我正在使用OpenCV和Haar Cascade(Python)来检测照片中的牌照。我正在尝试openalpr中经过全部训练的eu.xml文件。这些盘子大多是瑞典人。
许多误报都在沥青或道路标志上。以下是检测参数:
lp_cascade = cv.CascadeClassifier('assets/cascades/eu.xml')
img = cv.imread(filepath)
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
plates = lp_cascade.detectMultiScale(gray, 1.1, 2, cv.CASCADE_DO_CANNY_PRUNING, (20, 8), (150, 50))
我的问题是,是否有人知道如何在保持甚至提高命中率的同时减少误报的数量?通过调整参数或过滤掉前/后处理中的不匹配?我已经尝试了很多参与这些参数,但到目前为止这些都给出了最好的结果。需要很高的命中率。
更新