工牌正反识别

L.Y. 2021.1.28

未来主要改进方面：
1 对于光线条件较为极端情况下的识别
2 对多个工牌同时进行识别

1 使用

1.1 获取固定区域画面（新版本添加鼠标选定区域功能）

​ 运行videoClip.py 抽帧区域为 [270:340, 290:360]

video_path = 'F:\冀北视频\吕家坨1'	# 修改视频文件夹
video_list = os.listdir(video_path)
print(video_list)

ims_folder = './frames'				#  修改输出文件夹
if not os.path.exists(ims_folder):
    os.makedirs(ims_folder)
index = 0
target_num = 100					#  设定抽帧数量

frame = frame[270:340, 290:360]     # 设置抽帧区域

1.2 划分数据集

​ 运行dateSplit.py 划分比例 train:test:val = 0.8:0.1:0.1

src_data_folder = "./frames/images"
target_data_folder = "./frames/target"

1.3 训练

​ 运行train.py,设置epoch=30 lr=0.001 batch_size=36 保存模型权重

save_path = Lenet1.pth
torch.save(net.state_dict(), save_path)

1.4 预测

​ 运行videoOut.py修改输入输出文件路径，运行时鼠标左键点击两下，Enter确定识别区域， 即可获得输出文件，中途按下ESC可停止

# 输入视频信息
video_path = './video/demo2.mp4'
# 输出视频名称
out_path = './output/output2.mp4'

2 环境

• python 3.7

• torchvision 0.5.0

• torch 1.4.0

3 目录

###########目录结构描述
├── Readme.md                   // help
├── videoOut.py                 // 识别视频中的工牌
├── videoClip.py                // 提取视频中工牌存为png
├── dataSplit.py                // 划分数据集为tarin/test/val
├── Lenet                       // 配置
│   ├── model.py				// 模型
│   ├── train.py                // 模型训练
│   ├── predict.py         		// 模型预测
│   ├── Lenet.pth               // 权重文件