一种基于深度学习的号牌定位方法

核心参考

感谢开源贡献Caffe(贾扬清)

本文测试工程源码连接

链接(工程源码大小限制，整个工程压缩成3个包上传)：

https://download.csdn.net/download/hobbitdream/10578026

https://download.csdn.net/download/hobbitdream/10578035

https://download.csdn.net/download/hobbitdream/10578044

鉴于Caffe框架配置GPU版本不同，可能导致应用出错，所以仅提供CPU版本的测试工程。另外，在测试时，请重新配置Caffe模型文件路径(NET_DEF_FILE与MODEL_FILE)以及测试图像路径(str)。

算法基本实现原理

深度学习Caffe框架

开源的Caffe框架相关理论，网上已有太多资料可供参阅，欢迎各位感兴趣的朋友研究。

号牌文本目标的定位检测

整个算法的核心即通过Caffe最后的fc层特征通过回归得到各种候选的proposal矩形，然后采用线段构造等方法，将各种相邻的矩形合并，构成最终的文本目标位置（思路参考另一篇文章《超高效车牌识别算法》）。

算法测试

将该方法应用到目前比较流行的号牌定位上，得到了较好的效果；尤其当测试目标为水平横置的文本号牌对象时，效果更佳。具体测试目标主要包括了三大类(测试资源来源于网络)：身份证字符、车牌字符、高铁车号，下面简单附上各类的测试基本效果。更多测试，欢迎各位感兴趣的朋友下载测试工程自行测试。