차량 번호판 인식(2/3)-번호판 특화 데이터셋으로 학습된 OCR 모델을 사용-CRAFT 텍스트 감지기와 딥러닝 기반 OCR 엔진인 EasyOCR을 결합

1편에서 Tesseract OCR과 OpenCV를 사용하여 차량 번호판을 인식하는 방법은 정확도가 현저히 떨어져 번호판 특화 데이터셋으로 학습된 OCR 모델 (CRAFT 텍스트 감지기와 딥러닝 기반 OCR 엔진인 EasyOCR을 결합) 을 사용해보았다.

!pip install easyocr
!pip install torch torchvision
!pip install opencv-python-headless

import cv2
import numpy as np
import easyocr
from google.colab.patches import cv2_imshow

def detect_text(image_path):
    # EasyOCR 리더 초기화
    reader = easyocr.Reader(['ko', 'en'])

    # 이미지 읽기
    image = cv2.imread(image_path)
    if image is None:
        print(f"이미지를 불러올 수 없습니다: {image_path}")
        return

    # EasyOCR로 텍스트 감지
    result = reader.readtext(image)

    detected_plates = []

    # 결과 처리 및 시각화
    for (bbox, text, prob) in result:
        if len(text) >= 7 and any(char.isdigit() for char in text):  # 번호판 형식에 가까운 텍스트만 선택
            # 바운딩 박스 좌표
            (tl, tr, br, bl) = bbox
            tl = tuple(map(int, tl))
            br = tuple(map(int, br))

            # 텍스트 영역에 사각형 그리기
            cv2.rectangle(image, tl, br, (0, 255, 0), 2)

            # 텍스트 출력
            cv2.putText(image, text, (tl[0], tl[1] - 10),
                        cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2)

            detected_plates.append((text, prob))

    # 결과 이미지 표시
    cv2_imshow(image)

    return detected_plates

# 이미지 처리
image_paths = ['00.jpg', '01.jpg', '02.jpg', '03.jpg', '04.jpg',
               '05.jpg', '06.jpg', '07.jpg', '08.jpg', '09.jpg',
               '10.jpg', '11.jpg', '12.jpg', '13.jpg', '14.jpg']

for path in image_paths:
    print(f"Processing {path}")
    plates = detect_text(path)
    if plates:
        for text, prob in plates:
            print(f"감지된 번호판: {text} (신뢰도: {prob:.2f})")
    else:
        print("감지된 번호판이 없습니다.")
    print()