|
|
@@ -1,4 +1,4 @@ |
|
|
|
# 车牌识别 |
|
|
|
# HyperLPR |
|
|
|
|
|
|
|
### 介绍 |
|
|
|
|
|
|
@@ -23,17 +23,19 @@ HyperLPR是一个基于Python的使用深度学习针对对中文车牌识别的 |
|
|
|
|
|
|
|
### Pipeline |
|
|
|
|
|
|
|
step1. 使用opencv 的 HAAR cascade 检测车牌大致位置 |
|
|
|
> step1. 使用opencv 的 HAAR cascade 检测车牌大致位置 |
|
|
|
|
|
|
|
step2. Extend 检测到的大致位置的矩形区域 |
|
|
|
> step2. Extend 检测到的大致位置的矩形区域 |
|
|
|
|
|
|
|
step3. 使用类似于mser的方式的多级二值化+ransac拟合车牌的上下边界 |
|
|
|
> step3. 使用类似于mser的方式的多级二值化+ransac拟合车牌的上下边界 |
|
|
|
|
|
|
|
step4. 使用CNN regression回归车牌左右边界 |
|
|
|
> step4. 使用CNN regression回归车牌左右边界 |
|
|
|
|
|
|
|
step5. 使用CNN滑动窗切割字符 |
|
|
|
> step5. 使用基于纹理场的算法进行车牌校正倾斜 |
|
|
|
|
|
|
|
step6. 使用CNN识别字符 |
|
|
|
> step6. 使用CNN滑动窗切割字符 |
|
|
|
|
|
|
|
> step7. 使用CNN识别字符 |
|
|
|
|
|
|
|
### 简单使用方式 |
|
|
|
|
|
|
|