Updated Home (markdown)

Home.md

@@ -1 +0,0 @@
-Welcome to the HyperLPR wiki!

HyperLPR的安装.md

@@ -0,0 +1,105 @@
+# HyperLPR车牌识别文档
+
+## 介绍
+
+HyperLPR是一个基于Python的使用深度学习针对对中文车牌识别的实现，与开源的[EasyPR](https://github.com/liuruoze/EasyPR)相比，它的检测速度和鲁棒性和多场景的适应性都要好于EasyPR。我们设计了较为鲁棒的算法来完成在复杂场景下的车牌识别。
+
+
+
+### 设计流程
+
+目前的车牌识别算法的Pipeline 如下
+
+> step1. 使用opencv 的 HAAR Cascade 检测车牌大致位置
+>
+> step2. Extend 检测到的大致位置的矩形区域
+>
+> step3. 使用类似于MSER的方式的 多级二值化 + RANSAC 拟合车牌的上下边界
+>
+> step4. 使用CNN Regression回归车牌左右边界
+>
+> step5. 使用基于纹理场的算法进行车牌校正倾斜
+>
+> step6. 使用CNN滑动窗切割字符
+>
+> step7. 使用CNN识别字符
+
+接下来的文章会逐一的介绍本框架使用的算法流程和详细过程。
+
+## 安装须知
+
+由于本项目是基于Python2开发，在未来的一段时间内，将会转为Python3开发。所以目前的版本仅支持Python2开发。所需的依赖如下：
+
+- Keras (>2.0.0)
+- Theano(>0.9) or Tensorflow(>1.1.x)
+- Numpy (>1.10)
+- Scipy (0.19.1)
+- OpenCV(>3.0)
+- scikit-image (0.13.0)
+
+
+
+### 依赖安装
+
+###### Windows
+
+在Windows下，由于没有给Python2的tensorflow版本所以，可以选择theano和CNTK作为Keras的后端。在Windows下，推荐使用adaconda来配置环境，具体教程可以[参考此文](https://github.com/szad670401/dlwin)。在安装完Keras和及其backend后。
+
+由于Numpy和Scipy在adaconda中已经集成了。接下来需要安装OpenCV	
+
+`pip install opencv-python`
+
+###### Linux(Ubuntu)
+
+Linux下安装较为简单，输入在bash中执行以下命令即可：
+
+更新本地索引
+
+`sudo apt-get update`
+
+安装Python环境
+
+`sudo apt-get install python2.7  python-pip` 
+
+`sudo pip install numpy opencv-python scipy` 
+
+`sudo pip install theano` 
+
+`sudo pip install keras==2.0.0`
+
+###### Mac
+
+Mac下安装同样很简单，Mac是自带Python2环境的，由于Mac没有自带的包管理器，如果没有安装Python环境的话，需要下载类似于Linux的包管理器HomeBrew,可以在[这里](https://brew.sh)参考安装。
+
+安装Python
+
+`brew update`
+
+`brew install python` 
+
+`sudo pip install numpy opencv-python scipy` 
+
+`sudo pip install theano` 
+
+`sudo pip install keras==2.0.0`
+
+### 使用HyperLPR
+
+下载HyperLPR可以使用Git(但是提前必须安装Git命令行工具)也可以从[Github](https://github.com/zeusees/HyperLPR)直接下载Zip
+
+`git clone https://github.com/zeusees/HyperLPR.git`
+
+`cd HyperLPR`
+
+HyperLPR的训练好的默认模型放在model目录下，训练模型的代码暂未开源。
+
+需要使用请将hyperlpr和model一起移动到工程目录。
+
+接着就可以通过如下代码开始简单使用了
+
+```python
+from hyperlpr import  pipline as  pp
+import cv2
+image = cv2.imread("filename")
+image,res  = pp.SimpleRecognizePlate(image)
+```