Python+Keras+TensorFlow车牌识别

Python+Keras+TensorFlow车牌识别

• 这个是我使用的车牌识别开源项目的地址：https://github.com/zeusees/HyperLPR

Python 依赖

Anaconda for Python 3.x on Win64
Keras (>2.0.0)
Theano(>0.9) or Tensorflow(>1.1.x)
Numpy (>1.10)
Scipy (0.19.1)
OpenCV(>3.0)
Scikit-image (0.13.0)
PIL

准备工作：安装以下依赖包

pip install pyinstaller -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install Keras
pip install Theano
pip install Numpy
pip install Scipy
pip install opencv-python
pip install scikit-image
pip install pillow
pip install tensorflow

安装过程中可能出现Time out错误如下
raise ReadTimeoutError(self._pool, None, ‘Read timed out.’)
pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host=‘files.pythonhosted.org’, port=443): Read timed out.
不要慌，重新输入一次安装命令。如：pip install pillow

运行

• 把代码clone下来以后准备在pycharm上运行

• 我们创建一个LPR的目录，将开源库中的Font和model拷到此目录，创建一个car的目录，放置待识别车牌的车辆照片，命名为1.jpg,2.jpg,3.jpg。

• 在LRP文件夹中新建一个 Python3的Python文件，输入如下代码：

from hyperlpr import pipline as pp
import cv2
#自行修改文件名
image = cv2.imread("./car/1.jpg")
image,res = pp.SimpleRecognizePlate(image)
print(res)

• 我的Python环境：

Python 3.7
cv2 4.1.0
Keras 2.3.1
TensorFlow 2.0.0

解决bug

• 这里我遇到两个bug:

• 1

File “D:\anaconda\lib\hyperlpr\recognizer.py”, line 8, in
K.set_image_dim_ordering(‘tf’)
AttributeError: module ‘keras.backend’ has no attribute ‘set_image_dim_ordering’

这个原因是，keras在有些较新的版本中没有set_image_dim_ordering()函数，而是改成了image_data_format()函数。

修改方法是，在所有报这个错的文件中把

K.set_image_dim_ordering(‘tf’)

改成：

K.image_data_format()

修改后：

如果你使用的是较低版本的keras，那就反着改。若IDE询问是否要修改文件，选是即可。应该有三个文件需要此修改。

• 2

File “D:\anaconda\lib\hyperlpr\finemapping.py”, line 41, in findContoursAndDrawBoundingBox
imagex, contours, hierarchy = cv2.findContours(binary_niblack.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
ValueError: not enough values to unpack (expected 3, got 2)

这个原因是，在opencv2中cv2.findContours()函数返回两个值：contours，hierarchy。而opencv3及以后会返回三个值,分别是img, countours, hierarchy。
这里直接把报错文件中对应行的imagex,删除，使函数返回值由两个参数接收。
应该有两个文件需要此修改。

修改后：

现在运行程序应该就会惊喜的发现运行成功啦！

• 点赞
• 收藏
• 分享
• 文章举报