EasyPR版本更新
======
本次更新版本是1.6alpha版本，主要改进如下：
-
采用灰度字符训练以及新的特征，使中文字符正确率上升到了86%，比上个版本提升了近14个百分点。
-
借助于字符分割与识别算法的优化，在general_test上的完整识别率(0-error)从原先的59%首次上升到现在的70%，1-error则提升到了82%，提升巨大。
-
在车牌判断模块中，使用了新的SVM特征（颜色+投影），从而在保持鲁棒性的同时，提升了正确率。定位指标中FScore从76%提升到82%.
-
新增一种新的字符分割方法，groundMSER字符分割方法。
-
提供了近万张中文字符灰度图数据供训练，并且在主界面中提供了一个方法从free大神的车牌集里提取中文与英文字符。
-
提供了两万两千张的字符灰度图数据，供训练灰度字符模型使用。
-
代码优化与升级，许多bug修复。
-
Opencv3.2版本的支持，编译前仅需要将config.h中将#define CV_VERSION_THREE_ZERO改为#define CV_VERSION_THREE_TWO即可。
-
更加友好的linux与mac版本支持，使用CMake即可顺利编译，单独的utf-8与gbk的文件供分别的系统使用。
======
本次更新是EasyPR 1.5正式版本，相比beta版本有以下几点更新：
1.修正了SVM训练异常的问题！现在1.5版本也可以自由的使用SVM训练了。这个问题确实是opencv的bug，详见讨论，在此感谢 @tka 同学的告知。 注意，3.2的opencv也修正了这个问题，如果你用3.2版本的话，也可以。但是不清楚3.2版本是否会引入其他的问题，在目前的EasyPR版本里，即便用3.0或者3.1版本也可以规避训练异常的问题。
2.支持linux和mac编译，如果碰到问题请在issue里提问。
3.增加一个无需配置opencv的懒人版。仅仅支持vs2013，也只能在debug和x86下运行，其他情况的话还是得配置opencv。感谢范文捷同学的帮助。页面里的两个文件都要下载，下载后用7zip解压。
其他的主要改进如下：
1.增加了一种新的基于文字定位的定位方法 (MSER), 在面对低对比度，低光照以及大图像上有较强的鲁棒性。
- 夜间的车牌图像
- 对比度非常低的图像
- 近距离的图像
- 高分辨率的图像
2.更加合理的评价协议。结合新增的GroundTruth文件与ICDAR2003的协议，使得整体评价指标更为合理。通用数据集里同时增加了近50张新图片。文字定位方法在面对这些复杂图片时比先前的SOBEL+COLOR的方法定位率提升了27个百分点。
实际运行时，使用了文字定位与颜色定位的结合，最终对256张的测试图片的测试结果如下：
3.使用了非极大值抑制算法去除相邻的车牌，使得最终输出变的合理。即便使用多个定位方法，最终也只会输出一个车牌，而且是可能性最大的车牌。
4.基于局部空间的大津阈值算法与自适应阈值算法，提升了文字分割与分子识别的准确率。
- 车牌图像
- 普通大津阈值结果
- 空间大津阈值结果
5.新的SVM模型与特征（LBP），提升了车牌判断的鲁棒性，新的中文ANN识别模型，提升了中文识别的整体准确率近15个百分点。
6.增加了Grid Search方法，可以进行自动调参。
7.首次增加了多线程支持，基于OpenMP的文字定位方法，在最终的识别速度上，比原先的单线程方法提高了接近2倍。
8.替换了一部分中文注释，使得windows下的visual studio在面对全部以LF结尾的文件时，也能成功通过编译。目前的程序只要opencv配置正确，gitosc上通过zip下载下来的程序可以直接通过编译并运行。
关于本次改动的具体内容可以看博客中的介绍。
======
本次更新是1.4 正式版，主要改进在于几个方面：
1.代码统一为UTF-8格式，多平台的Shell不再出现乱码。
2.支持opencv3.0与3.1，注意，这与opencv2.x不兼容，要想支持的话请下载1.3版本。
3.ANN训练开放。
4.修正了SVM训练异常的问题。
5.代码优化。
不知道怎么下载以前的版本的小伙伴可以在github或gitosc的"branch"里选择"tags"，然后点击"v1.3"，再然后点击"download zip"。当然如果直接git clone的话可以随时方便切换。
在后面的版本中计划做以下几点改善：
1.新的评价框架，更加合理的评估数据。
2.新的车牌定位算法。
======
本次更新是1.3beta版，主要改进在于提升了字符识别模块的准确性：
平均字符差距从0.7降低到0.4，完整匹配度从68%左右上升到目前的81%，平均执行时间从2秒降低到1.5秒。见下图：
主要改动如下：
-
改进了字符识别算法，重新训练了ANN模型，从而使得字符识别准确率大幅度提升。
-
使用了更鲁棒性的办法提升了车牌定位模块的准确率。
目前版本的问题是处理时间还是偏高，1.3正式版本中会对这个问题进行fix。
======
本次更新是1.3alpha版，主要改进在于提升了字符识别模块的准确性：
平均字符差距从2.0降低到0.7，完整匹配度从25%左右上升到目前的68%。
同时，车牌定位模块准确率进一步提升，从上一个版本的94%上升到现在的99%。见下图：
主要改动如下：
-
改进了字符识别算法，重新训练了ANN模型，从而使得字符识别准确率大幅度提升。
-
使用了更鲁棒性的办法提升了车牌定位模块的准确率。
目前版本的问题是处理时间大幅度上升，1.3正式版本中会对这个问题进行fix。
======
本次更新是1.2版，主要改进在于提升了车牌定位模块的准确性，从70%左右到目前的94%，见下图：
主要改动如下：
-
车牌定位使用了“颜色信息”+“二次Sobel”的综合搜索方法。在下面的window中红框代表Sobel定位结果，黄框代表颜色定位结果。
-
“批量测试”增加了一个结果查看window，这个窗口可以用SetDebug()方法开闭(true开，false关)。
- 基本攻克了“大角度定位”问题，下图的车牌被定位并转到了正确的视角。
-
GDTS里新增了若干张新测试图，包括数张大角度图。
-
“批量测试”结果现在同时会保存在“run_accuracy”文件中，可以查询历史信息。
-
与Linux版本做了整合，可以实现跨平台编译。
======
目前EasyPR的版本是1.1，相比上一个版本1.0，有以下更新（这次的更新内容较多，为了跟你现有的项目和代码不冲突，请 谨慎选择全部更新，最好新起一个目录试试新增的功能和内容）：
- 新的SVM模型。新模型使用rbf核替代了liner核，在车牌判断的准确率提升了8个百分点。
- 新增两个特征提取方法。并提供了相关的回调函数接口供二次开发。
- 新增Debug模式。可以在image/tmp文件夹下看到所有输出的中间图片。
- 增加了LifeMode模式，相比默认模式，更适合在生活场景下定位车牌。
- 增加了批量测试功能，这个功能可供测试EasyPR在多幅图片上的整体表现效果。
- 引入了GDTS(General Data Test Set，通用数据测试集)这个概念，作为EasyPR准确率的评测数据集。
- 为了确保GDTS的数据仅用于非商业目的，引入了新的GDSL协议。
- 完善SVM训练功能。提供了一个方便简单的训练窗口。这些增加的功能是为了配合即将推出的SVM开发详解这篇文章。
- 强化SVM模型验证。使用了三个新的数据集概念，即learn data，train data，test data。
- 新增评价指标。引入Precise，Recall，FSocre三个指标这三个指标作为SVM模型准确率评判的参数与改善的依据。
- 新增整体指标。引入levenshtein距离作为EasyPR整体识别准确率误差的评判参数与改善依据。
- 大幅增加训练数据。SVM训练数据中增加了近千张新数据(未经直方图均衡化的车牌图片和非车牌图片)。
请自行解压train/data/plate_detect_svm/learn下的压缩文件查看相关信息。
- 新增命令行窗口，作为测试与训练的辅助工具。
注意：上一个版本中image文件下的test.jpg如果有同学下载了，请删除。它的格式不符合新的GDSL协议的约定。 如果想使用测试图片，可以使用1.1版本中新增的test.jpg替代。