HyperLPR編譯工具

HyperLPR是開(kāi)源的基于深度學(xué)習(xí)實(shí)現(xiàn)的高性能中文車(chē)牌識(shí)別庫(kù)，由北京智云視圖科技有限公司開(kāi)發(fā)，與較為流行的開(kāi)源的其他框架相比，它的檢測(cè)速度、魯棒性和多場(chǎng)景的適應(yīng)性都要好于目前開(kāi)源的框架。

介紹

HyperLPR可以識(shí)別多種中文車(chē)牌，包括單行藍(lán)牌/黃牌，白牌(白色警用車(chē)牌)，新能源車(chē)牌，使館/港澳車(chē)牌，教練車(chē)牌，武警車(chē)牌等。HyperLRP支持PHP、C/C++、Python語(yǔ)言，Windows/Mac/Linux/Android/IOS平臺(tái)。

特性

基于端到端Sequence模型，無(wú)需進(jìn)行字符分割，識(shí)別速度更快

速度快720p，單核Intel 2.2G CPU(Macbook Pro 2015)平均識(shí)別時(shí)間<=90ms

識(shí)別率高，僅僅針對(duì)車(chē)牌ROI在EasyPR數(shù)據(jù)集上，0-error達(dá)到 95.2%，1-error識(shí)別率達(dá)到 97.4%(指在定位成功后的車(chē)牌識(shí)別率)

輕量總代碼量不超1k行

帶有Android實(shí)現(xiàn)，其Android Demo可解決一些在一些普通業(yè)務(wù)場(chǎng)景(如執(zhí)法記錄儀)下的車(chē)牌識(shí)別任務(wù)

設(shè)計(jì)流程

step1. 使用opencv 的 HAAR Cascade 檢測(cè)車(chē)牌大致位置

step2. Extend 檢測(cè)到的大致位置的矩形區(qū)域

step3. 使用類(lèi)似于MSER的方式的 多級(jí)二值化 + RANSAC 擬合車(chē)牌的上下邊界

step4. 使用CNN Regression回歸車(chē)牌左右邊界

step5. 使用基于紋理場(chǎng)的算法進(jìn)行車(chē)牌校正傾斜

step6. 使用CNN滑動(dòng)窗切割字符

step7. 使用CNN識(shí)別字符

中文名：HyperLPR

包名：pr.platerecognization

MD5值：1bc88556d22d34e4208558af625ab1cd