HyperLPR车牌识别

本文介绍了基于HyperLPR的车牌识别系统,该系统使用OpenCV的Haar级联分类器进行目标检测,能识别多种中文车牌类型,包括白牌、新能源车牌等。通过4700张正样本和12000张负样本训练,并采用Hard Sample Mining策略提高鲁棒性。代码实现简单,可在GitHub找到完整项目。

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

简介

本文基于HyperLPR进行修改,完整代码参考https://github.com/Liuyubao/PlateRecognition

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其他框架相比,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框架,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。

使用的目标检测器是基于OpenCV的Haar级联分类器。其速度也达到了不错的效果,对于移动端的大车牌基本可以实时定位。

使用了大概4700张正样本车牌车12000张负样本进行了分类器训练。

训练的方法

使用了OpenALPR的Train - Detector,来进行训练Opencv的Haar级联分类目标检测器。
正样本可以通过手动crop或者使用easypr或者hyperlpr的模块进行crop裁剪。
负样本在train detector目录下已经包含了一些基本的负样本,我们在多次训练后发现,使用这些负样本训练出来的检测器在垂直边缘密集的地方误检特别高。 这时候我们就要使用类似于Hard Sample Mining的策略 将这些部分的误检区域crop出来。加入到分类器中训练。

检测器的使用很简单。使用opencv中的cascadeclassifier进行多尺度检测即可。

可识别和待支持的车牌的类型

  • 单行蓝牌
  • 单行黄牌
  • 新能源车牌
  • 白色警用车牌
  • 使馆/港澳车牌
  • 教练车牌
  • 武警车牌

代码实

评论
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