1，运行准备
按照https://github.com/matthewearl/deep-anpr说明的用法，运行过程分以下4步：
（1）准备10万个背景图片
（2）合成1000个测试车牌图像
（3）训练，以取得权重参数
（4）车牌检测
1.1准备背景图片
下载http://vision.princeton.edu/projects/2010/SUN/SUN397.tar.gz，36GB大小。好在服务器速度很快，基本在5MB/s以上，因此2~3个小时下载完毕。
在命令行运行： python extractbgs.py SUN397.tar.gz 图片解压。解压也需要2个小时左右。
注意：运行时可能会报错：cv2.CV_LOAD_IMAGE_GRAYSCALE不存在。此时要将其改为cv2.IMREAD_GRAYSCALE。
1.2合成车牌测试图片
Python安装 Pillow-4.2.1-cp35-cp35m-win_amd64.whl
注意 fonts目录下要有字体文件：UKNumberPlate.ttf
运行python gen.py 1000
在test目录下生成1000张随机车牌图片
2，训练
运行python train.py结果出现以下错误，似乎是代码和python3,5无法兼容，因此测试无法进行下去。只能表示遗憾！
AttributeError: Can't pickle local object 'mpgen.<locals>.main'