该车牌检测系统基于YOLO算法 参考论文如下
- Paper webpage: http://sergiomsilva.com/pubs/alpr-unconstrained/
运行代码之前,首先安装带有TensorFlow后端的Keras框架。Darknet框架是独立的,位于“ darknet”文件夹中,必须在运行测试之前进行编译。要构建Darknet,只需在“ darknet”文件夹中键入“ make”:
$ cd darknet && make
当前版本已在Ubuntu 18.04计算机,Keras 2.2.4,TensorFlow 1.5.0,OpenCV 2.4.9,NumPy 1.14和Python 2.7上进行了测试。
使用脚本“ run.sh”运行系统时,它需要3个参数: 输入目录(-i):至少应包含1张JPG或PNG格式的图像; 输出目录(-o):在识别过程中,许多临时文件将在此目录内生成并最终删除。其余文件将与自动注释的图像相关; CSV文件(-c):指定输出CSV文件。
$ bash get-networks.sh && bash run.sh -i samples/test -o /tmp/output -c /tmp/output/results.csv