21ic电子技术开发论坛 › 软件应用 › 平台与系统开发 › 开源的车牌识别引擎HyperLPR
返回列表 发新帖我要提问

开源的车牌识别引擎HyperLPR

[复制链接]
 楼主| gaoyang9992006 发表于 2019-12-28 16:19 | 显示全部楼层 |阅读模式
车牌识别, 开源, 模型, model, TI
对车牌识别感兴趣的可以玩玩，
复制
  1. ![**_t](./demo_images/**.png)
    


  2. 

  3. ## HyperLPR   高性能开源中文车牌识别框架
    


  4. 

  5. #### [![1](https://badge.fury.io/py/hyperlpr.svg "title")](https://pypi.org/project/hyperlpr/)[![1](https://img.shields.io/pypi/pyversions/hyperlpr.svg "title")](https://pypi.org/project/hyperlpr/)
    


  6. 

  7. ### 一键安装
    


  8. 

  9. `pip install hyperlpr`
    


  10. 

  11. ###### 支持python3,支持Windows  Mac Linux 树莓派等。
    


  12. 

  13. ###### 720p cpu real-time (st on MBP r15 2.2GHz haswell).
    


  14. 

  15. #### 快速上手
    


  16. 

  17. ```python
    

  18. #导入包
    

  19. from hyperlpr import *
    

  20. #导入OpenCV库
    

  21. import cv2
    

  22. #读入图片
    

  23. image = cv2.imread("demo.jpg")
    

  24. #识别结果
    

  25. print(HyperLPR_plate_recognition(image))
    

  26. ```
    


  27. 

  28. #### Q&A
    


  29. 

  30. Q：Android识别率没有所传demo apk的识别率高？
    


  31. 

  32. A：请使用[Prj-Linux](https://github.com/zeusees/HyperLPR/tree/master/Prj-Linux/lpr/model)下的模型，android默认包里的配置是相对较早的模型
    


  33. 

  34. Q：车牌的训练数据来源？
    


  35. 

  36. 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。
    


  37. 

  38. Q：训练代码的提供？
    


  39. 

  40. A：相关资源中有提供训练代码
    


  41. 

  42. Q：关于项目的来源？
    


  43. 

  44. 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。
    


  45. 


  46. 

  47. #### 相关资源
    


  48. 

  49. - [Android配置教程](https://www.jianshu.com/p/94784c3bf2c1)
    

  50. - [python配置教程](https://www.jianshu.com/p/7ab673abeaae)
    

  51. - [Linux下C++配置教程](https://blog.csdn.net/lu_linux/article/details/88707421)
    

  52. - [带UI界面的工程](https://pan.baidu.com/s/1cNWpK6)(感谢群内小伙伴的工作)。
    

  53. - [端到端(多标签分类)训练代码](https://github.com/LCorleone/hyperlpr-train_e2e)(感谢群内小伙伴的工作)。
    

  54. - [端到端(CTC)训练代码](https://github.com/armaab/hyperlpr-train)(感谢群内小伙伴工作)。
    


  55. 

  56. ### 更新
    


  57. 

  58. - 更新了Android实现，增加实时扫描接口 (2019.07.24)
    

  59. - 更新Windows版本的Visual Studio 2015 工程至端到端模型（2019.07.03）
    

  60. - 更新基于端到端的IOS车牌识别工程。(2018.11.13)
    

  61. - 可通过pip一键安装、更新的新的识别模型、倾斜车牌校正算法、定位算法。(2018.08.11)
    

  62. - 提交新的端到端识别模型，进一步提高识别准确率(2018.08.03)
    

  63. - [增加PHP车牌识别工程@coleflowers](https://github.com/zeusees/HyperLPR/tree/master/Prj-PHP) (2018.06.20)
    

  64. - 添加了HyperLPR Lite 仅仅需160 行代码即可实现车牌识别(2018.3.12)
    

  65. - 感谢 sundyCoder [Android 字符分割版本](https://github.com/sundyCoder/hyperlpr4Android) 
    

  66. - 增加字符分割[训练代码和字符分割介绍](https://github.com/zeusees/HyperLPR-Training)(2018.1.)
    


  67. 


  68. 

  69. ### TODO
    


  70. 

  71. - 支持多种车牌以及双层
    

  72. - 支持大角度车牌
    

  73. - 轻量级识别模型
    


  74. 

  75. ### 特性
    


  76. 

  77. - 速度快 720p,单核 Intel 2.2G CPU (MaBook Pro 2015)平均识别时间低于100ms
    

  78. - 基于端到端的车牌识别无需进行字符分割
    

  79. - 识别率高,卡口场景准确率在95%-97%左右
    

  80. - 轻量,总代码量不超1k行
    


  81. 

  82. ### 模型资源说明
    


  83. 

  84. - cascade.xml  检测模型 - 目前效果最好的cascade检测模型
    

  85. - cascade_lbp.xml  召回率效果较好，但其错检太多
    

  86. - 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 
    

  87. - 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 
    

  88. - ocr_plate_all_w_rnn_2.h5 基于CNN的序列模型
    

  89. - 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。
    

  90. - plate_type.h5 用于车牌颜色判断的模型
    

  91. - model12.h5 左右边界回归模型
    


  92. 

  93. ### 注意事项:
    


  94. 

  95. - Win工程中若需要使用静态库，需单独编译
    

  96. - 本项目的C++实现和Python实现无任何关联，都为单独实现
    

  97. - 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 
    

  98. - 安卓工程编译ndk尽量采用14b版本
    


  99. 

  100. ### Python 依赖
    


  101. 

  102. - Keras (>2.0.0)
    

  103. - Theano(>0.9) or Tensorflow(>1.1.x)
    

  104. - Numpy (>1.10)
    

  105. - Scipy (0.19.1)
    

  106. - OpenCV(>3.0)
    

  107. - Scikit-image (0.13.0)
    

  108. - PIL
    


  109. 

  110. ### CPP 依赖
    


  111. 

  112. - Opencv 3.4 以上版本
    


  113. 

  114. ### Linux/Mac 编译
    


  115. 

  116. - 仅需要的依赖OpenCV 3.4 (需要DNN框架)
    


  117. 

  118. ```bash
    

  119. cd Prj-Linux
    

  120. mkdir build 
    

  121. cd build
    

  122. cmake ../
    

  123. sudo make -j 
    

  124. ```
    


  125. 

  126. ### CPP demo
    


  127. 

  128. ```cpp
    

  129. #include "../include/Pipeline.h"
    

  130. int main(){
    

  131.     pr::PipelinePR prc("model/cascade.xml",
    

  132.                       "model/HorizonalFinemapping.prototxt","model/HorizonalFinemapping.caffemodel",
    

  133.                       "model/Segmentation.prototxt","model/Segmentation.caffemodel",
    

  134.                       "model/CharacterRecognization.prototxt","model/CharacterRecognization.caffemodel",
    

  135.                        "model/SegmentationFree.prototxt","model/SegmentationFree.caffemodel"
    

  136.                     );
    

  137.   //定义模型文件
    


  138. 

  139.     cv::Mat image = cv::imread("test.png");
    

  140.     std::vector<pr::PlateInfo> res = prc.RunPiplineAsImage(image,pr::SEGMENTATION_FREE_METHOD);
    

  141.   //使用端到端模型模型进行识别 识别结果将会保存在res里面
    

  142.  
    

  143.     for(auto st:res) {
    

  144.         if(st.confidence>0.75) {
    

  145.             std::cout << st.getPlateName() << " " << st.confidence << std::endl;
    

  146.           //输出识别结果 、识别置信度
    

  147.             cv::Rect region = st.getPlateRect();
    

  148.           //获取车牌位置
    

  149.  cv::rectangle(image,cv::Point(region.x,region.y),cv::Point(region.x+region.width,region.y+region.height),cv::Scalar(255,255,0),2);
    

  150.           //画出车牌位置
    

  151.           
    

  152.         }
    

  153.     }
    


  154. 

  155.     cv::imshow("image",image);
    

  156.     cv::waitKey(0);
    

  157.     return 0 ;
    

  158. }
    

  159. ```
    


  160. 

  161. ###  
    


  162. 

  163. ### 可识别和待支持的车牌的类型
    


  164. 

  165. - [x] 单行蓝牌
    

  166. - [x] 单行黄牌
    

  167. - [x] 新能源车牌
    

  168. - [x] 白色警用车牌
    

  169. - [x] 使馆/港澳车牌
    

  170. - [x] 教练车牌
    

  171. - [ ] 武警车牌
    

  172. - [ ] 民航车牌
    

  173. - [ ] 双层黄牌
    

  174. - [ ] 双层武警
    

  175. - [ ] 双层军牌
    

  176. - [ ] 双层农用车牌
    

  177. - [ ] 双层个性化车牌
    


  178. 

  179. ###### 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。
    


  180. 

  181. ### 测试样例
    


  182. 

  183. ![image](./demo_images/demo1.png)
    


  184. 

  185. ![image](./demo_images/demo2.jpg)
    


  186. 

  187. #### Android示例
    


  188. 

  189. ![android](./demo_images/android.png)
    


  190. 

  191. ### 识别测试APP
    


  192. 

  193. - 体验 Android APP：[https://fir.im/HyperLPR](https://fir.im/HyperLPR) (根据图片尺寸调整程序中的尺度，提高准确率)
    


  194. 

  195. #### 获取帮助
    


  196. 

  197. - HyperLPR讨论QQ群1: 673071218(已满，邀请可进), 群2: 746123554 ,加前请备注HyperLPR交流。
    


  198. 

  199. ### 作者和贡献者信息：
    


  200. 

  201. ##### 作者昵称不分前后
    


  202. 

  203. - Jack Yu 作者(jack-yu-business@foxmail.com / https://github.com/szad670401)
    

  204. - lsy17096535 整理(https://github.com/lsy17096535)
    

  205. - xiaojun123456 IOS贡献(https://github.com/xiaojun123456)
    

  206. - sundyCoder Android第三方贡献(https://github.com/sundyCoder)
    

  207. - coleflowers php贡献(@coleflowers)
    

  208. - Free&Easy 资源贡献 
    

  209. - 海豚嘎嘎 LBP cascade检测器训练
    

  210. - Windows工程端到端模型 (https://github.com/SalamanderEyes)
    

  211. - Android实时扫描实现 (https://github.com/lxhAndSmh)


回复 赏

举报

相关帖子
 楼主| gaoyang9992006 发表于 2020-1-2 16:27 | 显示全部楼层
pip安装OpenCV2
复制
  1. pip install opencv-python
回复 赏

举报

返回列表 发新帖
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 注册

本版积分规则

gaoyang9992006 Image
个人签名：如果你觉得我的分享或者答复还可以，请给我点赞，谢谢。

2046

主题

16351

帖子

222

粉丝
快速回复 在线客服 返回列表 返回顶部
gaoyang9992006 Image
个人签名：如果你觉得我的分享或者答复还可以，请给我点赞，谢谢。

2046

主题

16351

帖子

222

粉丝
快速回复 在线客服 返回列表 返回顶部