HyperLPR

2024-07-12 03:44| 来源: 网络整理| 查看: 265

介绍

HyperLPR是一个使用深度学习针对对中文车牌识别的实现，与较为流行的开源的EasyPR相比，它的检测速度和鲁棒性和多场景的适应性都要好于目前开源的EasyPR，HyperLPR可以识别多种中文车牌包括白牌，新能源车牌，使馆车牌，教练车牌，武警车牌等。 Github地址：https://github.com/zeusees/HyperLPR

特性基于端到端sequence模型，无需进行字符分割,识别速度更快。速度快 720p ，单核 Intel 2.2G CPU (macbook Pro 2015)平均识别时间2.0.0)Theano(>0.9) or Tensorflow(>1.1.x)Numpy (>1.10)Scipy (0.19.1)OpenCV(>3.0)Scikit-image (0.13.0)PIL CPP 依赖 Opencv 3.3(必须是OpenCV 3.3) 设计流程

step1. 使用opencv 的 HAAR Cascade 检测车牌大致位置

step2. Extend 检测到的大致位置的矩形区域

step3. 使用类似于MSER的方式的多级二值化 + RANSAC 拟合车牌的上下边界

step4. 使用CNN Regression回归车牌左右边界

step5. 使用基于纹理场的算法进行车牌校正倾斜

step6. 使用CNN滑动窗切割字符

step7. 使用CNN识别字符

简单使用方式 from hyperlpr import pipline as pp import cv2 image = cv2.imread("filename") image,res = pp.SimpleRecognizePlate(image) print(res) Linux/Mac 编译仅需要的依赖OpenCV 3.3 (需要DNN框架) cd cpp_implementation mkdir build cd build cmake ../ sudo make -j 可识别和待支持的车牌的类型单行蓝牌单行黄牌新能源车牌白色警用车牌使馆/港澳车牌教练车牌武警车牌识别测试APP 测试 Android APP：https://fir.im/HyperLPR 识别样例

这里写图片描述

数据分享和捐赠

车牌识别框架开发时使用的数据并不是很多，有意着可以为我们提供相关车牌数据。联系邮箱 [email protected]。如果您愿意支持我们持续对这个框架的开发，可以通过下面的链接来对我们捐赠。

这里写图片描述

获取帮助 HyperLPR讨论QQ群：673071218, 加前请备注HyperLPR交流。

这里写图片描述 zeusee.com 智云视图

【本文地址】

公司简介

联系我们