GitHub 车牌检测识别项目调研
文章目錄
- 一，EasyOCR
- 1.1，倉庫介紹
- 1.2，使用記錄
- 二，HyperLPR
- 2.1，HyperLPR 概述
- 2.3，使用記錄
- 2.3，使用建議
- 三，simple-car-plate-recognition-2
- 3.1，倉庫介紹
- 3.2，使用記錄
- 3.3，使用建議
- 四，車牌檢測-License-Plate-Detector
- 4.1，倉庫介紹
- 4.2，建議
- 五，MMOCR
- 5.1，倉庫介紹
- 5.2，使用記錄
- 5.3，使用建議
- 六，推薦 YOLOv5-LPRNet-Licence-Recognition
- 6.1，倉庫介紹
- 6.2，使用記錄
一，EasyOCR
1.1，倉庫介紹
EasyOCR 是一個用于從圖像中提取文本的 python 庫, 它是一種通用的 OCR，既可以讀取自然場景文本，也可以讀取文檔中的密集文本。目前支持 80 多種語言和所有流行的書寫腳本，包括：拉丁文、中文、阿拉伯文、梵文、西里爾文等。
EasyOCR 倉庫 截止到 2022-11-8日，star 數為 16.2k，其文件目錄和作者給出的一些示例效果如下。
├── custom_model.md ├── Dockerfile ├── easyocr ├── easyocr.egg-info ├── examples ├── LICENSE ├── MANIFEST.in ├── README.md ├── releasenotes.md ├── requirements.txt ├── scripts ├── setup.cfg ├── setup.py ├── trainer └── unit_test1.2，使用記錄
1，安裝較為麻煩
在自行安裝了 cuda 庫和 pytorch 的基礎上，可通過 pip install easyocr 命令安裝 easyocr 庫，但是注意卸載掉之前安裝的 opencv-python 庫（如果有）。
2，代碼自動下載模型速度很慢
下載的倉庫里面默認是不提供任何模型的，因此第一次運行快速推理腳本會自動下載對應的 ocr 模型，但是！如果網絡不穩定，其下載速度非常慢，試了 n 次，基本不可能下載成功。
所以一般必須通過 Model hub 頁面借助瀏覽器手動點擊下載對應中英文 ocr 識別模型，然后手動把模型文件移動到 ~/.EasyOCR/model 文件夾下。
EasyOCR 倉庫主要是通過 download_and_unzip 接口下載對應模型文件的，其也是通過調用 urllib 模塊提供的 urlretrieve() 函數來實現文件的下載，其定義如下:
def download_and_unzip(url, filename, model_storage_directory, verbose=True):zip_path = os.path.join(model_storage_directory, 'temp.zip')reporthook = printProgressBar(prefix='Progress:', suffix='Complete', length=50) if verbose else None# url 下載鏈接，zip_path 文件保存的本地路徑, reporthook 利用這個回調函數來顯示當前的下載進度urlretrieve(url, zip_path, reporthook=reporthook)with ZipFile(zip_path, 'r') as zipObj:zipObj.extract(filename, model_storage_directory) # 解壓到指定目錄os.remove(zip_path) # 移除下載的壓縮包文件3，車牌場景識別準確率非常低
經過我的大量測試，其在中國車牌場景下識別率幾乎為 0，我猜測是因為作者提供的訓練模型所用的訓練數據沒有車牌場景的，而 ocr 效果又非常依賴場景數據，所以導致汽車車牌識別率幾乎為 0 ，具體實踐效果如下。
二，HyperLPR
2.1，HyperLPR 概述
HyperLPR 框架是 github 作者 szad670401 開源的基于深度學習高性能中文車牌識別框架，支持多平臺，提供了 Window、Linux、Android、IOS、ROS 平臺的支持。 Python 依賴于 Keras (>2.0.0) 和 Theano(>0.9) or Tensorflow(>1.1.x) 機器學習庫。項目的 C++ 實現和 Python 實現無任何關聯，均為單獨實現。
作者提供的測試用例效果如下：
2.3，使用記錄
倉庫 README 文件描述說 HyperLPR 框架對 python 包支持一鍵安裝: pip install hyperlpr 。但是經過我實際測試發現，pip install hyperlpr 命令只能成功安裝 hyperlpr 庫.
1，快速上手的 py 代碼運行會出錯：
2，我把 demo 代碼移動到 hyperlpr_py3 目錄下運行，不再報上圖的錯誤，但是又報了 opencv 函數版本的問題。
3，ubuntu16.04+python3.8+cuda11.0 環境下，pip install -r requirements.txt 命令安裝依賴包依然會出錯。
2.3，使用建議
個人建議直接使用 C++ 版本，截止到 2022-11-8 日為止，純 Python 版本還是有各種問題。
三，simple-car-plate-recognition-2
3.1，倉庫介紹
simple-car-plate-recognition-2倉庫 簡稱：簡易車牌字符識別 2-Inception/CTC 。
作者使用的字符識別模型是參考 HyperLPR 里面的一個叫 SegmenationFree-Inception 的模型結構，并改用 pytorch 框架實現，然后訓練模型，最后測試用整張車牌圖片進行字符識別。
作者所用的車牌訓練集，是利用 generateCarPlate 這個車牌生成工具生成的。
3.2，使用記錄
直接用車牌做識別，實際測試下來，不管用作者給的模型，還是自己訓練的模型，效果都很差。
3.3，使用建議
雖然代碼簡單，模型結構容易看懂，但是不建議使用，效果不穩定和太差。
四，車牌檢測-License-Plate-Detector
4.1，倉庫介紹
License-Plate-Detector 倉庫 作者利用 Yolov5 模型進行了車牌檢測，訓練集使用 CCPD 數據集，測試效果如下：
4.2，建議
不建議使用，代碼寫的不夠整潔，使用不夠方便，使用 yolov5** 用作車牌檢測的模型**的方法還是可以參考下。
五，MMOCR
5.1，倉庫介紹
mmocr 是商湯 + openmmlab 實驗室開發的 OCR 框架。MMOCR 是基于 PyTorch 和 mmdetection 的開源工具箱，專注于文本檢測，文本識別以及相應的下游任務，如關鍵信息提取。 它是 OpenMMLab 項目的一部分。
主分支目前支持 PyTorch 1.6 以上的版本。mmocr 庫的安裝，可參考我之前的文章-ubuntu16.04安裝mmdetection庫。
5.2，使用記錄
1，官方提供中文字符識別模型只有一個，其使用步驟如下：
車牌識別效果不好，測試結果如下：
2，官方提供的通用場景測試用例的推理效果如下:
5.3，使用建議
官方提供的不管是中文還是英文文本識別模型，在車牌場景下識別效果都不好，不推薦在車牌識別場景下使用，更適合通用場景。
六，推薦 YOLOv5-LPRNet-Licence-Recognition
6.1，倉庫介紹
YOLOv5-LPRNet-Licence-Recognition 項目是使用 YOLOv5s 和 LPRNet 對中國車牌進行檢測和識別，車牌數據集是使用 CCPD。
車牌字符識別的準確率如下:
| LPRNet | val | 100 | 94.33% | 1.7M |
| LPRNet | test | 100 | 94.30% | 1.7M |
總體模型速度：（YOLOv5 + LPRNet）速度：47.6 FPS（970 GPU）。
6.2，使用記錄
作者提供的模型實際測試下來效果還不錯，部分示例如下：
總結
以上是生活随笔為你收集整理的GitHub 车牌检测识别项目调研的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： MYSQL配置关键
- 下一篇： 关于lvalue and rvalue