這樣的車牌檢測你知道嗎？高啟強再也不敢套牌犯罪了

通過之前的4期計算機視覺簡單介紹，剛剛像入門的你應(yīng)該知曉最基礎(chǔ)的知識了，而且明確自己要學(xué)的內(nèi)容，今天我們先以一個簡單的小Demo來帶大家進入真正的計算機視覺領(lǐng)域，我們開始吧！

近幾年人工智能的崛起與發(fā)展，已經(jīng)有很多智能化理念都在現(xiàn)實生活中一一被實現(xiàn)，給未來的只有時間和策劃問題。

現(xiàn)在什么最多，除了人之外，出去一看就能發(fā)現(xiàn)，其中有一個絕對是“車”。所以未來的智能交通、智慧城市一定是無可否定的技術(shù)，于是乎，接下來簡單聊聊車輛檢測類相關(guān)的。

如果有興趣的同學(xué)，可以加入我們學(xué)習(xí)群，和我們進一步進行探討，今天主要講解的是一個入門級的車牌檢測，希望給這方面感興趣的同學(xué)可以帶來一些幫助與啟發(fā)。

現(xiàn)今，在小區(qū)，公司，收費站等都涉及到車牌的檢測，這樣方便了整個流程的運行，還可以減輕交警的一些工作，比如有套牌嫌疑。所以這種技術(shù)的進步和發(fā)展，一定是一個非常好的趨勢和應(yīng)用。

效 果 展 示

上面展示的就是最基本的車牌檢測。

具體實施

首先，對采集的圖像進行灰度化并進行了canny算子邊緣檢測。就以下面這輛車作為例子，該不會這位車主在看這篇文章吧！

其中，通過灰度化和canny算子邊緣檢測后，如下圖所示，這樣處理主要方便顯著的車牌檢測。

對圖像進行腐蝕，然后平滑圖像的輪廓并從對象中移除小對象。這樣就得到了車牌的具體位置。

對區(qū)域進行行向和縱向掃描，然后進行定位剪切；接著做一個水平矯正和垂直矯正。

現(xiàn)在在字符分割前做一次預(yù)處理和一個像素量的統(tǒng)計。

開始分割字符

最后，讀取到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，將分割后的車牌字符歸一化處理，進行車牌字符的最終識別。

本次是基于Matlab的簡單車牌檢測，下一期，“計算機視覺戰(zhàn)隊”為大家?guī)砀鼜?fù)雜的車牌檢測。