FakeLPR车牌识别(1) ----- 概述

本文介绍了FakeLPR车牌识别系统,一个基于生成数据训练的深度学习模型,具有高精度和简单实现的特点。该系统使用Caffe进行多标签分类,无需真实数据,对真实场景有一定识别效果。通过级联方法检测车牌,包括粗略识别、角点检测和透视变换。目前仅支持蓝牌7个字符,存在鲁棒性问题和速度瓶颈。文章还提供了Ubuntu环境下运行代码的步骤,并预告了后续的车牌角点定位内容。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

做了一个车牌识别系统,就叫 FakeLPR 吧,我是作者罗百万

github地址 :https://github.com/millionsofluo/FakeLPR

环境:    ubuntu16.04     python2.7     opencv 3.4


特点:

1.所有训练数据都是生成的,没有真实数据,训练结果非常好,精度0.95以上,对真实场景也有一定效果

2.方法简单适合新手学习,只要会用跑 caffe 的 mnist 分类,会用基本的 opencv,就可以看懂,然后自己训练

3.深度学习方法实现,区别于传统方法,不做分割直接端到端识别,主要是用 caffe 做多标签分类

4.基于caffe训练的两个模型,每个的 fps 都在150左右,模型小而且还有压缩空间

5.依赖少,虽然全是 python2 写的,但是调用caffe模型不需要装 caffe,有opencv3.4就行,所以要转C++也方便(训练还是要 caffe 的)

 


效果:

真实场景

生成图片

 

 


检测方法:

用了类似级联的方法

1.传入一张图片,粗略识别出车牌部分

2.将粗定位部分截取,按比例扩大,用模型检测出车牌的4个角点

3.利用检测出的4个车牌角点,用透视变换的方法矫正成矩形

如生成图

      ——>        

   

4.用字符检测模型直接检测矫正后的车牌,得到结果

(结果保存在文件名最后)


调用方法:

在 ubuntu 环境下,下载代码

没有 opencv3.4 的直接 pip install opencv-python

进入主目录,执行 py2_demo.py

cd FakeLPR
python py2_demo.py

测试结果保存在 test_tesult 文件夹

 

也可以更换测试图片文件夹

主目录下打开 py2_demo.py 找到 main() 函数

def main():
    test_result_dir = 'test_result'
    tool.mkdir_dir(test_result_dir)

    #################### 测试图片路径 ########################
    # test_img_path = 'test_images/real_all_image'
    # test_img_path = 'test_images/real_crop_image'
    # test_img_path = 'test_images/creat_image'
    test_img_path = '你的图片文件夹'
    ##########################################################

test_img_path 改成你自己的测试图片路径即可


缺陷:

1.没有真实数据,对真实场景支持差,主要是我懒得弄,车牌还好说,车牌角点简直太难了,所以索性全部生成

2.因为是两个模型顺序工作,若其中一个没有检测好,结果必定不准,必须两个模型都检测准确,结果才准,整体鲁棒性差(重要)

3.只支持蓝牌7个字符,带‘学’都不行,不过在生成数据的时候改一下也可以支持

4.代码没有优化过,虽然训练的两个模型都比较快,但整体跑下来一张图片只有8fps左右,优化一下再写个c++版本可能快一点


下一篇:FakeLPR车牌识别(2) ----- 车牌角点定位


妈的csdn真烦,上传个图麻烦的要死,还非要强制水印

排版这么傻,添加代码也是这么反人类

算了,我还是去用简书写吧

嗯,我又回来了,简书更水,代码块都没有

(用惯了还行)

嗯 。。。。。。。。。。。真香


 

评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值