- 0
- 关注
- 58422
- 浏览
怎么从零实现车牌识别（LPR）？
大家好，最近在做一个车牌识别的项目（公司要求正确识别率达到95%，处理一帧时间50ms）。我做了一个月，用opencv加那几个函数（边缘提取，膨胀腐蚀，外接矩形提取等），试了几种方法效果都不好（顶多达到50%正确率），像盲头苍蝇那样乱撞，根本没什么头绪。
我本身没什么基础，这个项目相当于从零开始，只能在百度或者豆丁搜别人的博客，文档，然后一个一个方法去试（别人的代码还不一定看得很懂）。
有没有什么大牛指点一下迷津啊？教教我怎么找资料，怎么编算法，怎么提高。
为什么被折叠？
0 个回复被折叠
16 回答
我大学的时候毕设做的车牌识别。说实话这个东西想把识别率做到95%真的很不容易。需要大量的样本学习，我当时学习了一段时间的神经网络算法，最后可能是样本不够，效果差强人意。只有60%左右。
给题主的建议是：去github上学习一下高识别率的人怎么写的。你识别率只有50%是因为你仅仅用了opencv提供的一些划分区域的函数，代码量和难度都不高，所以识别率低很正常。
神经网络是个不错的办法，但需要大数据进行纠正。
其实最难的无非是这几个步骤：把车牌所在区域完好的截出来并作几何校正，将字符完好的切割出来，进行识别。神经网络主要用于最后这一步。其他的就看你的代码功底了。
不要重复造轮子了好吗？ https://github.com/openalpr/openalpr
唯一可能需要更改的是根据中文，识别京、沪、渝等字符，其他的完全可以照搬
估计你说的是一个完整的车牌检测识别系统。在这里检测可以用cascadeboosting，也可以用rcnn等，为了速度快第一压缩模型大小，第二选用（或自己针对性优化）高效率预测库（矩阵库），第三定点化，一般搞个8位定点准招损失很小（1-2%），预测速度可以提高几倍。识别直接cnn[+lstm]+ctc训练一个深度学习模型吧，不考虑检测准招，检测到识别搞到95%以上应该比较容易（如果训练很慢或训不动，先去掉lstm或者init+finetune），速度优化如检测rcnn类。
问题动态
- 发布时间
- 2026-01-14 02:07
- 更新时间
- 2026-01-14 02:07
- 关注人数
- 0 人关注
