HyperLPR 开源项目使用教程

1. 项目的目录结构及介绍

HyperLPR 是一个基于深度学习的高性能中文车牌识别框架。以下是项目的目录结构及其介绍：

HyperLPR/
├── Prj-Android/
├── Prj-Linux/
├── Prj-PHP/
├── Prj-Win/
├── Prj-iOS/
├── demo_images/
├── hyperlpr/
├── hyperlpr_py3/
├── images_rec/
├── model/
├── templates/
├── .gitignore
├── HyperLPRLite.py
├── HyperLprGUI.py
├── LICENSE
├── README.md
├── WebAPI.py
├── benchmark.py
├── config.json
├── demo.py
├── wxpy_uploader.py

• Prj-Android/, Prj-Linux/, Prj-PHP/, Prj-Win/, Prj-iOS/: 不同平台的项目文件。
• demo_images/: 示例图片。
• hyperlpr/, hyperlpr_py3/: 核心代码文件夹。
• images_rec/: 图像识别相关文件。
• model/: 模型文件。
• templates/: 模板文件。
• .gitignore: Git 忽略文件。
• HyperLPRLite.py, HyperLprGUI.py: 轻量级和图形界面版本。
• LICENSE: 许可证文件。
• README.md: 项目说明文档。
• WebAPI.py: Web API 接口。
• benchmark.py: 性能测试脚本。
• config.json: 配置文件。
• demo.py: 示例脚本。
• wxpy_uploader.py: 微信上传脚本。

2. 项目的启动文件介绍

项目的启动文件主要是 demo.py 和 WebAPI.py。

demo.py

demo.py 是一个示例脚本，展示了如何使用 HyperLPR 进行车牌识别。以下是基本的使用方法：

# 导入包
from hyperlpr import *
# 导入OpenCV库
import cv2

# 读入图片
image = cv2.imread("demo.jpg")

# 识别结果
result = HyperLPR_PlateRecognition(image)
print(result)

WebAPI.py

WebAPI.py 是一个 Web API 接口，可以通过 HTTP 请求进行车牌识别。以下是基本的使用方法：

from flask import Flask, request, jsonify
from hyperlpr import *
import cv2

app = Flask(__name__)

@app.route('/recognize', methods=['POST'])
def recognize():
    file = request.files['image']
    image = cv2.imdecode(np.fromstring(file.read(), np.uint8), cv2.IMREAD_COLOR)
    result = HyperLPR_PlateRecognition(image)
    return jsonify(result)

if __name__ == '__main__':
    app.run(debug=True)

3. 项目的配置文件介绍

项目的配置文件是 config.json，它包含了项目运行所需的各种配置参数。以下是一个示例配置文件的内容：

{
    "model_path": "model/model.h5",
    "image_size": [720, 720],
    "threshold": 0.7,
    "max_plates": 5
}

• model_path: 模型文件的路径。
• image_size: 输入图像的尺寸。
• threshold: 识别阈值。
• max_plates: 最大识别车牌数量。

通过修改 config.json 文件，可以调整项目的运行参数，以适应不同的需求和环境。