基于MNIST数据集实现车牌识别--初步演示版

在前几天写的一篇博文《如何从TensorFlow的mnist数据集导出手写体数字图片》中，我们介绍了如何通过TensorFlow将mnist手写体数字集导出到本地保存为bmp文件。

车牌识别在当今社会中广泛存在，其应用场景包括各类交通监控和停车场出入口收费系统，在自动驾驶中也得到一定应用，其原理也不难理解，故很适合作为图像处理+机器学习的入门案例。

现在我们不妨酝酿一个大胆的想法：在TensorFlow中通过卷积神经网络+mnist数字集实现车牌识别。

实际上车牌字符除了数字0-9，还有字母A-Z，以及各省份的简称。只包含数字0-9的mnist是不足以识别车牌的。故本文所做实验仅出于演示目的。

由于车牌数字是正体，而mnist是手写体，为提高识别率，需要从mnist图片集中挑选出形状比较规则工整的图片作为训练图片，否则识别率不高。作为参考，下图是我挑选出来的一部分较工整数字：

（如果你需要我挑选出来的图片，可以评论或私信我留下邮箱）

出于演示目的，我们从网上找到下面这张图片：

现在我们假设该车牌号为闽0-16720（实际上是闽O-1672Q），暂不识别省份简称，只识别0-16720。

上图经过opencv定位分割处理后，得到以下几张车牌字符。

现在我们通过如下代码，将这几张字符图片输入到上一篇博文《如何用TensorFlow训练和识别/分类自定义图片》中构建的网络：

    license_num = []
    for n in range(2,8):
        path = "result/%s.bmp" % (n)
        img = Image.open(path)
        width = img.size[0]
        height = img.size[1]

        img_data = [[0]*784 for i in range(1)]
        for h in range(0, height):
            for w in range(0, width):
                if img.getpixel((w, h)) < 190:
                    img_data[0][w+h*width] = 0
                else:
                    img_data[0][w+h*width] = 1

        # 获取softmax结果前三位的index和概率值
        soft_max = tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)
        result = sess.run(