毕业设计-基于Python+openmv车牌检测.zip

## Openmv 车牌识别 ### 题目要求 采用摄像头识别小车车牌，可存储拍照时间、小车图片等。发挥部分：可存储100个以上车牌进行比对。 ### 当前思路 * 做完全成熟的车牌识别需要车牌定位(位置)+车牌识别(内容)，不知道能做到什么程度 * Haar Cascades做车牌检测 ### 需要完成的任务清单 * Haar Cascades的训练脚本的完善，但是可能不会重新训练，也许？ * 性能优化，以后的事了，内存优化就一个字，del * 现在都是一张图的静态分析，也许以后要动态画框？ ### essay * 2019-10-31 拿到题目我本来以为是要直接做识别内容车牌，吓死我了，我思考了一晚上能不能在openmv上面跑CNN，看了半天LPRNet的论文，最后想想，为什么要加一个发挥部分呢，也许只是直接比对，可以直接对比像素值就OK了，就先打算把车牌检测弄出来，用OpenCV Haar Cascades弄了出来，然后在openmv的官网发现有这么一段话: > 您可以制作自己的Haar Cascades 来配合您的OpenMV Cam 使用。 首先，使用谷歌搜索“<thing> Haar Cascade”，检测是否有人已经为您想要检测的对象制作了OpenCV Haar Cascade。 如果没有，那您需要自己动手制作（工作量巨大）。 关于如何制作自己的Haar Cascade，见此 关于如何把OpenCV Haar Cascades转化成您的OpenMV Cam可以读取的模式 啊啦，意思我检测车牌这个模型在上面跑是ok的，然后在官方开源找到了转换脚本。 因为全部东西都要在性能堪忧的嵌入式平台，我对比了一下官方在GitHub给出的模型:  左边是我压缩的我的车牌检测模型，右边是压缩的官方的猫脸模型。转换脚本均使用官方提供。 使用openmv分辨率320X240的某图在opencv-python的结果  ### reference 基于深度学习高性能中文车牌识别[HyperLPR](zeusees/HyperLPR) [OpenCV Cascade Classifier](https://docs.opencv.org/trunk/db/d28/tutorial_cascade_classifier.html) 免责声明： 1.本资源仅供学习和交流使用，不保证其准确性、完整性、及时性或适用性。 2.本资源仅包含一般信息，不构成专业建议。在使用本资源时，请务必自行研究并谨慎决策。 3.我已尽力确保本资源的正确性和合法性，但不对其准确性、完整性和及时性做出保证。 4.本资源不应用于商业用途。 5.在使用本资源的过程中，用户应自行承担所有风险和责任，并遵守相关法律法规。 6.对于因使用本资源而产生的任何损失或损害，我概不负责。 请确保在使用本资源时仔细阅读并遵守以上免责声明。如果您有任何疑问或需要进一步帮助，请联系我。