背景
在2017年北京智云视图科技有限公司开源了一款基于深度学习的车牌识别系统HyperLPR,后续在平台丰富,准确度上都有完善,但距离商业应用仍然存在一些差距,包括:
- 车牌支持种类,不支持双层等;
- 定位,以前的定位基于harr like特征,没有办法让算法完全运行在GPU上;
- 没有提供车牌颜色识别的功能;
- 识别准确率还需进一步提高。
新版本
近期,智云视图提交了一个更为完善的版本,HyperLPR-V2,在原始版本的基础上,提供了以下几个模块的完善。
首先,是检测的准确率。第一版的车牌检测,是基于cascade harr特征的方法,该方法在对于图片质量较好,倾斜角度不大的情况下表现可以,但是对于一些大角度,逆光等条件,具有局限性。在V2版本中,作者提供了一个基于mobilenet ssd 0.25 的图片检测模型,能够适应大部分场景的车牌检测,包括停车场,路边手持设备,交通卡口等。
第二,对于双层黄色车牌的支持。交通卡口图像车牌识别或者路边手持设备识别,会存在一些大型车后牌识别的需求,在前一版本中没有提供这方面的支持,在v2版本中,作者提供了一个基于cascade harr的双层车牌检测模型,同时在python代码中提供了双层车牌的识别代码,使用者可以根据自己的需求开启该功能。如下图所示: