基于pytorch的无需分割字符的车牌识别

传统车牌识别

传统的车牌识别需要先检测出车牌，检测出车牌后通过“像素映射”或者“联通区查找”的方法分割出单个的文字，然后单独识别每个文字。传统的车牌识别不仅繁琐，而且切割文字的效果也很难令人满意。因此，能不能绕开字符分割的问题，直接识别车牌中的字符呢？当然可以的。有两种方法：

1. crnn+ctc
2. 卷积only

crnn+ctc是自然场景下ocr比较通用的方法，用来识别车牌当然可以的，但是难免有点杀鸡用牛刀了。因为车牌本身是比较特殊的，车牌号码的数量也是基本固定的。

有了这个设想，今天做了简单的尝试，效果很好，因此开源出来和大家交流。源码已上传至github： 

车牌识别, 如果对你有帮助，给个star鼓励下，谢谢！

以下是该项目的简单介绍。

数据集

这个项目中，使用了自动生成训练和识别的车牌，因此，你需要寻找车牌数据集，不需要做任何数据处理，就能轻松愉快的完成车牌识别的训练与预测。

随机生成的车牌示例：

一般的车牌检测模型应该都能检测到这个水准，因此这个这牌是比较接近真实情况下的车牌的。

模型

使用

第一步：生成训练和测试数据集  

    cd generateCarPlate
    python3 genCarPlate.py

第二步：训练

    cd pytorch_model
    python3 train.py 30 0.0001

30是在训练集训练的次数，）0.0001是学习速率  
第三步：测试

    python3 test.py

将会输出准确率，我训练的car_plate_javer.pt模型能达到98.2的准确率（由于训练和测试数据集都是随机生成的，因此可能不同人测试有差异）。
这个准确率不算高，由于我的笔记本算力有限，没能进一步训练更大、更好的模型，不过我想，这个项目已足以证明不分割直接识别车牌的可行性