lpr相关项目介绍

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/hzhj2007/article/details/81636926

openalpr

• 相关文件的功能参看wiki，使用文档；
• 测试例子中的图时，应修改country为eu，即输出结果和国家的配置项相关；
• 暂时没有中国车牌的模型；
• C++版本支持单字符分割；
• binding中的python版本没找到检测和识别的独立模块；
• 官方基于ubuntu:18.04做的镜像可以根据说明文档运行，但是如果进去容器后(修改Dockerfile最后的ENTRYPOINT为CMD制作新镜像)，运行报错。换成以ubuntu:16.04为基础镜像就可以了。
• star: 7382 fork:1582

deep-anpr

• 相关文件的功能和算法逻辑参看该博客；
• 该项目部分不完善；
• 检测采用滑窗的方式，利用网络判断区域中字母的概率及是否为车牌的概率，得到车牌的整体区域；
• 基于整图的7位定长车牌识别, 端到端识别；
• 可生成带噪声的国外车牌数据；
• star:1335 fork:559

end-to-end-for-chinese-plate-recognition

• 无检测模块，仅支持识别；
• 基于mxnet的端到端的中文车牌识别；
• 生成带噪声的国内车牌数据；
• star: 638 fork:357

HyperLPR

• 在end-to-end-for-chinese-plate-recognition模块的基础上增加检测模块；
• 识别网络固定输入图片大小；
• 支持单字符分割，输出单字符分割后的区域结果(与识别的车牌大小无关的灰度图)；
• 添加的新的Python 序列模型-识别率大幅提高；
• 端到端（多标签分类和CTC）两种识别训练方式；
• star: 996 fork:484

把OCR的问题当做一个多标签学习的问题。7个数字组成的车牌就相当于有7个标签的图片识别问题（这里的标签还是有序的），用CNN来解决；
把OCR的问题当做一个语音识别的问题，语音识别是把连续的音频转化为文本，车牌识别就是把连续的图片转化为文本，用CNN+LSTM+CTC来解决；

ocr的端到端识别文章可查看该知乎

参考文献：

1. https://github.com/openalpr/openalpr
2. https://github.com/matthewearl/deep-anpr
3. https://github.com/szad670401/end-to-end-for-chinese-plate-recognition
4. https://github.com/zeusees/HyperLPR