HyperLPR3 高性能开源中文车牌识别框架
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
# 使用命令行测试 - 图像url地址
lpr3 sample -src https://tunm.oss-cn-hangzhou.aliyuncs.com/hyperlpr3/test_folder/plate_test.png
# 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
# 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
# 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 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
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 code: kdae
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)
# 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
# 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
# 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
// 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
# 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
- 单行蓝牌
- 单行黄牌
- 新能源车牌
- 教练车牌
有限支持
- 白色警用车牌
- 使馆/港澳车牌
- 双层黄牌
- 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:APK下载
获取帮助
- HyperAI讨论QQ群: 529385694,加前请备注HyperLPR交流