HyperLPR源码分析1:项目综述

2021/9/29 20:41:00

本文主要是介绍HyperLPR源码分析1:项目综述,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

2021SC@SDUSC

一、项目简介

      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,还支持LinuxAndroidiOSWindows等各主流平台。目前已经支持的车牌类型包括:

  •  单行蓝牌
  •  单行黄牌
  •  新能源车牌
  •  白色警用车牌
  •  使馆/港澳车牌
  •  教练车牌

    在应用深度学习进行车牌识别方面,HyperLPR无疑是一个成功的典范,它能够识别出图像、视频中车牌的车牌号(包括汉字和数字),并且拥有着不错的识别率,识别速度还相当快。此外,它的代码结构十分简洁,只有千行左右,在人工智能软件领域算是相当“轻量级”的应用了。

二、源码下载及安装

    既然HyperLPR是一个开源项目,对此进行分析,第一步就是下载源代码。原码仓库位于github上,地址是GitHub - zeusees/HyperLPR

这是下载、解压完成后的文档,可以看出,内容并不是很多。通过python可以看到它的源代码:

    HyperLPR需要在anaconda环境下才能运行,因此还需要做的是下载anaconda。调试好合适的环境后,我测试了一下这个软件,发现能够正常运行,并且界面相当简洁:

在这里插入图片描述

三、项目分工

      经过对整个代码粗浅浏览,我们发现,最核心的代码位于demo.py、HyperLPRLite.py和pipline.py中,程序运行中调用的函数大多来自这些部分。

      此外,hyperlpr_py3文件夹中也有很多代码段,分别涵盖颜色识别、结构识别、图像分割、文字识别等内容,也是整个程序重要的组成部分。因此,我们认为上述内容都属于核心代码,也是我们接下来分析的主要内容。

     我们对整个项目进行了初步分工,demo.py、HyperLPRLite.py和pipline.py三部分,由于研究其他部分都必不可少要用到这三部分的内容,因此我们决定共同研究这三部分的代码,因为它们地位相当重要。

     hyperlpr_py3文件夹中还有17个代码段,我们暂且按照首字母排序,均分成四部分,每个人负责4~5个代码段。我负责的内容是detect.py、e2e.py、e2emodel.py、finemapping.py,在研究各自负责的代码段的时候,但与此同时,我们也会粗略阅读一下其他人负责的代码段,因为整个程序是一体的、连贯的。此外,这个安排是暂定的,后续随时可能变动。但是demo.py、HyperLPRLite.py和pipline.py三部分由四人共同研究,以及剩下17个代码段由4人均分各自研究的原则,是不会变的。

    

 



这篇关于HyperLPR源码分析1:项目综述的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!


扫一扫关注最新编程教程