python 车牌识别训练模型_使用Python基于HyperLPR/Mask-RCNN的中文车牌识别

基于HyperLPR的中文车牌识别

HyperLPR

简介

HyperLPR是开源的基于深度学习实现的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，与较为流行的开源的其他框架相比，它的检测速度、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，包括单行蓝牌/黄牌，白牌(白色警用车牌)，新能源车牌，使馆/港澳车牌，教练车牌，武警车牌等。HyperLRP支持PHP、C/C++、Python语言，Windows/Mac/Linux/Android/IOS平台。

特性

基于端到端Sequence模型，无需进行字符分割，识别速度更快

速度快720p，单核Intel 2.2G CPU(Macbook Pro 2015)平均识别时间<=90ms

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

带有Android实现，其Android Demo可解决一些在一些普通业务场景(如执法记录仪)下的车牌识别任务

注意事项

Win工程中若需要使用静态库，需单独编译

本项目的C++实现和Python实现无任何关联，都为单独实现

在编译C++工程的时候必须要使用OpenCV 3.3(DNN库)，否则无法编译

Python依赖

Keras (>2.0.0)

Theano(>0.9) or Tensorflow(>