探索 Python + HyperLPR 进行车牌识别-CSDN博客

概要

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。本文将根据官网指引，进行一个车牌识别的入门探索。

特性

速度快 720p ，单核 Intel 2.2G CPU (macbook Pro 2015)平均识别时间低于100ms
基于端到端的车牌识别无需进行字符分割
识别率高,仅仅针对车牌ROI在EasyPR数据集上，0-error达到 95.2%, 1-error识别率达到 97.4% (指在定位成功后的车牌识别率)
轻量总代码量不超1k行

目前可识别的车牌为

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

注意

阅读本文前，您可能需要熟悉Python的开发环境，一些基本语法，Jupyter Notebook的使用，会使用git 客户端工具，知道 Tensorflow等等。

工具

Anaconda for Python 3.x on Win64
Tensorflow

过程

1、安装Anaconda

进入官网，点击Windows -> Python 3.6 version -> 64-Bit Graphical Installer(631 MB)进行下载；下载完成后打开一直下一步直至安装完成。整个安装过程需要10分钟左右。

Q: 为什么要python3.6呢?
A : 因为在windows下，tensorflow不支持Python 2.7，请各位看官注意。在2.7下用pip安装ttensorflow会一直报找不到相应的模块。

下载界面

2、安装相关的python库

Anaconda已经包含了pip安装器，我们需要进入 C:\Users\您的计算机用户名\Anaconda3\Scripts下运行pip进行安装。

在开始菜单中输入cmd，右键以管理员运行，执行cd C:\Users\您的计算机用户名\Anaconda3\Scripts，在些输入pip命令安装依赖的模块

pip install pyinstaller -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install Keras
pip install Theano
pip install Numpy
pip install Scipy
pip install opencv-python
pip install scikit-image
pip install pillow
pip install tensorflow

安装过程中可能出现Time out错误如下

    raise ReadTimeoutError(self._pool, None, 'Read timed out.')
pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host='files.pythonhosted.org', port=443): Read timed out.

不要慌，重新输入一次安装命令。如：pip install pillow

若遇到多次这种情况，您可能需要一架梯子。

3、下载车牌识别库

打开Git CMD，输入下面的指令，将仓库克隆到本地，--depth=1不克隆历史，只取最新的一个版本，对我们使用者来说可以节少大量的时间，因为历史版本对我们没有什么意义。

git clone --depth=1 https://github.com/zeusees/HyperLPR.git

等待克隆完成

Blackice@Blackice-PC MINGW64 /d/Projects
$ git clone --depth=1 https://github.com/zeusees/HyperLPR.git
Cloning into 'HyperLPR'...
remote: Counting objects: 793, done.
remote: Compressing objects: 100% (605/605), done.
remote: Total 793 (delta 170), reused 709 (delta 149), pack-reused 0
Receiving objects: 100% (793/793), 92.86 MiB | 86.00 KiB/s, done.
Resolving deltas: 100% (170/170), done.
Checking out files: 100% (714/714), done.

所有文件如下

整个开源库的文件

我们需要把hyperlpr_py3复制到C:\Users\您的计算机用户名\Anaconda3\Lib下，并改名为hyperlpr，完整路径为C:\Users\您的计算机用户名\Anaconda3\Lib\hyperlpr

路径及文件

然后，我们在桌面\Jupyter\下创建一个LPR的目录，将开源库中的Font和model拷到此目录，创建一个car的目录，放置一张待识别车牌的车辆照片，命名为1.jpg,2.jpg,3.jpg。

img_a35f212b8f2d29f3b105d9a0591acf14.jpe

1.jpg

img_7a5324c16b1be46c69123d8ddfba2bc8.jpe

2.jpg

img_a1af5f488be737882563b23a034ce649.jpe

3.jpg

4、运行DEMO
整个安装完后，打开 Jupyter Notebook，在Desktop\Jupyter\LRP新建一个 Python3的Notebook，输入如下代码：

from hyperlpr import  pipline as  pp
import cv2
# 自行修改文件名
image = cv2.imread("./car/1.jpg")
image,res  = pp.SimpleRecognizePlate(image)
print(res)

按shift + Enter执行，大约几秒后即可出现结果。

识别结果1

识别结果2

识别结果3

至此，我们成功地使用开源python库进行车牌识别，本次提供的三个样本显示出识别需要质量较高的图像，对于低质量图像或有逆光干扰的时候，会有多个结果供选择，我们可以根据置信度，或提高图像分辨率进行处理与选择。

引用

1. anaconda 下载地址
 2. HyperLRP 开源仓库