使用Vitis-AI進(jìn)行車牌識(shí)別

• sample_platedetect_result.jpg

在這一點(diǎn)上可以進(jìn)行兩個(gè)觀察：

• 車牌檢測(cè)模型假設(shè)它處理的圖像中有一個(gè)車牌（在此模型之前需要額外的車輛檢測(cè)步驟）
• platedetect 模型只提供車牌的位置，而不是它的號(hào)碼（這個(gè)模型之后需要一個(gè)額外的號(hào)碼識(shí)別步驟）

第 4 步 - 創(chuàng)建車牌識(shí)別應(yīng)用程序

我們可以使用這個(gè)通用的 main_for_video_demo()，以及一個(gè)定義我們修改后的用例的自定義類，如下圖所示：

?

對(duì)于車牌識(shí)別示例，使用三個(gè)模型來(lái)實(shí)現(xiàn) 3-inference 管道：

• 車輛檢測(cè)：ssd_traffic
• 車牌檢測(cè)：platedetect
• 牌照號(hào)碼識(shí)別：platenum

車牌識(shí)別 - 3 推理管道

?

下圖說(shuō)明了此示例的修改代碼。

?

源代碼可以在以下位置找到：

~/vitis_ai_cpp_examples/platerecognition/test_jpeg_platerecognition.cpp
~/vitis_ai_cpp_examples/platerecognition/test_video_platerecognition.cpp

1. 構(gòu)建車牌識(shí)別應(yīng)用

$ cd ~/vitis_ai_cpp_examples/platerecognition
$ ./build.sh

2. 在圖像上啟動(dòng)車牌識(shí)別應(yīng)用程序

$ cp ~/Vitis-AI/demo/Vitis-AI-Library/samples/platedetect/sample_platedetect.jpg .
$ export PLATERECOGNITION_DEBUG=TRUE
$ ./test_jpeg_platerecognition sample_platedetect.jpg

./test_jpeg_platerecognition sample_platedetect.jpg

?

PLATERECOGNITION_DEBUG 環(huán)境變量，當(dāng)設(shè)置為 TRUE 時(shí)，將顯示 3-inference 管道生成的信息：

Frame 1
   SSD : label=1 x,y,w,h=2,1,272,304 confidence=0.906937
      PlateDetect : x,y,w,h=103,257,63,21 confidence=0.99977
         PlateNum : size=288,96 color=Blue number=[jingQ2P6J2]

請(qǐng)注意，PlateNum 型號(hào)輸出編號(hào)有兩部分：

• 地區(qū)：“京Q”（注意“jing”是京的漢語(yǔ)拼音）
• 編號(hào)：“2P6J2”

京Q - 2P6J2

?

。

$ cd ~/vitis_ai_cpp_examples/platerecognition
$ export DISPLAY=:0.0
$ xrandr--output DP-1 --mode 800x600
$ unset PLATERECOGNITION_DEBUG
$ ./test_video_platerecognition./video/plate_recognition_video.mp4

已知限制

本項(xiàng)目中實(shí)施的車牌識(shí)別適用于亞洲車牌。為了支持其他地區(qū)的車牌，還需要做額外的工作。

你會(huì)如何解決這個(gè)問(wèn)題？

• 你會(huì)用當(dāng)?shù)剀嚺频膱D像重新訓(xùn)練模型嗎？
• 你會(huì)使用不同的技術(shù)嗎？

結(jié)論

我希望本教程能幫助您在 Avnet 平臺(tái)上快速開(kāi)始使用 Vitis-AI 1.3。

如果您還想看到任何其他相關(guān)內(nèi)容，請(qǐng)?jiān)谙旅娴脑u(píng)論中分享您的想法。

?