HyperLPR车牌识别技术算法之车牌粗定位与训练

##关于HyperLPR
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

前言

车牌识别是使用OCR来识别车牌的一种应用方式，车牌识别在国内经历了十年乃至二十年的发展，在文通，火眼臻睛等一些公司的努力下，中文车牌识别技术基本趋于成熟，基本在能强光，夜晚，光照不均匀，多姿态等恶劣情况下进行稳定的识别，其商业应用也相对比较广泛，从停车场到交通卡口，公司门禁都有涉及。车牌相比人脸，这个坑，效果好的项目至少在开源界并不是很多，EasyPR在这方面做出了做出了很大的贡献，一些成熟的车牌识别公司都有并不开源，甚至没有免费的SDK提供，所以我在课余时间思考和设计了这个开源项目，同时这个开源项目在不断开发的过程中也在帮助我也不断的在学习，后来在一些朋友的帮助下我决定将它的代码开源。

在这里不得的不感谢的是EasyPR这个中文的开源项目给了我很大的帮助和启发，在这里也要感谢EasyPR团队付出的无偿的努力和高质量博文。

HyperLPR使用了一套和EasyPR完全不同的Pipeline来完成车牌识别这个任务

设计流程介绍-粗定位

车牌定位的方法有很多种，在学术界它其实是属于场景文字检测的一种特定情况。

考虑到字符间垂直边缘比较密集，有基于边缘的方法。
考虑到字符个体间的特征，有基于个体字符特征发的方法
考虑到车牌这种共性特征比较强烈的目标 ，有基于目标检测的方法。

有学者对这些方法做了一一的评判。下表是这些方法的各个表现能力。不过由于每篇论文采用的数据集不同。其准确率并不能比较。
HyperLPR用了使用了基于目标检测的方法进行车牌粗定位，总体而言去得了不错的效果。