【Python文字识别】基于HyperLPR3实现车牌检测和识别（Python版本快速部署）

本文主要是介绍【Python文字识别】基于HyperLPR3实现车牌检测和识别（Python版本快速部署），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

        闲来无事，想复现一下网上的基于YOLO v5的单目测距算法。然后就突然想在这个场景下搞一下车牌识别，于是就有了这篇文章。今天就给大家分享基于HyperLPR3实现车牌检测和识别。

原创作者：RS迷途小书童

博客地址：https://blog.csdn.net/m0_56729804?type=blog

1、HyperLPR3介绍

        HyperLPR3是一个高性能开源中文车牌识别框架，由北京智云视图科技有限公司开发。它是一个基于Python的深度学习实现，用于中文车牌的识别。与开源的EasyPR相比，HyperLPR3在检测速度、鲁棒性和多场景的适应性方面都有更好的表现。

        HyperLPR3支持多种类型的车牌，包括新能源汽车等。其安装和使用都非常方便，可以通过Python的pip工具直接进行安装，并使用命令行工具对本地图像或在线URL进行快速测试。

        此外，HyperLPR3还支持PHP、C/C++、Python语言，以及Windows/Mac/Linux/Android/IOS平台，具有广泛的适用性。

2、HyperLPR3安装

2.1 Github地址

HyperLPR- 基于深度学习高性能中文车牌识别

2.2 快速安装

pip install hyperlpr3

2.3 支持的车牌类别

• 单行蓝牌
• 单行黄牌
• 新能源车牌
• 教练车牌
• 白色警用车牌
• 使馆/港澳车牌
• 双层黄牌
• 武警车牌

3、代码

        Github里可以下载各类语言的demo，也有开放的接口可以直接线上检测车牌。我这里基于官方demo写了一份图片和视频的车牌识别代码。

3.1 辅助函数

def draw_plate_on_image(img, box1, text1, font):x1, y1, x2, y2 = box1  # 识别框的四至范围# random_color = (random.randint(0, 255), random.randint(0, 255), random.randint(0, 255))cv2.rectangle(img, (x1, y1), (x2, y2), (0, 0, 255), 2, cv2.LINE_AA)  # 车牌外框# cv2.rectangle(img, (x1, y1 - 25), (x2, y1-3), (139, 139, 102), -1)  # 识别文本底色data = Image.fromarray(img)  # 读取图片draw = ImageDraw.Draw(data)  # PIL绘制图片draw.text((x1, y1 - 27), text1, (0, 0, 255), font=font)  # 添加识别文本res = np.asarray(data)  # 返回叠加识别结果的图片return res

3.2 图片识别

def license_recognition_image(path):image = cv2.imread(path)  # 读取图片results = catcher(image)  # 执行识别算法for code, confidence, type_idx, box in results:# [['京Q58A77', 0.9731929, 0, [150, 160, 451, 259]]]text = f"{code} - {confidence:.2f}"image = draw_plate_on_image(image, box, text, font=font_ch)  # 绘制识别结果cv2.imshow("License Plate Recognition(Directed By RSran)", image)  # 显示检测结果cv2.waitKey(0)

3.3 视频识别

def license_recognition_video(path):video = cv2.VideoCapture()video.open(path)i = 0while True:i += 1ref, image = video.read()  # 组帧打开视频if ref:if i % 10 == 0:results = catcher(image)  # 执行识别算法for code, confidence, type_idx, box in results:# [['京Q58A77', 0.9731929, 0, [150, 160, 451, 259]]]text = f"{code} - {confidence:.2f}"image = draw_plate_on_image(image, box, text, font=font_ch)  # 绘制识别结果cv2.imshow("License Plate Recognition(Directed By RSran)", image)  # 显示检测结果if cv2.waitKey(10) & 0xFF == ord('q'):break  # 退出else:break

3.4 效果展示

下图为百度图片库中检索的案例，如有侵权请联系作者删除。

4、完整代码

# -*- coding: utf-8 -*-
"""
@Time ： 2024/4/19 13:59
@Auth ： RS迷途小书童
@File ：License Plate Recognition.py
@IDE ：PyCharm
@Purpose：车辆拍照识别
@Web：博客地址:https://blog.csdn.net/m0_56729804
"""
# 导入cv相关库
import cv2
import random
import warnings
import numpy as np
from PIL import ImageFont
from PIL import Image
from PIL import ImageDraw
import hyperlpr3 as lpr3def draw_plate_on_image(img, box1, text1, font):x1, y1, x2, y2 = box1  # 识别框的四至范围# random_color = (random.randint(0, 255), random.randint(0, 255), random.randint(0, 255))cv2.rectangle(img, (x1, y1), (x2, y2), (0, 0, 255), 2, cv2.LINE_AA)  # 车牌外框# cv2.rectangle(img, (x1, y1 - 25), (x2, y1-3), (139, 139, 102), -1)  # 识别文本底色data = Image.fromarray(img)  # 读取图片draw = ImageDraw.Draw(data)  # PIL绘制图片draw.text((x1, y1 - 27), text1, (0, 0, 255), font=font)  # 添加识别文本res = np.asarray(data)  # 返回叠加识别结果的图片return resdef license_recognition_video(path):video = cv2.VideoCapture()video.open(path)i = 0while True:i += 1ref, image = video.read()  # 组帧打开视频if ref:if i % 10 == 0:results = catcher(image)  # 执行识别算法for code, confidence, type_idx, box in results:# [['京Q58A77', 0.9731929, 0, [150, 160, 451, 259]]]text = f"{code} - {confidence:.2f}"image = draw_plate_on_image(image, box, text, font=font_ch)  # 绘制识别结果cv2.imshow("License Plate Recognition(Directed By RSran)", image)  # 显示检测结果if cv2.waitKey(10) & 0xFF == ord('q'):break  # 退出else:breakdef license_recognition_image(path):image = cv2.imread(path)  # 读取图片results = catcher(image)  # 执行识别算法for code, confidence, type_idx, box in results:# [['京Q58A77', 0.9731929, 0, [150, 160, 451, 259]]]text = f"{code} - {confidence:.2f}"image = draw_plate_on_image(image, box, text, font=font_ch)  # 绘制识别结果cv2.imshow("License Plate Recognition(Directed By RSran)", image)  # 显示检测结果cv2.waitKey(0)if __name__ == "__main__":warnings.filterwarnings("ignore", message="Mean of empty slice")  # 忽略“Mean of empty slice”的警告warnings.filterwarnings("ignore", message="invalid value encountered in scalar divide")# 忽略“invalid value encountered in scalar divide”的警告font_ch = ImageFont.truetype("resource/font/platech.ttf", 20, 0)  # 中文字体加载catcher = lpr3.LicensePlateCatcher(detect_level=lpr3.DETECT_LEVEL_HIGH)  # 实例化识别对象file = r"Y:\2024-04-19 14-49-09.mp4"license_recognition_video(file)

这篇关于【Python文字识别】基于HyperLPR3实现车牌检测和识别（Python版本快速部署）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---