|
|
|
|
|
|
|
|
## HyperLPR3 高性能开源中文车牌识别框架
|
|
|
|
|
|
#### [](https://pypi.org/project/hyperlpr3/)[](https://pypi.org/manage/project/hyperlpr3/releases/)
|
|
|
|
|
|
### 一键安装
|
|
|
|
|
|
`python -m pip install hyperlpr3`
|
|
|
|
|
|
###### 支持python3, 支持Windows Mac Linux 树莓派等。
|
|
|
|
|
|
|
|
|
###### 720p cpu real-time (st on MBP r15 2.2GHz haswell).
|
|
|
|
|
|
#### 快速体验
|
|
|
|
|
|
```bash
|
|
|
# 使用命令行测试 - 图像url地址
|
|
|
lpr3 sample -src https://koss.iyong.com/swift/v1/iyong_public/iyong_2596631159095872/image/20190221/1550713902741045679.jpg
|
|
|
|
|
|
# 使用命令行测试 - 本地图像路径
|
|
|
lpr3 sample -src images/test_img.jpg -det high
|
|
|
```
|
|
|
|
|
|
#### 快速上手
|
|
|
|
|
|
```python
|
|
|
# 导入opencv库
|
|
|
import cv2
|
|
|
# 导入依赖包
|
|
|
import hyperlpr3 as lpr3
|
|
|
|
|
|
# 实例化识别对象
|
|
|
catcher = lpr3.LicensePlateCatcher()
|
|
|
# 读取图片
|
|
|
image = cv2.imread("images/test_img.jpg")
|
|
|
# 识别结果
|
|
|
print(catcher(image))
|
|
|
|
|
|
```
|
|
|
#### 启动WebApi服务
|
|
|
|
|
|
```bash
|
|
|
# 启动服务
|
|
|
lpr3 rest --port 8715 --host 0.0.0.0
|
|
|
```
|
|
|
启动后可打开SwaggerUI的路径：[http://localhost:8715/api/v1/docs](http://localhost:8715/api/v1/docs) 查看和测试在线识别API服务:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
#### Q&A
|
|
|
|
|
|
Q：Android识别率没有所传demo apk的识别率高？
|
|
|
|
|
|
A：请自行编译或从release中下载安卓动态库放置于Prj-Android中进行测试。
|
|
|
|
|
|
Q：车牌的训练数据来源？
|
|
|
|
|
|
A：由于用于训练车牌数据涉及到法律隐私等问题，本项目无法提供。开放较为大的数据集有[CCPD](https://github.com/detectRecog/CCPD)车牌数据集。
|
|
|
|
|
|
Q：训练代码的提供？
|
|
|
|
|
|
A：相关资源中有提供老版的训练代码，HyperLPR3的训练方法会陆续整理并给出。
|
|
|
|
|
|
Q：关于项目的来源？
|
|
|
|
|
|
A：此项目来源于作者早期的研究和调试代码，代码缺少一定的规范，同时也欢迎PR。
|
|
|
|
|
|
|
|
|
#### 相关资源
|
|
|
|
|
|
- [五分钟搞定: 中文车牌识别光速部署与使用](https://mp.csdn.net/mp_blog/creation/editor/new/129258107)
|
|
|
|
|
|
- [Linux/MacOS使用：C/C++库编译](https://mp.csdn.net/mp_blog/creation/editor/new/129295679)
|
|
|
|
|
|
- 待补充...欢迎投稿
|
|
|
|
|
|
#### 老版本
|
|
|
|
|
|
- [HyperLPRv1版](https://github.com/szad670401/HyperLPR/tree/v1)
|
|
|
|
|
|
- [HyperLPRv2版](https://github.com/szad670401/HyperLPR/tree/v2)
|
|
|
|
|
|
### TODO
|
|
|
|
|
|
- 支持快速部署WebApi服务
|
|
|
- 支持多种车牌以及双层
|
|
|
- 支持大角度车牌
|
|
|
- 轻量级识别模型
|
|
|
|
|
|
|
|
|
### 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
|
|
|
- 支持跨平台编译和快速部署
|
|
|
|
|
|
### 注意事项:
|
|
|
|
|
|
- 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 4.0和MNN 2.0以上版本，否则无法编译
|
|
|
- 安卓工程编译ndk尽量采用21版本
|
|
|
|
|
|
### Python 依赖
|
|
|
- opencv-python (>3.3)
|
|
|
- onnxruntime (>1.8.1)
|
|
|
- fastapi (0.92.0)
|
|
|
- uvicorn (0.20.0)
|
|
|
- loguru (0.6.0)
|
|
|
- python-multipart
|
|
|
- tqdm
|
|
|
- requests
|
|
|
|
|
|
### CPP 依赖
|
|
|
|
|
|
- Opencv 4.0 以上版本
|
|
|
- MNN 2.0 以上版本
|
|
|
|
|
|
### C/C++编译依赖库
|
|
|
|
|
|
编译C/C++工程需要使用第三方依赖库，将库下载后解压，并将其通过拷贝或软链接放入根目录(与CMakeLists.txt同级)即可，依赖的库下载地址：[百度网盘](https://pan.baidu.com/s/138O2bSlPN0H81OYP6zc3yQ) code: 5duf
|
|
|
|
|
|
### Linux/Mac动态链接库编译
|
|
|
|
|
|
- 需要将依赖库放置或链接在项目根目录下(与CMakeLists.txt同级)
|
|
|
|
|
|
```bash
|
|
|
# 执行编译脚本
|
|
|
sh command/build_release_linux_share.sh
|
|
|
|
|
|
```
|
|
|
编译后的相关物料放置于根目录下**build/linux/install/hyperlpr3**中，其中包含：
|
|
|
- include 头文件
|
|
|
- lib 动态库路径
|
|
|
- resource 包含测试图片与模型等静态资源
|
|
|
|
|
|
按需取走需要的文件即可
|
|
|
|
|
|
### Linux/Mac编译Demo
|
|
|
|
|
|
- 需要完成上一步的编译动作，并保证编译成功且编译完成后的物料放置于根目录下的**build/linux/install/hyperlpr3**路径中
|
|
|
- 需要从根目录中进入到子工程**Prj-Linux**文件夹中进行操作
|
|
|
```bash
|
|
|
# 进入到子工程demo
|
|
|
cd Prj-Linux
|
|
|
# 创建build文件夹并进入
|
|
|
mkdir build && cd build
|
|
|
# 开始编译
|
|
|
cmake .. && make -j
|
|
|
```
|
|
|
编译完成后生成可执行程序**PlateRecDemo**，执行运行测试
|
|
|
```bash
|
|
|
# 传入模型文件夹路径和需要预测的图像执行程序
|
|
|
./PlateRecDemo ../hyperlpr3/resource/models/r2_mobile ../hyperlpr3/resource/images/test_img.jpg
|
|
|
```
|
|
|
### Linux/Mac快速使用SDK代码示例
|
|
|
```C
|
|
|
// 读取图像
|
|
|
cv::Mat image = cv::imread(image_path);
|
|
|
// 创建ImageData
|
|
|
HLPR_ImageData data = {0};
|
|
|
data.data = image.ptr<uint8_t>(0); // 设置图像数据流
|
|
|
data.width = image.cols; // 设置图像宽
|
|
|
data.height = image.rows; // 设置图像高
|
|
|
data.format = STREAM_BGR; // 设置当前图像编码格式
|
|
|
data.rotation = CAMERA_ROTATION_0; // 设置当前图像转角
|
|
|
// 创建数据Buffer
|
|
|
P_HLPR_DataBuffer buffer = HLPR_CreateDataBuffer(&data);
|
|
|
|
|
|
// 配置车牌识别参数
|
|
|
HLPR_ContextConfiguration configuration = {0};
|
|
|
configuration.models_path = model_path; // 模型文件夹路径
|
|
|
configuration.max_num = 5; // 最大识别车牌数量
|
|
|
configuration.det_level = DETECT_LEVEL_LOW; // 检测器等级
|
|
|
configuration.use_half = false;
|
|
|
configuration.nms_threshold = 0.5f; // 非极大值抑制置信度阈值
|
|
|
configuration.rec_confidence_threshold = 0.5f; // 车牌号文本阈值
|
|
|
configuration.box_conf_threshold = 0.30f; // 检测器阈值
|
|
|
configuration.threads = 1;
|
|
|
// 实例化车牌识别算法Context
|
|
|
P_HLPR_Context ctx = HLPR_CreateContext(&configuration);
|
|
|
// 查询实例化状态
|
|
|
HREESULT ret = HLPR_ContextQueryStatus(ctx);
|
|
|
if (ret != HResultCode::Ok) {
|
|
|
printf("create error.\n");
|
|
|
return -1;
|
|
|
}
|
|
|
HLPR_PlateResultList results = {0};
|
|
|
// 执行车牌识别算法
|
|
|
HLPR_ContextUpdateStream(ctx, buffer, &results);
|
|
|
|
|
|
for (int i = 0; i < results.plate_size; ++i) {
|
|
|
// 解析识别后的数据
|
|
|
std::string type;
|
|
|
if (results.plates[i].type == HLPR_PlateType::PLATE_TYPE_UNKNOWN) {
|
|
|
type = "未知";
|
|
|
} else {
|
|
|
type = TYPES[results.plates[i].type];
|
|
|
}
|
|
|
|
|
|
printf("<%d> %s, %s, %f\n", i + 1, type.c_str(),
|
|
|
results.plates[i].code, results.plates[i].text_confidence);
|
|
|
}
|
|
|
|
|
|
// 销毁Buffer
|
|
|
HLPR_ReleaseDataBuffer(buffer);
|
|
|
// 销毁Context
|
|
|
HLPR_ReleaseContext(ctx);
|
|
|
```
|
|
|
|
|
|
### Android编译动态链接库
|
|
|
- 需要完成上一步的编译动作，并保证编译成功且编译完成后的物料放置于根目录下的**build/linux/install/hyperlpr3**路径中
|
|
|
```bash
|
|
|
# 执行编译脚本
|
|
|
sh command/build_release_android_share.sh
|
|
|
```
|
|
|
编译完成后android的动态库会放置于**build/release_android/**，其中包含：
|
|
|
- arm64-v8a 64位的动态库
|
|
|
- armeabi-v7a 32位的动态库
|
|
|
|
|
|
完成Android的动态库编译后，将**arm64-v8a**和**armeabi-v7a**文件夹放置于子项目路径**Prj-Android/hyperlpr3/libs**中，再编译android项目即可使用。**Prj-Android**项目中已内置hyperlpr3的SDK与使用demo。
|
|
|
|
|
|
###
|
|
|
|
|
|
### 可识别和待支持的车牌的类型
|
|
|
|
|
|
#### 支持
|
|
|
- [x] 单行蓝牌
|
|
|
- [x] 单行黄牌
|
|
|
- [x] 新能源车牌
|
|
|
- [x] 教练车牌
|
|
|
#### 有限支持
|
|
|
- [x] 白色警用车牌
|
|
|
- [x] 使馆/港澳车牌
|
|
|
- [x] 双层黄牌
|
|
|
- [x] 武警车牌
|
|
|
#### 待支持
|
|
|
- [ ] 民航车牌
|
|
|
- [ ] 双层武警
|
|
|
- [ ] 双层军牌
|
|
|
- [ ] 双层农用车牌
|
|
|
- [ ] 双层个性化车牌
|
|
|
|
|
|
###### Note:由于训练的时候样本存在一些不均衡的问题,一些特殊车牌存在一定识别率低下的问题，如(使馆/港澳车牌)，会在后续的版本进行改进。
|
|
|
|
|
|
|
|
|
### 识别测试APP
|
|
|
|
|
|
- 体验 Android APP：[扫码下载](http://fir.tunm.top/hyperlpr)
|
|
|
|
|
|
#### 获取帮助
|
|
|
|
|
|
- HyperAI讨论QQ群: 529385694，加前请备注HyperLPR交流
|
|
|
|