From e6e33904b9dbbe0faef582a0a410c42c78632cdd Mon Sep 17 00:00:00 2001 From: Jackyu <455501914@qq.com> Date: Wed, 4 Oct 2017 19:56:23 +0800 Subject: [PATCH] =?UTF-8?q?Destroyed=20HyperLPR=E8=BD=A6=E7=89=8C=E8=AF=86?= =?UTF-8?q?=E5=88=AB=E7=9A=84=E5=AE=89=E8=A3=85=20(markdown)?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- HyperLPR车牌识别的安装.md | 105 ------------------------------- 1 file changed, 105 deletions(-) delete mode 100644 HyperLPR车牌识别的安装.md diff --git a/HyperLPR车牌识别的安装.md b/HyperLPR车牌识别的安装.md deleted file mode 100644 index 1b303e4..0000000 --- a/HyperLPR车牌识别的安装.md +++ /dev/null @@ -1,105 +0,0 @@ -# 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) -```