当前位置：

HyperLPR 高性能开源中文车牌识别框架

HyperLPR 高性能开源中文车牌识别框架是一个开源的、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。车牌识别是计算机视频图像识别技术在车辆牌照识别中的一种应用。在机器

大小：
102.01MB
演示网站：
暂无
当前版本：
暂无
日期：
2024-11-15 04:54:00
相关链接：
Home Page
所属分类：
开发框架、 C++ 、
软件评级：
下载人气：
37

免费下载

源码详情

源码属性

授权	开源
大小	102.01MB
语言	C++

HyperLPR 高性能开源中文车牌识别框架是一个开源的、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。车牌识别是计算机视频图像识别技术在车辆牌照识别中的一种应用。在机器学习算法的驱动下，可以做到对车辆车牌信息进行检测和识别，应用范围包括卡口摄像机，停车场等。
HyperLPR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
TODO：支持多种车牌以及双层支持大角度车牌轻量级识别模型
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
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
Linux/Mac 编译：仅需要的依赖OpenCV 3.4 (需要DNN框架)

HyperLPR 高性能开源中文车牌识别框架下载地址 已被下载37次

本资源由用户投稿上传，内容来自互联网，本站只做免费推荐用于学习分享，如有版权及其他问题，请联系本站编辑处理
重要：如软件存在付费、会员、充值等，均属软件开发者或所属公司行为，与本站无关，网友需自行判断