源码名称：【HyperLRP中文车牌识别框架 v1.0】基于端到端的车牌识别无需进行字符分割+识别率高
源码大小：101MB
开发语言：PHP+Mysql
操作系统：Windows，Linux
源码简介与安装说明：
HyperLRP是一个开源的、基于深度学习高性能中文车牌识别库，由北京智云视图科技有限公司开发，支持PHP、C/C++、Python语言，Windows/Mac/Linux/Android/IOS 平台。
特性：
速度快 720p，单核 Intel 2.2G CPU (MaBook Pro 2015)平均识别时间低于100ms
基于端到端的车牌识别无需进行字符分割
识别率高，卡口场景准确率在95%-97%左右
轻量，总代码量不超1k行
Python 依赖：
Keras (>2.0.0)
Theano(>0.9) or Tensorflow(>1.1.x)
Numpy (>1.10)
Scipy (0.19.1)
OpenCV(>3.0)
Scikit-image (0.13.0)
PIL
CPP 依赖：
Opencv 3.4 以上版本
模型资源说明：
cascade.xml 检测模型 – 目前效果最好的cascade检测模型
cascade_lbp.xml 召回率效果较好，但其错检太多
char_chi_sim.h5 Keras模型-可识别34类数字和大写英文字 使用14W样本训练
char_rec.h5 Keras模型-可识别34类数字和大写英文字 使用7W样本训练
ocr_plate_all_w_rnn_2.h5 基于CNN的序列模型
ocr_plate_all_gru.h5 基于GRU的序列模型从OCR模型修改，效果目前最好但速度较慢，需要20ms。
plate_type.h5 用于车牌颜色判断的模型
model12.h5 左右边界回归模型
注意事项：
Win工程中若需要使用静态库，需单独编译
本项目的C++实现和Python实现无任何关联，都为单独实现
在编译C++工程的时候必须要使用OpenCV 3.3以上版本 (DNN 库)，否则无法编译
安卓工程编译ndk尽量采用14b版本
沃客云资源,库测试截图：