2.minAreaRect(cont)#针对坐标点获取带方向角的最小外接矩形，中心点坐标，宽高，旋转角度 box = cv2.boxPoints(rect).astype(np.int32)#获取最小外接矩形四个顶点坐标 cv2.drawContours(img_mask, contours, -1, (0, 0, 255), 2) cv2.drawContours(img_mask, [box], 0, (0, 255, 0), 2) cont=cont.reshape(-1,2).tolist() #由于转换矩阵的两组坐标位置需要一一对应，因此需要将最小外接矩形的坐标进行排序，最终排序为[左上，左下，右上，右下] box=sorted(box,key=lambda xy:xy[0])#先按照左右进行排序，分为左侧的坐标和右侧的坐标 box_left,box_right=box[:2],box[2:]#此时box的前2个是左侧的坐标，后2个是右侧的坐标 box_left=sorted(box_left,key=lambda x:x[1])#再按照上下即y进行排序，此时box_left中为左上和左下两个端点坐标 box_right=sorted(box_right,key=lambda x:x[1])#此时box_right中为右上和右下两个端点坐标 box=np.array(box_left+box_right)#[左上，左下，右上，右下] x0,y0=box[0][0],box[0][1]#这里的4个坐标即为最小外接矩形的四个坐标，接下来需获取平行(或不规则)四边形的坐标 x1,y1=box[1][0],box[1][1] x2,y2=box[2][0],box[2][1] x3,y3=box[3][0],box[3][1] def point_to_line_distance(X,Y): if x2-x0: k_up=(y2-y0)/(x2-x0)#斜率不为无穷大 d_up=abs(k_up*X-Y+y2-k_up*x2)/(k_up2+1)0.5 else:#斜率无穷大 d_up=abs(X-x2) if x1-x3: k_down=(y1-y3)/(x1-x3)#斜率不为无穷大 d_down=abs(k_down*X-Y+y1-k_down*x1)/(k_down2+1)0.5 else:#斜率无穷大 d_down=abs(X-x1) return d_up,d_down d0,d1,d2,d3=np.inf,np.inf,np.inf,np.inf l0,l1,l2,l3=(x0,y0),(x1,y1),(x2,y2),(x3,y3) for each in cont: #计算cont中的坐标与矩形四个坐标的距离以及到上下两条直线的距离，对距离和进行权重的添加，成功选出四边形的4个顶点坐标 x,y=each[0],each[1] dis0=(x-x0)2+(y-y0)2 dis1=(x-x1)2+(y-y1)2 dis2=(x-x2)2+(y-y2)2 dis3=(x-x3)2+(y-y3)2 d_up,d_down=point_to_line_distance(x,y) weight=0.975 if weight*d_up+(1-weight)*dis0<d0: d0=weight*d_up+(1-weight)*dis0 l0=(x,y) if weight*d_down+(1-weight)*dis1<d1: d1=weight*d_down+(1-weight)*dis1 l1=(x,y) if weight*d_up+(1-weight)*dis2<d2: d2=weight*d_up+(1-weight)*dis2 l2=(x,y) if weight*d_down+(1-weight)*dis3<d3: d3=weight*d_down+(1-weight)*dis3 l3=(x,y) p0 = np.float32([l0,l1,l2,l3])#左上角，左下角，右上角，右下角，形成的新box顺序需和原box中的顺序对应，以进行转换矩阵的形成 p1= np.float32([(0,0),(0,80),(240,0),(240,80)]) transform_mat=cv2.getPerspectiveTransform(p0,p1)#构成转换矩阵 lic=cv2.warpPerspective(img_src,transform_mat,(240,80))#进行车牌矫正 if len(contours)==1:#只有一个区域可以认为是车牌区域 flag+=1 print('saving ',save_path+name[0:7]+'.png') # cv2.imshow('lic',lic) # cv2.waitKey(0) cv2.imencode('.png',lic)[1].tofile(save_path+name[0:7]+'.png') if not flag: print("未检测到车牌区域或车牌区域过小") if __name__ == '__main__': test_path='D:/Desktop/baidu/'#利用百度API标注或手动标注好的图片 save_path='D:/desktop/license/'#车牌图片保存路径 unet_path = 'unet.h5' listdir=os.listdir(test_path) unet=keras.models.load_model(unet_path) # print(listdir) for name in listdir: print(name) img_src_path=test_path+name img_src,img_mask=unet_predict(unet,img_src_path) locate(img_src,img_mask,name) 

上述代码关键部分是要获取车牌四边形的四个顶点，一开始只使用cont中坐标到外接矩形四个端点的距离，发现对于倾斜度很高的车牌效果可能不佳，见下图，可以观察到，计算得到的4个黄色坐标中，左右有2个黄色点并不处在四边形的顶点位置，这样矫正效果大打折扣，同时也会影响后续的识别效果

发现上述问题后，我又想了个方法就是加入了上述的point_to_line_distance函数，即还计算坐标点到上下两条边的距离，并添加了权重，经过调整权重设置为0.975倍的点线距离，0.025点到端点距离时整体效果较佳，最终矫正效果如下图：

矫正效果大大改善后，识别率也将大大提高。

最终运行后上述代码后，提取的license文件夹中的车牌图如下：

由于某些省份的车牌图片网上比较少，且有些图片清晰度不佳，为了防止数据不均衡，因此我又对数据集进行了数据增强，总共标注了3万3千多张车牌图片

最终统计的频数图如下:

但是数据增强所增加的信息还是有限，某些省份如 藏，青，贵等由于训练图片少，或是图片不清晰，因此可能存在识别错误的情况，但是整体识别准确率还是很高的

3.车牌识别

我们的输入图片就是上述的宽240，高80的车牌图片，要实现车牌的端到端识别，显然是多标签分类问题，每张输入图片有7个标签，模型输出前的结构都是可以共享的，只需将输出修改为7个即可，7个输出对应了7个loss，总loss就是7个loss的和，使用keras可以很方便地实现，训练cnn的代码如下：

def cnn_train(): char_dict = {"京": 0, "沪": 1, "津": 2, "渝": 3, "冀": 4, "晋": 5, "蒙": 6, "辽": 7, "吉": 8, "黑": 9, "苏": 10, "浙": 11, "皖": 12, "闽": 13, "赣": 14, "鲁": 15, "豫": 16, "鄂": 17, "湘": 18, "粤": 19, "桂": 20, "琼": 21, "川": 22, "贵": 23, "云": 24, "藏": 25, "陕": 26, "甘": 27, "青": 28, "宁": 29, "新": 30, "0": 31, "1": 32, "2": 33, "3": 34, "4": 35, "5": 36, "6": 37, "7": 38, "8": 39, "9": 40, "A": 41, "B": 42, "C": 43, "D": 44, "E": 45, "F": 46, "G": 47, "H": 48, "J": 49, "K": 50, "L": 51, "M": 52, "N": 53, "P": 54, "Q": 55, "R": 56, "S": 57, "T": 58, "U": 59, "V": 60, "W": 61, "X": 62, "Y": 63, "Z": 64} # 读取数据集 path = 'home/cnn_datasets/' # 车牌号数据集路径(车牌图片宽240，高80) pic_name = sorted(os.listdir(path)) n = len(pic_name) X_train, y_train = [], [] for i in range(n): print("正在读取第%d张图片" % i) img = cv2.imdecode(np.fromfile(path + pic_name[i], dtype=np.uint8), -1) # cv2.imshow无法读取中文路径图片，改用此方式 label = [char_dict[name] for name in pic_name[i][0:7]] # 图片名前7位为车牌标签 X_train.append(img) y_train.append(label) X_train = np.array(X_train) y_train = [np.array(y_train)[:, i] for i in range(7)] # y_train是长度为7的列表，其中每个都是shape为(n,)的ndarray，分别对应n张图片的第一个字符，第二个字符....第七个字符 # cnn模型 Input = layers.Input((80, 240, 3)) # 车牌图片shape(80,240,3) x = Input x = layers.Conv2D(filters=16, kernel_size=(3, 3), strides=1, padding='same', activation='relu')(x) x = layers.MaxPool2D(pool_size=(2, 2), padding='same', strides=2)(x) for i in range(3): x = layers.Conv2D(filters=32 * 2 i, kernel_size=(3, 3), padding='valid', activation='relu')(x) x = layers.Conv2D(filters=32 * 2 i, kernel_size=(3, 3), padding='valid', activation='relu')(x) x = layers.MaxPool2D(pool_size=(2, 2), padding='same', strides=2)(x) x = layers.Dropout(0.5)(x) x = layers.Flatten()(x) x = layers.Dropout(0.3)(x) Output = [layers.Dense(65, activation='softmax', name='c%d' % (i + 1))(x) for i in range(7)] # 7个输出分别对应车牌7个字符，每个输出都为65个类别类概率 model = models.Model(inputs=Input, outputs=Output) model.summary() model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', # y_train未进行one-hot编码，所以loss选择sparse_categorical_crossentropy metrics=['accuracy']) # 模型训练 print("开始训练cnn") model.fit(X_train, y_train, epochs=35) # 总loss为7个loss的和 model.save('cnn.h5') print('cnn.h5保存成功!!!')

最终，训练集上准确率acc1（即车牌省份字符）为97%，其余字符均为99%左右，本地测试集准确率为97%，识别效果较佳。

最后放一下整体的效果图：

全部代码以及训练好的模型都在github：End-to-end-for-chinese-plate-recognition/License-plate-recognition at master · duanshengliu/End-to-end-for-chinese-plate-recognition · GitHub

整个项目花了我很多心血和时间，所以喜欢的话顺手点个star吧，谢谢支持，有意见或者建议欢迎评论，转载请注明出处，谢谢

关于keras实现unet，cnn模型还可以参考博客，我从中也受益良多：

Keras实现Unet结构-CSDN博客

使用腾讯云 GPU 学习深度学习系列之五：文字的识别与定位-腾讯云开发者社区-腾讯云