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Linux、Android、iOS、Windows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：

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。

    

 

标签：HyperLPR,综述,代码,py,代码段,源码,识别,车牌
来源： https://blog.csdn.net/CyberHayek/article/details/120555433