這篇論文開源的車牌識別系統打敗了目前最先進的商業軟體

來自巴西阿雷格里港大學的學者發表於ECCV2018的論文《License Plate Detection and Recognition in Unconstrained Scenarios》，給出了一整套完整的車牌識別系統設計，著眼於解決在非限定場景有挑戰的車牌識別應用，其效能優於目前主流的商業系統，程式碼已經開源，非常值得參考。

作者資訊：

先來看看作者釋出的demo視訊：

很多車牌識別論文中常用的資料庫往往是正面拍攝的，但實際應用中，各種可能的情況都有，作者首先給出了一些對車牌識別有挑戰的資料示例：

作者提出的車牌識別系統，包含車牌識別的所有環節，主要有三大步驟：車輛檢測、車牌檢測與校正、OCR。

下圖展示了整個系統流程：

輸入影象首先使用YOLOv2進行車輛檢測（作者使用原始的YOLOv2，沒有做任何改動），檢測到的車輛影象再輸入到WPOD-NET網路，進行車牌檢測和車票捲曲校正系統的迴歸，然後對車牌進行校正輸入到OCR-Net網路，識別出車牌字元。

WPOD-NET架構圖

為訓練WPOD-NET對資料進行了各種常規的資料增廣：

為評估該系統，作者收集了常用的資料集，並自建了挑戰的資料集CD-HARD。

實驗結果

作者將該文系統與目前主流的商業車牌識別系統相比較，包括OpenALPR、Sighthound、Amazon Rekognition。

在整個資料集上取得了遠超過其他系統的效能，在OpenALPR資料集上取得了與最好系統相匹敵的效能，尤其在具有挑戰的CD-HARD資料集上取得了異常明顯的效能優勢。