首页技术发布ECCV18|这个开源的车牌识别系统打败了目前最先进的商业软件站长WX:miphoon

浏览

0

回复

ECCV18|这个开源的车牌识别系统打败了目前最先进的商业软件

作者:cvchina | 分类:技术发布 | 标签:车牌识别 LPR 开源 ECCV 

想自己研究车牌识别的这个一个很好的参考,值得花点时间仔细研究,有完整的源码和框架。

来自巴西阿雷格里港大学的学者发表于ECCV2018的论文《License Plate Detection and Recognition in Unconstrained Scenarios》,给出了一整套完整的车牌识别系统设计,着眼于解决在非限定场景有挑战的车牌识别应用,其性能优于目前主流的商业系统,代码已经开源,非常值得参考。

作者信息:

先来看看作者发布的demo视频:

展示了该系统在室外环境,角度变换等场景强大的车牌定位、识别能力。

很多车牌识别论文中常用的数据库往往是正面拍摄的,但实际应用中,各种可能的情况都有,作者首先给出了一些对车牌识别有挑战的数据示例:

该文提出的系统很好的解决了这类有挑战的车牌识别问题。

系统架构

作者提出的车牌识别系统,包含车牌识别的所有环节,主要有三大步骤:车辆检测、车牌检测与校正、OCR。

下图展示了整个系统流程:

输入图像首先使用YOLOv2进行车辆检测(作者使用原始的YOLOv2,没有做任何改动),检测到的车辆图像再输入到WPOD-NET网络,进行车牌检测和车票卷曲校正系统的回归,然后对车牌进行校正输入到OCR-Net网络,识别出车牌字符。

WPOD-NET用于车牌区域检测于校正系统回归示意图:

平面目标的全卷积网络检测,对于系统输出的车牌区域特征图,划分成(m,n)个cell,查找高目标概率的cell,根据这些cell的位置,计算将该区域转换成方形车牌的仿射系数。

WPOD-NET架构图

为训练WPOD-NET对数据进行了各种常规的数据增广:

车牌识别OCR部分使用一种改进的YOLO网络,其架构如下:

为训练该OCR系统也进行了大量数据增广:

为评估该系统,作者收集了常用的数据集,并自建了挑战的数据集CD-HARD。

实验结果

作者将该文系统与目前主流的商业车牌识别系统相比较,包括OpenALPR、Sighthound、Amazon Rekognition。

在整个数据集上取得了远超过其他系统的性能,在OpenALPR数据集上取得了与最好系统相匹敌的性能,尤其在具有挑战的CD-HARD数据集上取得了异常明显的性能优势。

一些校正并识别后的车牌示例:

运行速度

在配置为Intel Xeon CPU 、12Gb RAM、 NVIDIA Titan X GPU的机器上,平均达到5fps。

工程主页:

http://www.inf.ufrgs.br/~crjung/alpr-datasets/

https://github.com/sergiomsilva/alpr-unconstrained

论文、代码、数据下载:

在“我爱计算机视觉”公众号对话界面回复“alpr”,即可收到百度云下载地址。

原文地址:https://www.sohu.com/a/256640370_100279313

本文链接:http://cvchina.net/post/172.html
原创文章如转载请注明:转载自计算机视觉网-AI技术供需平台-计算机视觉论坛谢谢!

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。