自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(13)
  • 收藏
  • 关注

原创 HyperLPR 高性能中文车牌识别系统分析(十二)

2021SC@SDUSC概述本篇是对该识别系统主要使用到的函数SimpleRecognizePlateByE2E(image)、SimpleRecognizePlateByE2E(self,image)、SimpleRecognizePlate()进行分析总结SimpleRecognizePlateByE2E(image)函数def SimpleRecognizePlateByE2E(image): t0 = time.time() images = detect.de

2021-12-25 16:47:41 2187

原创 HyperLPR 高性能中文车牌识别系统分析(十一)

2021SC@SDUSC概述上篇已对SimpleRecognizePlateByE2E()函数的内部调用的函数delectPlateRough()、finemappingVertical()、recognizeOne()进行分析总结接下来是对SimpleRecognizePlateByE2E()函数的结构与功能的最终分析与总结SimpleRecognizePlateByE2E()函数该函数接收的输入就是待识别车牌所在的图片,第一步就是使用detectPlateRough函数进行图像分

2021-12-25 15:19:34 377

原创 HyperLPR 高性能中文车牌识别系统分析(十)

2021SC@SDUSC概述接下来依旧是对SimpleRecognizePlateByE2E()函数及其内部调用的函数进行分析与总结本篇是对delectPlateRough()函数、finemappingVertical()函数、recognizeOne()函数的分析与总结detectPlateRough()函数 def detectPlateRough(self,image_gray,resize_h = 720,en_scale =1.08 ,top_bottom_pad

2021-12-25 15:14:59 399

原创 HyperLPR 高性能中文车牌识别系统分析(九)

2021SC@SDUSC概述接下来将对SimpleRecognizePlateByE2E()函数及其内部调用的函数进行分析与总结本篇是对demo.py文件及SimpleRecognizePlateByE2E()函数的分析总结demo.pyimport sysreload(sys)sys.setdefaultencoding("utf-8")import timedef SpeedTest(image_path): grr = cv2.imread(image_

2021-12-25 15:07:45 1892

原创 HyperLPR 高性能中文车牌识别系统分析(八)

2021SC@SDUSC概述本篇依旧是对pipline.py文件中的SimpleRecognizePlate()函数展开解析,逐渐深挖至底层此次文章主要分析SimpleRecognizePlate()函数部分代码,如下:if len(val)==3: blocks, res, confidence = val if confidence/7>0.7: image = drawRectBox(image,

2021-11-29 21:00:35 323

原创 HyperLPR 高性能中文车牌识别系统分析(七)

2021SC@SDUSC概述本篇依旧是对pipline.py文件中的SimpleRecognizePlate()函数展开解析,逐渐深挖至底层此次文章主要分析SimpleRecognizePlate()函数部分代码,如下: if len(val)==3: blocks, res, confidence = val if confidence/7>0.7: image = drawRectBo

2021-11-29 20:46:16 2685

原创 HyperLPR 高性能中文车牌识别系统分析(六)

2021SC@SDUSC概述本篇依旧是对pipline.py文件中的SimpleRecognizePlate()函数展开解析,逐渐深挖至底层此次文章主要分析SimpleRecognizePlate()函数部分代码,如下:

2021-11-14 20:09:40 1342

原创 HyperLPR 高性能中文车牌识别系统分析(五)

2021SC@SDUSC概述本篇依旧是对pipline.py文件中的SimpleRecognizePlate()函数展开解析,逐渐深挖至底层此次文章主要分析SimpleRecognizePlate()函数部分代码,如下image_rgb = fm.findContoursAndDrawBoundingBox(plate)代码分析引入了hyperlpr_py3文件夹下的finemapping.py文件的findContoursAndDrawBoundingBox()函数,即:.

2021-11-08 19:16:29 3298

原创 HyperLPR 高性能中文车牌识别系统分析(四)

2021SC@SDUSC概述本篇依旧是对pipline.py文件中的SimpleRecognizePlate()函数展开解析,逐渐深挖至底层此次文章主要分析SimpleRecognizePlate()函数部分代码,如下ptype = td.SimplePredict(plate) if ptype>0 and ptype<5: plate = cv2.bitwise_not(plate)代码分析ptype = td.Simpl

2021-10-31 22:08:32 321

原创 HyperLPR 高性能中文车牌识别系统分析(三)

2021SC@SDUSC概述本篇依旧是对pipline.py文件中的SimpleRecognizePlate()函数展开解析,逐渐深挖至底层此次文章主要分析SimpleRecognizePlate()函数部分代码,如下

2021-10-24 22:58:18 305

原创 HyperLPR 高性能中文车牌识别系统分析(二)

2021SC@SDUSC概述通过对于该项目的分析以及相关博客文章的阅读与理解,小组成员暂时确定核心代码在于HyperLPR-master文件夹下的HyperLPRLite.py文件的函数SimpleRecognizePlateByE2E()、hyperlpr_py3文件夹下的pipline.py文件的函数SimpleRecognizePlateByE2E()和函数SimpleRecognizePlate(),我们将对这几个函数进行分析与对比出有利的数据,以为后面的分析能做出更有效的调整。我将与其

2021-10-17 20:51:05 885

原创 HyperLPR 高性能中文车牌识别系统分析(一)

2021SC@SDUSC概述此次文章主要分析finemapping_vertical.py文件调用的库#coding=utf-8from keras.layers import Conv2D, Input,MaxPool2D, Reshape,Activation,Flatten, Densefrom keras.models import Model, Sequentialfrom keras.layers.advanced_activations import PReLU.

2021-10-10 23:55:16 565

原创 HyperLPR 高性能中文车牌识别系统分析综述

2021SC@SDUSC概要及综述HyperLRP是一个开源的、基于深度学习高性能中文车牌识别库,由北京智云视图科技有限公司开发,支持PHP、C/C++、Python语言,Windows/Mac/Linux/Android/IOS 平台项目github地址:https://gitee.com/zeusees/HyperLPR#%E4%B8%80%E9%94%AE%E5%AE%89%E8%A3%85项目的车辆识别对象: 支持多种车牌以及双层;支持大角度车牌;轻量级识别模型项目特性:

2021-09-30 00:01:22 837

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除