Hyper_LPR py3 程序流程

HyperLPR_py3 算法以Opencv和自己訓練的幾個模型，實現了車牌的快速檢測。流程如下：

1. cv2.imread() 讀取圖片  
2. 使用 top_bottom_padding_rate 參數截取圖片（上下各截掉一小部分，減小圖片大小），並轉爲灰度圖   cv2.cvtColor(image_color_cropped, cv2.COLOR_RGB2GRAY)  
3. 使用訓練好的級聯分類器  cascade.xml  將車牌從彩色圖像中摳出來。 （比檢測出來的稍微大一點）
4. 將摳出來的圖resize成 （136，72）
5. 識別牌照種類：非藍牌的顏色翻轉（識別的時候都是白色的字符更方便） 模型：plate_type.h5
6. 進行車牌的精確定位（上下）：  
   → 自適應閾值（cv2.adaptiveThreshold）獲取車牌號碼的二值圖（一共15個，包含各個blockSize） 
   → 計算二值圖中車牌號碼的大致包圍框（cv2.findContours）
   → 存儲所有框的左上角和右下角的點 
   → 使用左上角擬合上邊界，右下角擬合下邊界(cv2.fitLine)，並將擬合直線上下移動3個像素，擴大範圍 
   → 使用cv2.warpPerspective將圖像矯正(後面跟了個deskew，作用抗傾斜，沒理解）
   → 使用 model12.h5 模型尋找左右邊界
   
   定位完成， 號碼檢測有兩種
   
   1. 使用 ocr_plate_all_w_rnn_2.h5 模型直接回歸車牌號  （效果較差）
   
   2.使用先分割後識別的方法
      使用16像素寬的窗口掃過車牌，存儲掃過的數據，使用char_judgement.h5 判斷該窗口是否爲號碼，然後識別
7. 顯示車牌和置信度
   
   
   備註： 看完點個贊，github加個星。