OpenCV

今天推荐一个基于SpringBoot的车牌识别系统。 介绍 spring boot + maven 实现的车牌识别及训练系统 基于java语言的深度学习项目，在整个开源社区来说都相对较少；而基于java语言实现车牌识别EasyPR-Java项目，最后的更新已经是五年以前。 本人参考了EasyPR原版C++项目、以及fan-wenjie的EasyPR-Java项目；同时查阅了部分opencv官方4.0.1版本C++的源码，结合个人对java语言理解，整理出当前项目 这是一个入门级教程项目，本人目前也正在学习图片识别相关技术；大牛请绕路 当前项目在原有EasyPR项目基础上，增加了绿牌识别功能，只不过当前的训练库文件包含绿牌的样本太少，还需要重新增加绿牌样本的训练，后续会逐步上传 当前已经添加基于svm算法的车牌检测训练、以及基于ann算法的车牌号码识别训练功能 后续会逐步加入证件识别、人脸识别等功能 包含功能 黄 蓝 绿 黄蓝绿车牌检测及车牌号码识别 单张图片、多张图片并发、单图片多车牌检测及识别 图片车牌检测训练 图片文字识别训练 包含两种依赖包的实现方式：基于org.bytedeco.javacpp包的实现方式；基于org.opencv官方包的实现方式 org.opencv官方包，提供了java语言api；java项目可以通过build path方式或者环境变量的方式引用；

“ 来源：pypypypy www.cnblogs.com/pypypy/p/12011506.html 内置函数就是python给你提供的, 拿来直接用的函数，比如print.，input等。截止到python版本3.6.2 python一共提供了68个内置函数。 # 68个内置函数 # abs() 　　dict() 　　 help () 　　min() 　　setattr() # all() 　　dir() 　　hex() 　　next() 　　slice() # any() 　　divmod() 　　id() 　　object() 　　sorted() # ascii() 　　enumerate() 　　input() 　　oct() 　　staticmethod() # bin() 　　 eval () 　　int() 　　open() 　　str() # bool() 　　 exec () 　　isinstance() 　　ord() 　　sum() # bytearray() 　　filter() 　　issubclass() 　　pow() 　　super() # bytes() 　　float() 　　iter() 　　 print () 　　tuple() # callable() 　　format() 　　len() 　　property() 　　 type ()

摘要： 基于HiLens Kit已经基本开发完成，可部署到HiLens Kit，模型的选择为基于DarkNet53的YOLOv3模型，权重为基于COCO2014训练的数据集，而车道线的检测是基于OpenCV的传统方法实现的，可通过ModelArts AI Gallery与HiLens Kit全流程端云协同开发部署。 点击传送门，先来看看最终视频效果吧→→ （PS：请忽略背景音乐）！ 主体流程介绍 ： （可选，忽略亦可，取决于摄像头质量，对于相机畸变较大的需要先计算相机的畸变矩阵和失真系数，对图片进行校正）图片校正； 截取感兴趣区域，仅对包含车道线信息的图像区域进行处理； 对感兴趣区域使用透视变换； 针对不同颜色的车道线，不同光照条件下的车道线，不同清晰度的车道线，根据不同的颜色空间使用不同的梯度阈值，颜色阈值进行不同的处理。并将每一种处理方式进行融合，得到车道线的二进制图； 提取二进制图中属于车道线的像素； 对二进制图片的像素进行直方图统计，统计左右两侧的峰值点作为左右车道线的起始点坐标进行曲线拟合； 使用二次多项式分别拟合左右车道线的像素点（对于噪声较大的像素点，可以进行滤波处理，或者使用随机采样一致性算法进行曲线拟合）； 计算车道曲率及车辆相对车道中央的偏离位置； 效果显示（ 可行域显示 ， 曲率 和 位置显示 ）。 检测驾驶过程中道路中其他车辆状态，显示 车辆类别 、 置信度