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
本文链接：https://blog.csdn.net/qq_32194791/article/details/106748685，转载请注明出处
完整项目已上传至github: https://github.com/duanshengliu/End-to-end-for-chinese-plate-recognition
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. 点击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. 点击左上角File—>将Save Automatically勾选上，点击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，点击软件左侧的 
这是画任意多边形的按钮，鼠标左键点击进行标注，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，点击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='mean_squared_error',
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=400, batch_size=15)#batch_size不要过大，否则内存容易溢出
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：https://blog.csdn.net/qq_32194791/article/details/106526217，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_up**2+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_down**2+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
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：https://github.com/duanshengliu/End-to-end-for-chinese-plate-recognition
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：
https://blog.csdn.net/shi2xian2wei2/article/details/84345025
https://cloud.tencent.com/developer/article/1005199