FakeLPR车牌识别(1) ----- 概述

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

---