当前位置:

HyperLRP中文车牌识别框架 v1.0

收藏
举报
HyperLRP是一个开源的、基于深度学习高性能中文车牌识别库,由北京智云视图科技有限公司开发,支持PHP、C/C++、Python语言,Windows/Mac/Linux/Android/IOS 平台。特性:速度快 720p,单核 Intel 2.2G CPU (MaBook Pro 2015)平均识别时间低于100ms基于端到端的车牌识别无需进行字符分割识别率高,卡口场景准确率在95%-97%
  • 作者:
    暂无
  • 演示网站:
    暂无
  • 当前版本:
    v1.0
  • 日期:
    2020-10-21
  • 相关链接:
    Home Page
  • 所属分类:
    开发框架 C++
  • 软件评级:
  • 下载人气:
    96
免费下载
求购此源码
应用截图
源码详情
免费下载
联系客服/入群
源码属性
授权 开源
大小 102MB
语言 C++
运行环境 C++
功能介绍
HyperLRP是一个开源的、基于深度学习高性能中文车牌识别库,由北京智云视图科技有限公司开发,支持PHP、C/C++、Python语言,Windows/Mac/Linux/Android/IOS 平台。

特性:
速度快 720p,单核 Intel 2.2G CPU (MaBook Pro 2015)平均识别时间低于100ms
基于端到端的车牌识别无需进行字符分割
识别率高,卡口场景准确率在95%-97%左右
轻量,总代码量不超1k行

Python 依赖:
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)
PIL
CPP 依赖:
Opencv 3.4 以上版本

模型资源说明:
cascade.xml 检测模型 - 目前效果最好的cascade检测模型
cascade_lbp.xml 召回率效果较好,但其错检太多
char_chi_sim.h5 Keras模型-可识别34类数字和大写英文字 使用14W样本训练
char_rec.h5 Keras模型-可识别34类数字和大写英文字 使用7W样本训练
ocr_plate_all_w_rnn_2.h5 基于CNN的序列模型
ocr_plate_all_gru.h5 基于GRU的序列模型从OCR模型修改,效果目前最好但速度较慢,需要20ms。
plate_type.h5 用于车牌颜色判断的模型
model12.h5 左右边界回归模型

注意事项:
Win工程中若需要使用静态库,需单独编译
本项目的C++实现和Python实现无任何关联,都为单独实现
在编译C++工程的时候必须要使用OpenCV 3.3以上版本 (DNN 库),否则无法编译
安卓工程编译ndk尽量采用14b版本
付费服务
模板/插件

联系客服

手机版

扫一扫进入手机版

返回顶部