HyperLPR车牌识别项目踩坑记录
环境
win10、anaconda4.8.3 、python3.8
github地址：
https://github.com/zeusees/HyperLPR
填坑参考网址：https://www.cnblogs.com/zhupengfei/p/12104504.html
配置参考网址：
https://www.jianshu.com/p/7ab673abeaae
由于最近需要做个校园超速车牌检测的项目，有部分需要用到它，但这个项目很多包的版本比较低，高版本不兼容。
下载完后解压目录是这个样子：
实际上只需要 hyperlpr_py3 、Font 、model 三个文件夹。单独拿出来建个文件夹，再建个car，把测试图片放里面。
-
cmd后创建一个新环境 conda create -n hyperlpr36 python=3.6，然后查看自己的环境 conda info -e
（删除某个环境是 conda remove -n hyperlpr --all） -
然后激活它 activate hyperlpr36，使用 conda list 查看里面安装的包。
-
安装需要的包，也可以选择其他的源
pip install keras==2.0.9 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install Theano -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install numpy==1.16.0 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install Scipy -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install opencv-python==3.4.3.18 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install scikit-image -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install pillow -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install tensorflow==1.2.0 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install h5py
这是我的版本：
(hyperlpr36) C:\Users\hll>conda list
# packages in environment at D:\Program Files\Anaconda3\envs\hyperlpr36:
#
# Name Version Build Channel
backcall 0.1.0 py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
backports-weakref 1.0rc1 pypi_0 pypi
bleach 1.5.0 pypi_0 pypi
certifi 2020.4.5.1 py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
colorama 0.4.3 py_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
cycler 0.10.0 pypi_0 pypi
decorator 4.4.2 py_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
entrypoints 0.3 py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
h5py 2.10.0 pypi_0 pypi
html5lib 0.9999999 pypi_0 pypi
imageio 2.8.0 pypi_0 pypi
ipykernel 5.1.4 py36h39e3cac_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
ipython 7.13.0 py36h5ca1d4c_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
ipython_genutils 0.2.0 py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
jedi 0.17.0 py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
jupyter_client 6.1.3 py_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
jupyter_core 4.6.3 py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
keras 2.0.9 pypi_0 pypi
kiwisolver 1.2.0 pypi_0 pypi
libsodium 1.0.16 h9d3ae62_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
markdown 2.2.0 pypi_0 pypi
matplotlib 3.2.1 pypi_0 pypi
networkx 2.4 pypi_0 pypi
numpy 1.16.0 pypi_0 pypi
opencv-python 3.4.3.18 pypi_0 pypi
parso 0.7.0 py_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pickleshare 0.7.5 py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pillow 7.1.2 pypi_0 pypi
pip 20.0.2 py36_3 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
prompt-toolkit 3.0.5 py_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
prompt_toolkit 3.0.5 0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
protobuf 3.12.2 pypi_0 pypi
pygments 2.6.1 py_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pyparsing 2.4.7 pypi_0 pypi
python 3.6.10 h9f7ef89_2 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
python-dateutil 2.8.1 py_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pywavelets 1.1.1 pypi_0 pypi
pywin32 227 py36he774522_1 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
pyyaml 5.3.1 pypi_0 pypi
pyzmq 18.1.1 py36ha925a31_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
scikit-image 0.17.2 pypi_0 pypi
scipy 1.4.1 pypi_0 pypi
setuptools 46.4.0 py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
six 1.15.0 pypi_0 pypi
sqlite 3.31.1 h2a8f88b_1 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
tensorflow 1.2.0 pypi_0 pypi
theano 1.0.4 pypi_0 pypi
tifffile 2020.5.30 pypi_0 pypi
tornado 6.0.4 py36he774522_1 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
traitlets 4.3.3 py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
vc 14.1 h0510ff6_4 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
vs2015_runtime 14.16.27012 hf0eaf9b_2 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
wcwidth 0.1.9 py_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
werkzeug 1.0.1 pypi_0 pypi
wheel 0.34.2 py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
wincertstore 0.2 py36h7fe50ca_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
zeromq 4.3.1 h33f27b4_3 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
zlib 1.2.11 h62dcd97_4 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
-
把hyperlpr_py3复制到你的目录\Anaconda3\envs\hyperlpr36\Lib下，并改名为hyperlpr。
-
可以在 pycharm 测试，也可以用 jupyter notebook 测试。
pycharm中
新建一个test.py，记得编译器必须选刚刚建的虚拟环境
from hyperlpr import pipline as pp
import cv2
# 自行修改文件名
image = cv2.imread("./car/3.jpg")
image,res = pp.SimpleRecognizePlate(image)
print(res)
jupyter notebook中
-
在hyperlpr36环境下进入jupyter notebook
-
找到你的源目录，new一个python3的test文件，代码一样
-
点击kernel中的change kernel，选择你的虚拟环境
这里也许只有python 3选项，因为还没导入虚拟环境。步骤如下：
1.在cmd中激活hyperlpr36环境
2.在hyperlpr36环境中中安装好ipykernel
conda install ipykernel3.在你的C:\ProgramData\jupyter\kernels路径下生成hyperlpr36文件
python -m ipykernel install --name adda现在重新打开jupyter notebook，里面就会显示有这个虚拟环境了
测试结果：
原图：
结果：
正的视角准确率还不错，但是在中文字符的识别上准确率不高，有些图片测试不起，我的是cascade.xml这个粗定位模型根本没找到图片中车牌的位置，所以准备自己训练下这个模型。