Create your Gitee Account
Explore and code with more than 6 million developers,Free private repositories !:)
Sign up
Clone or download
ChangeLog.md 9.97 KB
Copy Edit Web IDE Raw Blame History
liuruoze authored 2017-04-30 16:33 . * improve the groundMSER segmention

EasyPR版本更新

======

本次更新版本是1.6alpha版本,主要改进如下:

  1. 采用灰度字符训练以及新的特征,使中文字符正确率上升到了86%,比上个版本提升了近14个百分点。

  2. 借助于字符分割与识别算法的优化,在general_test上的完整识别率(0-error)从原先的59%首次上升到现在的70%,1-error则提升到了82%,提升巨大。

  3. 在车牌判断模块中,使用了新的SVM特征(颜色+投影),从而在保持鲁棒性的同时,提升了正确率。定位指标中FScore从76%提升到82%.

  4. 新增一种新的字符分割方法,groundMSER字符分割方法。

  5. 提供了近万张中文字符灰度图数据供训练,并且在主界面中提供了一个方法从free大神的车牌集里提取中文与英文字符。

  6. 提供了两万两千张的字符灰度图数据,供训练灰度字符模型使用。

  7. 代码优化与升级,许多bug修复。

  8. Opencv3.2版本的支持,编译前仅需要将config.h中将#define CV_VERSION_THREE_ZERO改为#define CV_VERSION_THREE_TWO即可。

  9. 更加友好的linux与mac版本支持,使用CMake即可顺利编译,单独的utf-8与gbk的文件供分别的系统使用。

======

本次更新是EasyPR 1.5正式版本,相比beta版本有以下几点更新:

1.修正了SVM训练异常的问题!现在1.5版本也可以自由的使用SVM训练了。这个问题确实是opencv的bug,详见讨论,在此感谢 @tka 同学的告知。 注意,3.2的opencv也修正了这个问题,如果你用3.2版本的话,也可以。但是不清楚3.2版本是否会引入其他的问题,在目前的EasyPR版本里,即便用3.0或者3.1版本也可以规避训练异常的问题。

2.支持linux和mac编译,如果碰到问题请在issue里提问。

3.增加一个无需配置opencv的懒人版。仅仅支持vs2013,也只能在debug和x86下运行,其他情况的话还是得配置opencv。感谢范文捷同学的帮助。页面里的两个文件都要下载,下载后用7zip解压。

其他的主要改进如下:

1.增加了一种新的基于文字定位的定位方法 (MSER), 在面对低对比度,低光照以及大图像上有较强的鲁棒性。

  • 夜间的车牌图像

夜间的车牌图像

  • 对比度非常低的图像

对比度非常低的图像

  • 近距离的图像

近距离的图像

  • 高分辨率的图像

高分辨率的图像

2.更加合理的评价协议。结合新增的GroundTruth文件与ICDAR2003的协议,使得整体评价指标更为合理。通用数据集里同时增加了近50张新图片。文字定位方法在面对这些复杂图片时比先前的SOBEL+COLOR的方法定位率提升了27个百分点。

实际运行时,使用了文字定位与颜色定位的结合,最终对256张的测试图片的测试结果如下:

v1.5版运行结果

3.使用了非极大值抑制算法去除相邻的车牌,使得最终输出变的合理。即便使用多个定位方法,最终也只会输出一个车牌,而且是可能性最大的车牌。

4.基于局部空间的大津阈值算法与自适应阈值算法,提升了文字分割与分子识别的准确率。

  • 车牌图像

车牌图像

  • 普通大津阈值结果

普通大津阈值结果

  • 空间大津阈值结果

空间大津阈值结果

5.新的SVM模型与特征(LBP),提升了车牌判断的鲁棒性,新的中文ANN识别模型,提升了中文识别的整体准确率近15个百分点。

6.增加了Grid Search方法,可以进行自动调参。

7.首次增加了多线程支持,基于OpenMP的文字定位方法,在最终的识别速度上,比原先的单线程方法提高了接近2倍。

8.替换了一部分中文注释,使得windows下的visual studio在面对全部以LF结尾的文件时,也能成功通过编译。目前的程序只要opencv配置正确,gitosc上通过zip下载下来的程序可以直接通过编译并运行。

关于本次改动的具体内容可以看博客中的介绍

======

本次更新是1.4 正式版,主要改进在于几个方面:

1.代码统一为UTF-8格式,多平台的Shell不再出现乱码。

2.支持opencv3.0与3.1,注意,这与opencv2.x不兼容,要想支持的话请下载1.3版本。

3.ANN训练开放。

4.修正了SVM训练异常的问题。

5.代码优化。

不知道怎么下载以前的版本的小伙伴可以在github或gitosc的"branch"里选择"tags",然后点击"v1.3",再然后点击"download zip"。当然如果直接git clone的话可以随时方便切换。

在后面的版本中计划做以下几点改善:

1.新的评价框架,更加合理的评估数据。

2.新的车牌定位算法。

======

本次更新是1.3beta版,主要改进在于提升了字符识别模块的准确性:

平均字符差距从0.7降低到0.4,完整匹配度从68%左右上升到目前的81%,平均执行时间从2秒降低到1.5秒。见下图:

1.3版综合效果

主要改动如下:

  • 改进了字符识别算法,重新训练了ANN模型,从而使得字符识别准确率大幅度提升。

  • 使用了更鲁棒性的办法提升了车牌定位模块的准确率。

目前版本的问题是处理时间还是偏高,1.3正式版本中会对这个问题进行fix。

======

本次更新是1.3alpha版,主要改进在于提升了字符识别模块的准确性:

平均字符差距从2.0降低到0.7,完整匹配度从25%左右上升到目前的68%。

同时,车牌定位模块准确率进一步提升,从上一个版本的94%上升到现在的99%。见下图:

1.3版综合效果

主要改动如下:

  • 改进了字符识别算法,重新训练了ANN模型,从而使得字符识别准确率大幅度提升。

  • 使用了更鲁棒性的办法提升了车牌定位模块的准确率。

目前版本的问题是处理时间大幅度上升,1.3正式版本中会对这个问题进行fix。

======

本次更新是1.2版,主要改进在于提升了车牌定位模块的准确性,从70%左右到目前的94%,见下图:

1.2版综合效果

主要改动如下:

  • 车牌定位使用了“颜色信息”+“二次Sobel”的综合搜索方法。在下面的window中红框代表Sobel定位结果,黄框代表颜色定位结果。

  • “批量测试”增加了一个结果查看window,这个窗口可以用SetDebug()方法开闭(true开,false关)。

查看结果

  • 基本攻克了“大角度定位”问题,下图的车牌被定位并转到了正确的视角。

大角度定位

  • GDTS里新增了若干张新测试图,包括数张大角度图。

  • “批量测试”结果现在同时会保存在“run_accuracy”文件中,可以查询历史信息。

  • 与Linux版本做了整合,可以实现跨平台编译。

======

目前EasyPR的版本是1.1,相比上一个版本1.0,有以下更新(这次的更新内容较多,为了跟你现有的项目和代码不冲突,请 谨慎选择全部更新,最好新起一个目录试试新增的功能和内容):

  • 新的SVM模型。新模型使用rbf核替代了liner核,在车牌判断的准确率提升了8个百分点。

svm准确率改进

  • 新增两个特征提取方法。并提供了相关的回调函数接口供二次开发。

fetures

  • 新增Debug模式。可以在image/tmp文件夹下看到所有输出的中间图片。

Debug模式

  • 增加了LifeMode模式,相比默认模式,更适合在生活场景下定位车牌。

LifeMode模式

  • 增加了批量测试功能,这个功能可供测试EasyPR在多幅图片上的整体表现效果。

批量测试 批量测试结果

  • 引入了GDTS(General Data Test Set,通用数据测试集)这个概念,作为EasyPR准确率的评测数据集。

GDTS

  • 为了确保GDTS的数据仅用于非商业目的,引入了新的GDSL协议

GDSL

  • 完善SVM训练功能。提供了一个方便简单的训练窗口。这些增加的功能是为了配合即将推出的SVM开发详解这篇文章。

SVM训练

  • 强化SVM模型验证。使用了三个新的数据集概念,即learn data,train data,test data。

SVM训练集

  • 新增评价指标。引入Precise,Recall,FSocre三个指标这三个指标作为SVM模型准确率评判的参数与改善的依据。

SVM指标

  • 新增整体指标。引入levenshtein距离作为EasyPR整体识别准确率误差的评判参数与改善依据。

levenshtein1 levenshtein2 levenshtein3

levenshteinAll

  • 大幅增加训练数据。SVM训练数据中增加了近千张新数据(未经直方图均衡化的车牌图片和非车牌图片)。

请自行解压train/data/plate_detect_svm/learn下的压缩文件查看相关信息。

  • 新增命令行窗口,作为测试与训练的辅助工具。

注意:上一个版本中image文件下的test.jpg如果有同学下载了,请删除。它的格式不符合新的GDSL协议的约定。 如果想使用测试图片,可以使用1.1版本中新增的test.jpg替代。

Comment ( 0 )

Sign in for post a comment