车牌识别开源项目—EasyPR开发详解 - CSDN文库

1星需积分: 49 155 浏览量更新于2023-03-16 评论 3 收藏 4.29MB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

EasyPR 开发详解（1）

在上篇文档中已经简单的介绍了 EasyPR，现在在本文档中详细的介绍 EasyRP 的开发过程。

正如淘宝诞生于一个购买来的 LAMP 系统，EasyPR 也有它诞生的原型，起源于 CSDN 的一个博客，

作者以读书笔记的形式记述了通过阅读“”这本书完成的一个车牌系统的雏形。

这个系统有几个特点：1.将车牌系统划分为了两个过程，即车牌检测和字符识别。2.整个系统是针对

西班牙的车牌开发的，与中文车牌不同。3.系统的训练模型来自于原书。作者基于这个系统，诞生了开发

一个适用于中文的，且适合与协作开发的开源车牌系统，也就是 EasyPR。

当然了，现在车牌系统满大街都是，随便上下百度首页都是大量的广告，一些甚至宣称自己实现了 99%

的识别率。那么，作者为什么还要开发这个系统呢？这主要是基于时势与机遇的原因。

众所皆知，现在是大数据的时代。那么，什么是大数据？可能有些人认为这个只是一个概念或着炒作。

但是大数据确是实实在在有着基础理论与科学研究背景的一门技术，其中包含着分布式计算、内存计算、

机器学习、计算机视觉、语音识别、自然语言处理等众多计算机界崭新的技术，而且是这些技术综合的产

物。事实上，大数据的“大”包含着 4 个特征，即 4V 理念，包括 Volume（体量）、Varity（多样性）、

Velocity（速度）、Value（价值）。

也就是说大数据技术不仅包含数据量的大，也包含处理数据的复杂，和处理数据的速度，以及数据中

蕴含的价值。而车牌识别这个系统，虽然传统，古老，确是包含了所有这四个特侦的一个大数据技术的缩

影。在车牌识别中，你需要处理的数据是图像中海量的像素单元，你处理的数据不再是传统的结构化数据，

而是图像这种非结构化数据，如果不能在很短的时间内识别出车牌，系统对海量数据的处理就会被拖慢，

虽然一副抓拍图像中有很多的信息，但可能仅仅只有那一小块的信息（车牌）以及车身的颜色是你关心，

而且这些信息都蕴含着价值。

也就是说，车牌识别系统事实上就是现在火热的大数据技术在某个领域的一个聚焦，通过了解车牌识

别系统，可以很好的帮助你理解大数据技术的内涵，也能清楚的认识到大数据的价值。很神奇吧，也许你

觉得车牌识别系统很低端，这不是随便大街上都有的么，而你又认为大数据技术很高端，似乎高大上的感

觉。其实两者本质上是一样的。另外对于觉得大数据技术是虚幻的炒作念头的同学，你们也可以了解一下

车牌识别系统，就能知道大数据落在实地，事实上已经不知不觉进入我们的生活很长时间了，像一些其他

的如抢票系统，语音助手等，都是大数据技术的真真切切的体现。所谓再虚幻的概念落到实处，就成了下

里巴人，应该就是这个意思。所以对于炒概念要有所警觉，但是不能因此排除一切，要了解具体的技术内

涵，才能更好的利用技术为我们服务。

除了帮忙我们更好的理解大数据技术，使我们跟的上时代，开发一个车牌系统还有其他原因。那就是、

现在的车牌系统，仍然还有许多待解决的挑战。这个可能很多同学有疑问，你别骗我，百度上我随便一搜

都是 99%，只要多少多少元，就可以 99%。但是事实上，车牌识别系统业界一直都没有一个成熟的百分百

适用的方案。一些 90%以上的车牌识别系统都是跟高清摄像机做了集成，由摄像头传入的高分辨率图片进

入识别系统，可以达到较高的识别率。但是如果图像分辨率一旦下来，或者图里的车牌脏了的话，那么很

遗憾，识别率远远不如我们的肉眼。也就是说，距离真正的智能的车牌识别系统，目前已有的系统还有许

多挑战。什么时候能够达到人眼的精度以及识别速率，估计那时候才算是完整成熟的。

那么，有同学问，就没有办法进一步优化了么。答案是有的，这个就需要谈到目前火热的深度学习与

计算机视觉技术，使用多隐层的深度神经网络也许能够解决这个问题。但是目前 EasyPR 并没有采用这种

技术，或许以后会采用。但是这个方向是有的。也就是说，通过研究车牌识别系统，也许会让你一领略当

今人工智能与计算机视觉技术最尖端的研究方向，即深度学习技术。怎么样，听了是不是很心动？最后扯

一下，前端时间非常火热 Google 大脑技术和百度深度学习研究院，都是跟深度学习相关的。

下图是一个深度学习（右）与传统技术（左）的对比，可以看出深度学习对于数据的分类能力的优势。

EasyPR 开发详解（2）车牌定位

这篇文章是一个系列中的第三篇。前两篇的地址贴下：介绍、详解 1。我撰写这系列文章的目的是：

1、普及车牌识别中相关的技术与知识点；2、帮助开发者了解 EasyPR 的实现细节；3、增进沟通。

EasyPR 的项目地址在这：GitHub。要想运行 EasyPR 的程序，首先必须配置好 openCV，具体可

以参照这篇文章。

在前两篇文章中，我们已经初步了解了 EasyPR 的大概内容，在本篇内容中我们开始深入 EasyRP 的

程序细节。了解 EasyPR 是如何一步一步实现一个车牌的识别过程的。根据 EasyPR 的结构，我们把它分

为六个部分，前三个部分统称为“Plate Detect”过程。主要目的是在一副图片中发现仅包含车牌的图块，

以此提高整体识别的准确率与速度。这个过程非常重要，如果这步失败了，后面的字符识别过程就别想了。

而“Plate Detect”过程中的三个部分又分别称之为“Plate Locate” ，“SVM train”,“Plate judge”，其中

最重要的部分是第一步“Plate Locate”过程。本篇文章中就是主要介绍“Plate Locate”过程，并且回答以

下三个问题：

1.此过程的作用是什么，为什么重要？

2.此过程是如何实现车牌定位这个功能的？

3.此过程中的细节是什么，如何进行调优？

1.“Plate Locate”的作用与重要性

在说明“Plate Locate”的作用与重要性之前，请看下面这两幅图片。

图 1 两幅包含车牌的不同形式图片

左边的图片是作者训练的图片（作者大部分的训练与测试都是基于此类交通抓拍图片），右边的图片

则是在百度图片中“车牌”获得（这个图片也可以称之为生活照片）。右边图片的问题是一个网友评论时问

的。他说 EasyPR 在处理百度图片时的识别率不高。确实如此，由于工业与生活应用目的不同，拍摄的车

牌的大小，角度，色泽，清晰度不一样。而对图像处理技术而言，一些算法对于图像的形式以及结构都有

一定的要求或者假设。因此在一个场景下适应的算法并不适用其他场景。目前 EasyPR 所有的功能都是基

于交通抓拍场景的图片制作的，因此也就导致了其无法处理生活场景中这些车牌照片。

那么是否可以用一致的“Plate Locate”过程中去处理它？答案是也许可以，但是很难，而且最后即便

处理成功，效率也许也不尽如人意。我的推荐是：对于不同的场景要做不同的适配。尽管“Plate Locate”

过程无法处理生活照片的定位，但是在后面的字符识别过程中两者是通用的。可以对 EasyPR 的“Plate

Locate”做改造，同时仍然使用整体架构，这样或许可以处理。

剩余79页未读，继续阅读

评论1

zaibeijixing

2018-08-27

只是把EasyPR的网页文档复制粘贴成一个PDF文档而已，需要看的可直接找源文档https://www.cnblogs.com/subconscious/default.html?page=1

marc07
上传者
2018-09-08

是的，有条件上网的开发者可以上网阅读。若需要存档成文档资料的话，此份文档直接提供，不用您再花时间整理。握手。补充一下，现在本人已毕业从事嵌入式软件开发了，不从事车牌识别工作，后面的QQ号不用再加~

marc07

粉丝: 36
资源: 3

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈