|
|
|
|
@ -17,25 +17,38 @@ EasyPR是一个中文的开源车牌识别系统。EasyPR的意思是Easy to do
|
|
|
|
|
|
|
|
|
|
假设我们有如下的原始图片：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
经过EasyPR的第一步处理车牌检测（PlateDetect）以后，我们获得了原始图片中仅包含车牌的图块：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
接着，我们对图块进行OCR过程，在EasyPR中，叫做字符识别（CharsRecognize）。我们得到了一个包含车牌颜色与字符的字符串：
|
|
|
|
|
|
|
|
|
|
“蓝牌：苏EUK722”
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
上面的例子举的是一个蓝牌的私家车，如果换成黄牌的大货车：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
经过EasyPR的第一步处理车牌检测（PlateDetect）以后，我们获得了原始图片中仅包含车牌的图块：
|
|
|
|
|
经过EasyPR的第一步处理车牌检测以后，我们获得了原始图片中仅包含车牌的图块：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
接着，进行字符识别。我们得到了一个包含车牌颜色与字符的字符串：
|
|
|
|
|
|
|
|
|
|
“蓝牌：苏EUK722”
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### 架构
|
|
|
|
|
|
|
|
|
|
EasyPR把车牌识别划分为了两个过程：即车牌检测（Plate Detection）和字符识别（Chars Recognition）两个过程。可能有些书籍或论文上不是这样叫的，但这样的叫法更容易理解，也不容易搞混。
|
|
|
|
|
|
|
|
|
|
* 车牌检测（Plate Detection）：对一个包含车牌的图像进行分析，最终截取出只包含车牌的一个图块。这个步骤的主要目的是降低了在车牌识别过程中的计算量。如果直接对原始的图像进行车牌识别，会非常的慢，因此需要检测的过程。在本系统中，我们使用SVM（支持向量机）这个机器学习算法去判别截取的图块是否是真的“车牌”。
|
|
|
|
|
* 字符识别（Chars Recognition）：有的书上也叫Plate Recognition，我为了与整个系统的名称做区分，所以改为此名字。这个步骤的主要目的就是从上一个车牌检测步骤中获取到的车牌图像，进行光学字符识别（OCR）这个过程。其中用到的机器学习算法是著名的人工神经网络（ANN）中的多层感知机（MLP）模型。最近一段时间非常火的“深度学习”其实就是多隐层的人工神经网络，与其有非常紧密的联系。通过了解光学字符识别（OCR）这个过程，也可以知晓深度学习所基于的人工神经网路技术的一些内容。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
liuruoze
10 years ago