Press "Enter" to skip to content

车牌检测与信息提取系统。

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

 

关于任务

创建一个模型,该模型将检测实况流或视频中的汽车,并识别汽车号牌上的字符。
然后,它将使用字符并使用RTOAPI获取所有者信息,并将在Web门户中显示(使用HTML、CSS和JS)

我们开始吧

 

在第一部分中,我们创建了一个模型,可以在直播的视频或照片中检测到汽车。为此,我们必须创建汽车的大型数据集,我们使用卷积神经网络(CNN)从这些数据集训练模型。

 

卷积神经网络(CNN):

 

采用“卷积神经网络(CNN)”进行目标检测。它使用一种称为整流线性单位的激活函数。它使用转移学习,这是一种强大的深度学习技术,其中可以使用预先训练的模型进行特征提取。它使用TensorFlow库进行高性能的数值计算。与其他分类算法相比,CNN所需的预处理要低得多。虽然在原始的方法中,过滤器是手工设计的,但经过足够的培训,CNN有能力学习这些过滤器/特性。

 

它们有三种主要类型的层,它们是:

卷积层
池化层
全连接(FC)层

卷积层是卷积网络的第一层。虽然卷积层之后可以是附加的卷积层或池层,但完全连通的层是最后一层。随着每一层的增加,CNN的复杂性增加,识别出图像的更大部分。早期的图层侧重于简单的功能,如颜色和边缘。当图像数据在CNN的各层中前进时,它开始识别对象的较大元素或形状,直到它最终识别出想要的对象。

因此,我们正在使用这种类型的方法:

 

 

现在用于显示和训练模型:

但是现在我们将使用haarcasade_Russia_plate_num.xml从汽车中检测车牌,然后我们测试模型以检查输出。

正如你所看到的,模型运行良好,显示了正确的车牌字符,现在我们的第一部分完成了,让我们开始第二部分。

 

因此,我们将使用Flask应用程序,在该应用程序中,所有细节的获取都将在API的帮助下进行。

 

此任务使用的API:-

 

即时通讯条例没有提供注册用户的详细信息,也可能会有公司为他们提供获取详细信息的接口的服务收费,但有一个我使用过的网站,它免费提供10个请求,睡觉你必须付费。

 

网址是:carregistrationapi.in carregistrationapi.in

 

烧瓶应用程序:-

 

app.py:-

 

 

index.html:-

 

 

res.html:-

 

 

应用程序

 

所以我们的Web应用程序也工作得很好,这意味着我们的任务已经成功完成。

 

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注