|
|
1）实验平台：正点原子DNK210开发板
2）购买链接：https://detail.tmall.com/item.htm?id=782801398750
3）全套实验源码+手册+视频下载地址：http://openedv.com/thread-348335-1-1.html
4）正点原子官方B站：https://space.bilibili.com/394620890
5）正点原子手把手教你学DNK210快速入门视频教程：https://www.bilibili.com/video/BV1kD421G7fu
6）正点原子FPGA交流群：132780729
第四十六章 车牌识别实验
在上一章节中，介绍了利用maix.KPU模块实现了通过提取图像中人脸的特征进行人脸识别，本章将继续介绍利用maix.KPU模块实现的车牌识别。通过本章的学习，读者将学习到车牌识别应用在CanMV上的实现。
本章分为如下几个小节：
46.1 maix.KPU模块介绍
46.2 硬件设计
46.3 程序设计
46.4 运行验证
46.1 maix.KPU模块介绍
有关maix.KPU模块的介绍，请见第39.1小节《maix.KPU模块介绍》。
46.2 硬件设计
46.2.1 例程功能
1. 获取摄像头输出的图像，并送入KPU进行车牌检测，接着对检测到的车牌分别进行车牌号识别，然后在LCD上显示检测到的车牌位置和识别出的车牌号码。
46.2.2 硬件资源
本章实验内容，主要讲解maix.KPU模块的使用，无需关注硬件资源。
46.2.3 原理图
本章实验内容，主要讲解maix.KPU模块的使用，无需关注原理图。
46.3 程序设计
46.3.1 maix.KPU模块介绍
有关maix.KPU模块的介绍，请见第46.1小节《maix.KPU模块介绍》。
46.3.2 程序流程图
图46.3.2.1 人脸识别实验流程图
46.3.3 main.py代码
main.py中的脚本代码如下所示：
- import lcd
- import sensor
- import gc
- from maix import KPU
- lcd.init()
- sensor.reset()
- sensor.set_framesize(sensor.QVGA)
- sensor.set_pixformat(sensor.RGB565)
- sensor.set_hmirror(False)
- anchor = (8.30891522166988, 2.75630994889035, 5.18609903718768, 1.7863757404970702, 6.91480529053198, 3.825771881004435, 10.218567655549439, 3.69476690620971, 6.4088204258368195, 2.38813526350986)
- names = []
- # 构造并初始化车牌检测KPU对象
- lp_detecter = KPU()
- lp_detecter.load_kmodel('/sd/KPU/lp_detect.kmodel')
- lp_detecter.init_yolo2(anchor, anchor_num=len(anchor) // 2, img_w=320, img_h=240, net_w=320, net_h=240, layer_w=20, layer_h=15, threshold=0.7, nms_value=0.3, classes=len(names))
- provinces = ['Wan', 'Hu', 'Jin', 'Yu^', 'Ji', 'Sx', 'Meng', 'Liao', 'Jl', 'Hei', 'Su', 'Zhe', 'Jing', 'Min', 'Gan', 'Lu', 'Yu', 'E^', 'Xiang', 'Yue', 'Gui^', 'Qiong', 'Cuan', 'Gui', 'Yun', 'Zang', 'Shan', 'Gan^', 'Qing', 'Ning', 'Xin']
- ads = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'J', 'K', 'L', 'M', 'N', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z', '0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
- # 构造并初始化车牌识别KPU对象
- lp_recognizer = KPU()
- lp_recognizer.load_kmodel("/sd/KPU/lp_recog.kmodel")
- lp_recognizer.lp_recog_load_weight_data("/sd/KPU/lp_weight.bin")
- # 按指定比例扩展矩形框
- def extend_box(x, y, w, h, scale):
- x1 = int(x - scale * w)
- x2 = int(x + w - 1 + scale * w)
- y1 = int(y - scale * h)
- y2 = int(y + h - 1 + scale * h)
- x1 = x1 if x1 > 0 else 0
- x2 = x2 if x2 < (320 - 1) else (320 - 1)
- y1 = y1 if y1 > 0 else 0
- y2 = y2 if y2 < (240 - 1) else (240 - 1)
- return x1, y1, x2 - x1 + 1, y2 - y1 + 1
- while True:
- img = sensor.snapshot()
- lp_detecter.run_with_output(img)
- lps = lp_detecter.regionlayer_yolo2()
- for lp in lps:
- # 框出车牌位置
- x, y, w, h = extend_box(lp[0], lp[1], lp[2], lp[3], 0.08)
- img.draw_rectangle(x, y, w, h, color=(0, 255, 0))
- # 对车牌进行车牌识别并绘制识别结果
- lp = []
- lp_img = img.cut(x, y, w, h)
- resize_img = lp_img.resize(208, 64)
- resize_img.replace(hmirror=True)
- resize_img.pix_to_ai()
- lp_recognizer.run_with_output(resize_img)
- output = lp_recognizer.lp_recog()
- for o in output:
- lp.append(o.index(max(o)))
- img.draw_string(x + 2, y - 20 - 2, '%s %s-%s%s%s%s%s' %(provinces[lp[0]], ads[lp[1]], ads[lp[2]], ads[lp[3]], ads[lp[4]], ads[lp[5]], ads[lp[6]]), color=(255, 0, 0), scale=2)
- del lp
- del lp_img
- del resize_img
- lcd.display(img)
- gc.collect()
然后便是在一个循环中不断地获取摄像头输出的图像，首先将图像进行车牌检测，检测图像中存在的车牌，接着对车牌图像进行车牌号识别，最后将检测到的车牌位置框和识别出的车牌号码在图像上进行绘制，然后在LCD上显示图像。
46.4 运行验证
将DNK210开发板连接CanMV IDE，点击CanMV IDE上的“开始(运行脚本)”按钮后，将摄像头对准车牌，让其采集到车牌图像，可以看到LCD上显示了车牌识别的结果，图像中的被检测到的车牌均被框出，并且显示了车牌对应识别出的车牌号码，如下图所示：
图46.4.1 LCD显示车牌识别实验结果 |
阿莫论坛20周年了！感谢大家的支持与爱护！！
你熬了10碗粥，别人一桶水倒进去，淘走90碗，剩下10碗给你，你看似没亏，其实你那10碗已经没有之前的裹腹了，人家的一桶水换90碗，继续卖。说白了，通货膨胀就是，你的钱是挣来的，他的钱是印来的，掺和在一起，你的钱就贬值了。
|
发表于 
