• 咖啡先生
    了解作者
  • Visual C++
    开发工具
  • 97.3MB
    文件大小
  • zip
    文件格式
  • 0
    收藏次数
  • 1 积分
    下载积分
  • 5
    下载次数
  • 2018-01-24 15:22
    上传日期
能够有效从自然环境中定位以及识别车牌,利用人工神经网络ANN,进行数字识别,识别率达到90%
EasyPR-master.zip
内容介绍
# EasyPR EasyPR是一个开源的中文车牌识别系统,其目标是成为一个简单、高效、准确的非限制场景(unconstrained situation)下的车牌识别库。 相比于其他的车牌识别系统,EasyPR有如下特点: * 它基于openCV这个开源库。这意味着你可以获取全部源代码,并且移植到opencv支持的所有平台。 * 它能够识别中文。例如车牌为苏EUK722的图片,它可以准确地输出std:string类型的"苏EUK722"的结果。 * 它的识别率较高。图片清晰情况下,车牌检测与字符识别可以达到80%以上的精度。 ### 更新 本次更新版本是1.6正式版本,主要有以下几点更新: 1. 修正了多项readme的文本提示。 2. 增加了C#调用EasyPR的一个项目的链接,感谢 @zhang-can 同学。 **注意** 1. 对于Opencv3.2或以上版本,如果碰到编译问题,例如“ANN_MLP”相关的错误,尝试将config.h中将#define CV_VERSION_THREE_ZERO改为#define CV_VERSION_THREE_TWO试试. 2. linux系统推荐使用Opencv3.2以上版本。3.2以下的版本例如3.0和3.1在识别时可能会出现车牌识别结果为空的情况。稳妥起见,建议都升级到最新的3.2版本。Windows版本没有这个问题。 ## 待做的工作 - [ ] 完成一个CNN框架 - [ ] 替换ANN为CNN - [ ] 增加新能源车的识别(待定) - [ ] 增加两行车牌的识别(待定) ### 跨平台 目前除了windows平台以外,还有以下其他平台的EasyPR版本。一些平台的版本可能会暂时落后于主平台。 现在有一个无需配置opencv的1.5版本的[懒人版](http://git.oschina.net/easypr/EasyPR/attach_files)。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](http://www.7-zip.org/)解压。 |版本 | 开发者 | 版本 | 地址 |------|-------|-------|------- | C# | zhang-can | 1.5 | [zhang-can/EasyPR-DLL-CSharp](https://github.com/zhang-can/EasyPR-DLL-CSharp) | android | goldriver | 1.4 | [linuxxx/EasyPR_Android](https://github.com/linuxxx/EasyPR_Android) | linux | Micooz | 1.6 | 已跟EasyPR整合 | ios | zhoushiwei | 1.3 | [zhoushiwei/EasyPR-iOS](https://github.com/zhoushiwei/EasyPR-iOS) | mac | zhoushiwei,Micooz | 1.6 | 已跟EasyPR整合 | java | fan-wenjie | 1.2 | [fan-wenjie/EasyPR-Java](https://github.com/fan-wenjie/EasyPR-Java) | 懒人版 | fan-wenjie | 1.5 | [git/oschina](http://git.oschina.net/easypr/EasyPR/attach_files) ### 兼容性 当前EasyPR是基于opencv3.0版本开发的,3.0及以上的版本应该可以兼容,以前的版本可能会存在不兼容的现象。 ### 例子 假设我们有如下的原始图片,需要识别出中间的车牌字符与颜色: ![EasyPR 原始图片](resources/doc/res/plate_locate.jpg) 经过EasyPR的第一步处理车牌检测(PlateDetect)以后,我们获得了原始图片中仅包含车牌的图块: ![EasyPR 车牌](resources/doc/res/blue_plate.jpg) 接着,我们对图块进行OCR过程,在EasyPR中,叫做字符识别(CharsRecognize)。我们得到了一个包含车牌颜色与字符的字符串: “蓝牌:苏EUK722” ### 示例 EasyPR的调用非常简单,下面是一段示例代码: ```c++ CPlateRecognize pr; pr.setResultShow(false); pr.setDetectType(PR_DETECT_CMSER); vector<CPlate> plateVec; Mat src = imread(filepath); int result = pr.plateRecognize(src, plateVec); ``` 我们首先创建一个CPlateRecognize的对象pr,接着设置pr的属性。 ```c++ pr.setResultShow(false); ``` 这句话设置EasyPR是否打开结果展示窗口,如下图。设置为true就是打开,否则就是关闭。在需要观看定位结果时,建议打开,快速运行时关闭。 ![EasyPR 输出窗口](resources/doc/res/window.png) ```c++ pr.setDetectType(PR_DETECT_CMSER); ``` 这句话设置EasyPR采用的车牌定位算法。CMER代表文字定位方法,SOBEL和COLOR分别代表边缘和颜色定位方法。可以通过"|"符号结合。 ```c++ pr.setDetectType(PR_DETECT_COLOR | PR_DETECT_SOBEL); ``` 除此之外,还可以有一些其他的属性值设置: ```c++ pr.setLifemode(true); ``` 这句话设置开启生活模式,这个属性在定位方法为SOBEL时可以发挥作用,能增大搜索范围,提高鲁棒性。 ```c++ pr.setMaxPlates(4); ``` 这句话设置EasyPR最多查找多少个车牌。当一副图中有大于n个车牌时,EasyPR最终只会输出可能性最高的n个。 下面来看pr的方法。plateRecognize()这个方法有两个参数,第一个代表输入图像,第二个代表输出的车牌CPlate集合。 ```c++ vector<CPlate> plateVec; Mat src = imread(filepath); int result = pr.plateRecognize(src, plateVec); ``` 当返回结果result为0时,代表识别成功,否则失败。 CPlate类包含了车牌的各种信息,其中重要的如下: ```c++ CPlate plate = plateVec.at(i); Mat plateMat = plate.getPlateMat(); RotatedRect rrect = plate.getPlatePos(); string license = plate.getPlateStr(); ``` plateMat代表车牌图像,rrect代表车牌的可旋转矩形位置,license代表车牌字符串,例如“蓝牌:苏EUK722”。 这里说下如何去阅读如下图的识别结果。 ![EasyPR DetectResults](resources/doc/res/one_image_detect.jpg) 第1行代表的是图片的文件名。 第2行代表GroundTruth车牌,用后缀(g)表示。第3行代表EasyPR检测车牌,用后缀(d)表示。两者形成一个配对,第4行代表两者的字符差距。 下面同上。本图片中有3个车牌,所有共有三个配对。最后的Recall等指标代表的是整幅图片的定位评价,考虑了三个配对的结果。 有时检测车牌的部分会用“无车牌”与“No string”替代。“无车牌”代表“定位不成功”,“No string”代表“定位成功但字符分割失败”。 ### 版权 EasyPR的源代码与训练数据遵循Apache v2.0协议开源。 EasyPR的resources/image/general_test文件夹下的图片数据遵循[GDSL协议](image/GDSL.txt)(通用数据共享协议)进行开放。 请确保在使用前了解以上协议的内容。 ### 目录结构 以下表格是本工程中所有目录的解释: |目录 | 解释 |------|---------- | src | 所有源文件 | include | 所有头文件 | test | 测试程序 | model | 机器学习的模型 | resources/text | 中文字符映射表 | resources/train | 训练数据与说明 | resources/image | 测试用的图片 | resources/doc | 相关文档 | tmp | 训练数据读取目录,需要自建 以下表格是resources/image目录中子目录的解释: |目录 | 解释 |------|---------- | general_test | GDTS(通用数据测试集) | native_test | NDTS(本地数据测试集) | tmp | Debug模式下EasyPR输出中间图片的目录,需要自建 以下表格是src目录中子目录的解释: |目录 | 解释 |------|---------- | core | 核心功能 | preprocess | SVM预处理 | train | 训练目录,存放模型训练的代码 | util | 辅助功能 以下表格是src目录下一些核心文件的解释与关系: |文件 | 解释 |------|---------- | plate_locate | 车牌定位 | plate_judge | 车牌判断 | plate_detect | 车牌检测,是车牌定位与车牌判断功能的组合 | chars_segment | 字符分割 | chars_identify | 字符鉴别 | chars_recognise | 字符识别,是字符分割与字符鉴别功能的组合 | plate_recognize | 车牌识别,是车牌检测与字符识别的共有子类 | feature | 特征提取回调函数 | plate | 车牌抽象 | core_func.h | 共有的一些函数 以下表格是test目录下文件的解释: |文件 | 解释 |------|---------- | main.cpp | 主命令行窗口 | accuracy.hpp | 批量测试 | chars.hpp | 字符识别相关 | plate.hpp | 车牌识别相关 以下表格是train目录下文件的解释:
评论
    相关推荐