HyperLPR Python3车牌识别系统的入门使用

概要

HyperLRP是一个开源的、基于深度学习高性能中文车牌识别库，由北京智云视图科技有限公司开发，支持PHP、C/C++、Python语言，Windows/Mac/Linux/Android/IOS 平台。

github地址： https://github.com/zeusees/HyperLPR

TODO

支持多种车牌以及双层
支持大角度车牌
轻量级识别模型

特性

速度快 720p,单核 Intel 2.2G CPU (MaBook Pro 2015)平均识别时间低于100ms
基于端到端的车牌识别无需进行字符分割
识别率高,卡口场景准确率在95%-97%左右
轻量,总代码量不超1k行

模型资源说明

cascade.xml：检测模型 - 目前效果最好的cascade检测模型
cascade_lbp.xml：召回率效果较好，但其错检太多
char_chi_sim.h5：Keras模型-可识别34类数字和大写英文字使用14W样本训练
char_rec.h5：Keras模型-可识别34类数字和大写英文字使用7W样本训练
ocr_plate_all_w_rnn_2.h5：基于CNN的序列模型
ocr_plate_all_gru.h5：基于GRU的序列模型从OCR模型修改，效果目前最好但速度较慢，需要20ms。
plate_type.h5：用于车牌颜色判断的模型
model12.h5：左右边界回归模型

可识别和待支持的车牌的类型

环境配置

首先将项目下载到本地，这里我使用了本机上配置的虚拟环境HyperLPR。
创建虚拟环境： conda create -n HyperLPR python=3.7

操作系统：windows10
IDE：Pycharm
python版本：Anaconda Pyhon3.7
tensorflow版本：tensorflow-gpu==2.1.0
cuda版本：10.1
显卡：RTX 2060
OpenCV： opencv-python==3.4.3.18
Keras：Keras==2.3.1

大坑之一： HyperLPR python中版本兼容太差，新版本无法兼容老版本，所以所有第三方库，我们全部指定版本
安装相关的python库

pip install Keras==2.3.1
pip install Theano
pip install Numpy
pip install Scipy
pip install opencv-python==3.4.3.18
pip install scikit-image
pip install pillow
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.1.0

下载车牌识别库

打开Git CMD，输入下面的指令，将仓库克隆到本地，–depth=1不克隆历史，只取最新的一个版本，对我们使用者来说可以节少大量的时间，因为历史版本对我们没有什么意义。

git clone --depth=1 https://github.com/zeusees/HyperLPR.git

等待克隆完成

Blackice@Blackice-PC MINGW64 /d/Projects
$ git clone --depth=1 https://github.com/zeusees/HyperLPR.git
Cloning into 'HyperLPR'...
remote: Counting objects: 793, done.
remote: Compressing objects: 100% (605/605), done.
remote: Total 793 (delta 170), reused 709 (delta 149), pack-reused 0
Receiving objects: 100% (793/793), 92.86 MiB | 86.00 KiB/s, done.
Resolving deltas: 100% (170/170), done.
Checking out files: 100% (714/714), done.

所有文件如下

我们需要把hyperlpr_py3文件夹复制到虚拟环境…\anaconda3\envs\HyperLPR\Lib下，并改名为hyperlpr，完整路径为…\anaconda3\envs\HyperLPR\Lib\hyperlpr。

然后，我们创建一个LPR的目录，将开源库中的Font和model拷到此目录，创建一个 data的目录，放置待识别车牌的车辆照片。

在lpr.py文件中写入如下代码

from hyperlpr import pipline as pp
import cv2
# 自行修改文件名
image = cv2.imread("data/001.jpg")
image, res = pp.SimpleRecognizePlate(image)
print('-------------')
print(res)

执行后，大约几秒后即可出现结果

(241, 289, 3)
校正角度 h  0 v 90
keras_predict [0.15456393 0.88673264]
0f96bd6b
e2e: ('浙B5HC51', 0.896134112562452)
校正 1.6333682537078857 s
分割 0.13702082633972168
254
寻找最佳点 0.021014928817749023
字符识别 0.2136836051940918
分割和识别 0.3737204074859619 s
车牌: 浙B5HC51 置信度: 0.8446585088968277
2.1401290893554688 s
-------------
['浙B5HC51']

至此，我们成功地使用开源python库进行车牌识别，本次提供的样本显示出识别需要质量较高的图像，对于低质量图像或有逆光干扰的时候，会有多个结果供选择，我们可以根据置信度，或提高图像分辨率进行处理与选择。

错误调试
第一次执行的时候，有可能会报如下错误。

numpy.AxisError: axis 3 is out of bounds for array of dimension 3

需要对程序进行部分修改。

将data= np.expand_dims(data,3)中的3改为2。

这里主要关系到np.expand_dims函数的作用。这个函数是用来调整数组维度的。比如有一个二维数组data（1，2），但是你需要输入3维数组，然后你就需要把数据再加一维。但是需要选择加在哪一维。二维数组就有三个位置（0, 1，2）。注意axis的值是从0开始的。

HyperLPR Python3车牌识别系统的入门使用相关推荐

HyperLPR 开源车牌识别系统搭建踩坑全记录
(介绍略) 一个开源的车牌识别系统. github地址:https://github.com/szad670401/HyperLPR 一.下载 git clone https://github.com ...
Python3 HyperLPR 中文车牌识别
HyperLPR 高性能开源中文车牌识别框架 github地址: https://github.com/szad670401/HyperLPR 在使用的过程中真的踩了好多坑,GitHub中项目文件很多 ...
Python 基于 opencv 的车牌识别系统, 可以准确识别车牌号
大家好,我是程序员徐师兄,6 年大厂程序员经验,点击关注我简介毕业设计基于Opencv的车牌识别系统车牌搜索识别找出某个车牌号对比识别车牌系统车牌数据库认证系统车牌图文搜索系统车牌数据库 ...
你不知道的车牌识别系统
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达有小伙伴后台和小白说,能不能推荐几个适合入门的开源视觉项目,因为根 ...
【深度学习】你不知道的车牌识别系统
有小伙伴后台和小白说,能不能推荐几个适合入门的开源视觉项目,因为根据实际项目和代码学起来相对来说比较快.小白收集了一些比较简单的开源的项目,会陆陆续续的分享给大家,文末有源码地址. 今天首先带来的是一 ...
【AI达人创造营三期】在地平线X3上部署车牌识别系统
[AI达人创造营三期]在地平线X3上部署车牌识别系统一. 项目介绍本项目属于AI达人创造营三期项目,主要探索如何将PaddleOCR训练的车牌识别模型部署在地平线X3的板子上,并实现实时推理. 二 ...
【毕设】车牌识别系统的设计与实现
车牌识别系统的设计与实现_毕设记录 1 前言[源码见评论区] 2 开发环境 3 VS2017配置OpenCV运行第一个小程序(19.12.27) 3.1 第一个小程序 3.2 参考链接汇总 4 车牌定 ...
车牌识别系统分步详解
车牌定位开题作为一个刚接触Python以及图像处理的小白,正好这次毕设题目是车牌识别,虽然毕设最终还是只能简单的实现部分车牌的识别,但还是希望能够将其记录下来,既是给自己做做笔记,也是希望能够给其 ...
【Opencv实战】一文看懂车牌识别系统全部内容，未来市场前景看好（很赞）
前言车辆号牌是车辆唯一身份证,它的特殊性与重要性决定车牌识别系统成为城市智能交通管理系统中不可或缺的重要组成部分. 未来,随着我国城市化进程发展的提速,交通压力将更加严峻,因此智能化交通管理将是今 ...

HyperLPR Python3车牌识别系统的入门使用

概要

TODO

特性

模型资源说明

可识别和待支持的车牌的类型

HyperLPR的检测流程

环境配置

HyperLPR Python3车牌识别系统的入门使用相关推荐

最新文章

热门文章