车牌识别1.1：License Plate Detection and Recognition in Unconstrained Scenarios。

 

代码位置

注意事项：

如果用python3运行的话

1.要把几个python文件中的print后面加括号。

2.license-plate-ocr.py文件中第45行

R,(width,height) = detect(ocr_net, ocr_meta, img_path ,thresh=ocr_threshold, nms=None)

换成：

R,(width,height) = detect(ocr_net, ocr_meta, bytes(img_path,encoding='ytf-8'),thresh=ocr_threshold, nms=None)

3.vehicle-detection.py第45行也是：

R,_ = detect(vehicle_net, vehicle_meta, img_path ,thresh=vehicle_threshold)

换成：

R,_ = detect(vehicle_net, vehicle_meta, bytes(img_path, encoding='utf-8'),thresh=vehicle_threshold)

论文中把车牌识别分为四个子任务：

（1）车辆检测；（2）车牌检测；（3）字符分割；（4）字符识别。

  大致流程为：

       （1）用YOLO检测出车辆；

       （2）对每个有车辆的boundingbox进行resize，喂给WPOD-NET

       （3）WPOD-NET    识别出车牌的位置并输出一张240*80的png图片。（如果图片有倾斜，利用仿射变换对图片进行校正。）

       （4）最后再用YOLO识别出车牌中的字符。

 

论文的主要贡献就是WPOD-NET(Warped Planar Object Detection Network.)

它的结构图：

但是这个解决方案对汉字的识别比较差。

准备的解决方案是：

（1）问题主要原因是最后识别字符的YOLO模型训练的数据集中就没有汉字，试试能不能把CCPD中的部分数据集拿过来重新训练最后的YOLO识别模型。

（2）作者给的代码每步都是分离的，那试试能不能把最后YOLO识别模型换成别的文字识别模型。