项目实战 | YOLOv5 + Tesseract-OCR 实现车牌号文本识别

YOLOv5 + Tesseract-OCR 实现车牌号文本识别

---

最近看到了各种各样的车牌识别，觉得挺有意思，自己也简单搞一个玩玩😼。
传统的图像处理算法我也不太会，就直接用深度学习的方法实现吧。

---

---

1. 预期效果

先看看预期的效果吧，大概就是这样子的，输入一张图片可以把图片中的车牌号以文本的形式打印出来。目前还比较简陋，以后可以尝试加个PyQt5页面实现更加丰富的功能。

---

2. 整体流程

1. 首先训练一个YOLOv5的车牌检测器；
2. 然后将车牌切下来；
3. 将切下来的部分通过OpenCV进行形态学处理；
4. 最后通过Tesseract-OCR识别车牌并在控制台上打印。

---

3. 准备数据集

这次就不自己标注了，直接找了一个开源的。训练集$245$张、验证集$70$张、测试集$35$张。数据集质量一般。

---

4. 训练YOLOv5模型

4.1 下载源码

git clone https://github.com/ultralytics/yolov5
1

4.2 安装环境

pip install -qr requirements.txt
1

4.3 修改配置文件

license.yaml

train: D:\Pycharm_Projects\datasets\License\train\images
val: D:\Pycharm_Projects\datasets\License\valid\images

nc: 2
names: ['license-plate', 'vehicle']
1
2
3
4
5

4.4 训练模型

数据量比较少，直接用yolov5s跑就可以。

python train.py --weights yolov5s.pt --cfg yolov5s.yaml --datalicense.yaml --epoch 100 --batch-size 16
1

简单跑了$100$轮，看着还可以，就直接用了。

4.5 测试模型

python detect.py --source D:\Pycharm_Projects\datasets\License\valid\images --weights runs\train\exp\weights\best.pt
1

---

5. 截取车牌

python detect.py --source D:\Pycharm_Projects\datasets\License\valid\images --weights runs\train\exp2\weights\best.pt --save-crop --classes 0
1

因为数据集质量原因，有一些图拍摄不是很清晰，所以截取到的车牌也不是很清楚，我这里选了一些相对来说清楚一些的。其实到这里我们就可以通过Tesseract-OCR进行识别了，但是不对图像进行处理就识别的话效果很不好，所以我这里还是选择对车牌进行一些形态学处理。

---

6. 形态学处理

这部分也不算完全意义上的形态学处理吧，我并没有使用腐蚀膨胀等操作，只是使用了几个OpenCV的础操作对车牌进行了处理，大家可以对比一下效果。(其实还有很大的优化空间的)

def Corver_Gray(image_path):
    # 读取模板图像
    img = cv2.imread(image_path)

    # 转换为灰度图 也可读取时直接转换
    ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 二值图像
    ref = cv2.threshold(ref, 60, 255, cv2.THRESH_BINARY_INV)[1]

    return ref
1
2
3
4
5
6
7
8
9
10
11

---

7. Tesseract-OCR安装

7.1 下载 Tesseract-OCR

下载地址：Tesseract-OCR

我下载的是最下面的版本，下载好后直接安装就可以，没有什么坑。

7.2 配置环境变量

7.3 调用Tesseract-OCR

在调用前要导入 pytesseract 包。

pip install pytesseract 
1

随后在YOLOv5项目里新建一个py文件

text = pytesseract.image_to_string(Image.open("test.png"))
print(text)
1
2

传入图片的路径后就可以在控制台看到最终输出的结果了。

7.4 显示中文

如果想显示车牌上的中文，我们还要下载一个东西，下载地址：tessdata/chi_sim.traineddata

下载好后直接放到如下位置就可以。代码也要改动一下。

---

8. 完整代码

import cv2
from PIL import Image

import pytesseract


def Corver_Gray(image_path):
    # 读取模板图像
    img = cv2.imread(image_path)

    # 转换为灰度图 也可读取时直接转换
    ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 二值图像
    ref = cv2.threshold(ref, 60, 255, cv2.THRESH_BINARY_INV)[1]

    return ref


def Read_Img(img_path):
    image = Corver_Gray(img_path)
    image = cv2.imwrite("test.png", image)
    return image


Read_Img(r"D:\GitHub\Yolov5_Magic\number\1.png")


text = pytesseract.image_to_string(Image.open("test.png"))
print(text)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

---

9. 数据集及代码资源

给个赞吧~

链接：https://pan.baidu.com/s/1MKWPpb8dAcZwFQPqjCwTaA?pwd=csdn
提取码：csdn

---

10. 更多YOLOv5实战内容

更多YOLOv5实战内容可以关注我的专栏

---