YOLO+PaddleOCR实现车牌检测识别

YOLO+PaddleOCR实现车牌检测识别

本篇文章将会使用Keras-YOLOV3来训练自己的车牌检测的模型，结合PaddleOCR来识别车牌，最终使用OpenCV将其整体进行串联。

技术简介

Keras

Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。
Keras中文网

YOLOV3

YOLO是“You Only Look Once”的简称，它虽然不是最精确的算法，但在精确度和速度之间选择的折中，效果也是相当不错。YOLOv3借鉴了YOLOv1和YOLOv2，虽然没有太多的创新点，但在保持YOLO家族速度的优势的同时，提升了检测精度，尤其对于小物体的检测能力。YOLOv3算法使用一个单独神经网络作用在图像上，将图像划分多个区域并且预测边界框和每个区域的概率。
Keras-YOLOV3 GitHub地址

PaddleOCR

PaddleOCR是百度飞桨下的一款OCR工具库，使用简单，识别率高。
飞桨PaddleOCR官网地址

实现过程

整体的实现过程大致为，克隆Keras-YOLOV3源代码–>下载YOLOV3预训练权重–>将YOLOV3预训练权重转为Keras所需要的.h5类型的模型文件–>标注数据集–>训练模型–>测试模型。以下将为大家详细介绍实现过程。

环境搭建

Python环境

我这里使用的是Anaconda3，Python3.6的版本，可以在Anaconda官网上根据不同的系统环境，下载相应的软件版本。基本上都是一键安装，所以安装过程就不在这里赘述了。
安装完成后，可以使用

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

添加清华源，方便后面下载依赖使用。

克隆Keras-YOLOV3

Keras-YOLOV3 GitHub地址如果无法使用Github克隆的话，这里我已经将完整的Keras-YOLOV3的代码拷贝到了Gitee上，方便大家克隆：Keras-YOLOV3 Gitee地址

git clone https://github.com/qqwweee/keras-yolo3.git

安装所需依赖

首先我们需要进入到上一步克隆下来的keras-yolo3目录中：

cd keras-yolo3

使用conda创建虚拟环境

conda create -n keras-yolov3 python==3.7
# 激活虚拟环境
conda activate keras-yolov3

安装所需依赖
如果有GPU的同学请下载tensorflow-gpu的版本

pip install tensorflow==1.13.1 keras==2.2 pillow opencv-python==3.4.2.17 matplotlib==2.2.2 numpy==1.16.4 pyparsing==2.4.7 'h5py<3.0.0' -i https://pypi.douban.com/simple

下载yolov3权重，转换成.h5文件

wget https://pjreddie.com/media/files/yolov3.weights
# 下载完后执行，将yolov3文件转换成.h5文件
python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

转换完成后，会在model_data/下生成一个yolo.h5的文件

使用PyCharm打开

配置项目的Interpreter

选择刚刚创建的虚拟环境，一般情况下会在anaconda3/envs目录下，根据实际情况进行配置。

目前的目录结构，且没有任何报错，如果依赖报错，请查验以上步骤

环境测试

在keras-yolo3跟目录下创建一个img目录，并放上一张自己的图片，yolov3，目前已有检测的对象包括：
飞机，自行车，汽车，马，牛等等。
在这里，我放了一张马的图片，进行环境的测试。

在根目录下编写一个测试文件：yolo_test.py

from yolo import YOLO
from PIL import Image

yolo