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Yolov5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,包括基于mobilenet-ssd的算法进行检测(https://gitee.com/zeusees/Mobilenet-SSD-License-Plate-Detection) ,基于Retinaface框架进行检测( https://gitee.com/zeusees/license-plate-detector ),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。

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

2. Pytorch version 1.7.0

3. Python 3.8

4. python detect_plate.py

1. cd Prj-ncnn

2. cmake .

3. make

• 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

• 基于OpenCV和ONNXRuntime工程
• yolov5-face
• CCPD