Skip to content

Latest commit

 

History

History
50 lines (30 loc) · 1.76 KB

README.md

File metadata and controls

50 lines (30 loc) · 1.76 KB

License Plate Detection with RetinaFace

距离上次车牌检测模型更新已经过了一年多的时间,这段时间也有很多快速、准确的模型提出,我们利用单物体检测算法Retinaface进行了车牌检测模型的训练,通过测试,检测效果和适用性都更突出,支持的模型也更为丰富。

我们开源版本的检测算法经过了多个版本迭代,考虑到检测的效率跟准确率,原始版本逐步淘汰,从最初的基于LBP和Harr特征的车牌检测,感兴趣的小伙伴可以参考 train-detector(https://github.com/openalpr/train-detector) 这个仓库;到后来逐步的采用深度学习的方式,我们的上一个版本采用基于mobilenet-ssd的算法进行检测,大家可以移步 (https://gitee.com/zeusees/Mobilenet-SSD-License-Plate-Detection) 这里进行查看,后续请尽量采用新模型进行测试。

该版本的检测模型的训练,结合了CCPD数据集跟我们自有的数据,能够做到更多车牌种类的支持。

Pytorch模型测试

Clone and install
  1. git clone https://github.com/zeusees/License-Plate-Detector.git

  2. Pytorch version 1.2.0

  3. Python 3.6

  4. python detect.py

基于C++的NCCNN模型测试

Source Code Compile
  1. cd Prj-ncnn

  2. cmake .

  3. make

支持车牌种类

  • 蓝色单层车牌
  • 黄色单层车牌
  • 绿色新能源车牌、民航车牌
  • 黑色单层车牌
  • 白色警牌、军牌、武警车牌
  • 黄色双层车牌
  • 绿色农用车牌
  • 白色双层军牌

测试结果

参考