构建模型以识别车牌（ALPR）的最佳方法

Question

我正在尝试使用像CNN这样的深度学习技术来制作深度学习模型来检测和阅读车牌。我会在tensorflow中制作一个模型。但我仍然不知道建立这种模型的最佳方法是什么。

我检查过这样的几款机型 https://matthewearl.github.io/2016/05/06/cnn-anpr/

我还检查了一些研究论文，但都没有显示确切的方法。

所以我计划遵循的步骤是

1. 使用opencv进行图像预处理（灰度，变换等我对此部分了解不多）

2. 车牌检测（可能通过滑动窗口方法）

3. 通过构建合成数据集来训练使用CNN，如上面的链接。

我的问题

有没有更好的方法呢？

在CNN之后是否可以将RNN合并为可变长度数？

我是否更愿意检测和识别单个字符而不是整个板块？

还有许多旧方法更喜欢图像预处理和直接传递给OCR。哪种方法最好？

PS-我想制作一个商业实时系统。所以我需要良好的准确性。

Answer 1

首先，我不认为组合RNN和CNN可以实现实时系统。如果我想要实时系统，我个人更喜欢检测个别角色，因为牌照上不会超过10个字符。当检测具有可变长度的板时，检测单个字符可能更可行。

在我学习深度学习之前，我也尝试使用OCR来检测板块。在我的情况下，OCR很快但准确性有限，特别是当板不够清晰时。即使是图像处理也无法挽救一些不清楚的案例.......

如果我是你，我会尝试如下：

1. 对整个图像进行简单的图像预处理
2. 车牌检测（可能通过滑动窗口方法）
3. 提取的板部分上的图像处理（滤波器和几何变换）使其更清晰。单独的字符。
4. 将CNN部署到每个角色。 （也许我会尝试一些简短的CNN因为实时，比如在MNIST手写数字数据中使用的LeNet）（可能需要多线程）

希望我的回复可以提供帮助。