|
|
# EasyPR
|
|
|
|
|
|
EasyPR是一个中文的开源车牌识别系统，其目标是成为一个简单、高效、准确的车牌识别引擎。
|
|
|
|
|
|
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
|
|
|
|
|
|
本次更新是1.4beta版，主要改进在于几个方面：
|
|
|
|
|
|
1.支持opencv3.0与3.1，注意，这与opencv2.x不兼容，要想支持的话请下载1.3版本。
|
|
|
|
|
|
2.ANN训练开放。
|
|
|
|
|
|
3.修正了SVM训练异常的问题。
|
|
|
|
|
|
4.代码优化。
|
|
|
|
|
|
不知道怎么下载以前的版本的小伙伴可以在github或gitosc的"branch"里选择"tags"，然后点击"v1.3"，再然后点击"download zip"。当然如果直接git clone的话可以随时方便切换。
|
|
|
|
|
|
在后面的版本中计划做以下几点改善：
|
|
|
|
|
|
1.新的评价框架，更加合理的评估数据。
|
|
|
|
|
|
2.新的车牌定位算法。
|
|
|
|
|
|
### 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。
|
|
|
|
|
|
|版本 | 开发者 | 版本 | 地址
|
|
|
|------|-------|-------|-------
|
|
|
| android | goldriver | 1.3 | [linuxxx/EasyPR_Android](https://github.com/linuxxx/EasyPR_Android)
|
|
|
| linux | Micooz | 1.4 | 已跟EasyPR整合
|
|
|
| ios | zhoushiwei | 1.3 | [zhoushiwei/EasyPR-iOS](https://github.com/zhoushiwei/EasyPR-iOS)
|
|
|
| mac | zhoushiwei,Micooz | 1.4 | 已跟EasyPR整合
|
|
|
| java | fan-wenjie | 1.2 | [fan-wenjie/EasyPR-Java](https://github.com/fan-wenjie/EasyPR-Java)
|
|
|
|
|
|
### 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：
|
|
|
|
|
|
|
|
|
|
|
|
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：
|
|
|
|
|
|
|
|
|
|
|
|
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”
|
|
|
|
|
|
### 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
|
|
|
| resources/model | 机器学习的模型
|
|
|
| resources/train | 训练数据与说明
|
|
|
| resources/image | 测试用的图片
|
|
|
| resources/doc | 相关文档
|
|
|
|
|
|
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
|
|
|
|
|
|
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
|
|
|
|
|
|
### 使用
|
|
|
|
|
|
EasyPR的所有源代码可在Github上的[项目主页](https://github.com/liuruoze/EasyPR)直接打包下载得到。
|
|
|
|
|
|
由于Github在中国有时下载速度较慢，可以使用oschina的镜像[地址](http://git.oschina.net/easypr/EasyPR)来下载。
|
|
|
|
|
|
如果你熟悉git版本控制工具，可以使用下面的命令来从Github里克隆代码：
|
|
|
|
|
|
$ git clone https://github.com/liuruoze/EasyPR
|
|
|
|
|
|
EasyPR支持当前主流的操作系统，通常不需要对源代码进行更改就可以编译运行，尽管如此，不同平台上IDE的配置也是有很大差异的，下面主要说明Windows，Linux以及Mac OS下的编译方法。
|
|
|
|
|
|
**Note**: 无论在哪个平台使用EasyPR，首先都要安装对应平台版本的[opencv](http://opencv.org/)，建议使用正式稳定版本。
|
|
|
|
|
|
#### Windows
|
|
|
|
|
|
Windows下的配置建议使用最新的**Visual Studio 2013**版本。目前opencv3.0已经不支持vs2010，vs2012对C++ 11支持的不足，会存在编译问题。
|
|
|
|
|
|
在之前版本的使用和交流过程中，我们发现很多同学对Visual Studio开发环境不甚了解，甚至没有做过C++项目，对EasyPR环境的配置存在很大的障碍。为此在新版本中我们特意准备了傻瓜式自动配置脚本，来方便大家使用EasyPR。
|
|
|
|
|
|
**方法一（推荐）**
|
|
|
|
|
|
1. 首先你需要安装最新版本的[Python](https://www.python.org/downloads/)。将Python的安装目录（默认安装在C:\Python34）添加到系统环境变量PATH中。
|
|
|
2. 双击 `configure.py` 运行脚本，根据提示填写相关信息。
|
|
|
3. 打开解决方案文件 `EasyPR.sln`，直接编译运行即可。
|
|
|
|
|
|
**方法二**
|
|
|
|
|
|
* 打开解决方案文件 `EasyPR.sln`。
|
|
|
|
|
|
**Note**: 该解决方案会加载两个项目，一个是`EasyPR`，用于编译src/下的源文件生成静态库`libeasypr.lib`；另一个是`Demo`，用来编译test/下的main.cpp，并链接libeasypr.lib生成可执行程序。
|
|
|
|
|
|
* 配置OpenCV
|
|
|
|
|
|
OpenCV for Windows通常会将使用VS编译好二进制文件放到`opencv\build\`目录下。
|
|
|
|
|
|
解决方案自动加载的两个项目配置不符合你的环境，请依次手动配置：
|
|
|
|
|
|
**demo**
|
|
|
|
|
|
| 配置项 | 值
|
|
|
|-------------|-----------
|
|
|
| `C/C++`-`附加包含目录` | **[opencv3的include目录]**;$(SolutionDir)include
|
|
|
| `链接器`-`附加库目录` | **[opencv3的lib目录]**
|
|
|
| `链接器`-`输入`-`附加依赖项` | **opencv_world300d.lib**;%(AdditionalDependencies)
|
|
|
|
|
|
*Note*：Debug版本为**opencv_world300d.lib**，Release版本为**opencv_world300.lib**
|
|
|
|
|
|
**libeasypr**
|
|
|
|
|
|
| 配置项 | 值
|
|
|
|-------------|-----------
|
|
|
| `C/C++`-`附加包含目录` | **[opencv3的include目录]**;$(SolutionDir)include
|
|
|
|
|
|
|
|
|
* 生成解决方案
|
|
|
|
|
|
默认情况下，生成的 `demo.exe` 会放在项目根目录下。
|
|
|
|
|
|
**Note**: 直接双击运行程序会出现找不到opencv动态库的情况，这个时候有两个办法：
|
|
|
|
|
|
* 在`opencv3\build\x86(x64)\vc(..)\bin`下找到缺失的dll放到执行目录下。
|
|
|
* 将上述bin目录添加到系统环境变量**PATH**中，然后重新运行程序。
|
|
|
|
|
|
**参考**：windows平台下的opencv的手动配置可以参考这份[博客](http://my.phirobot.com/blog/2014-02-opencv_configuration_in_vs.html)。
|
|
|
|
|
|
#### Linux & Mac OS
|
|
|
|
|
|
EasyPR使用CMake在Linux及Mac OS下进行构建，确保系统安装了最新版本的[CMake](http://cmake.org)。
|
|
|
|
|
|
为了避免系统中安装的老版本opencv对编译的影响，需要在 `CMakeLists.txt` 中修改：
|
|
|
|
|
|
set(CMAKE_PREFIX_PATH ${CMAKE_PREFIX_PATH} "/usr/local/opt/opencv3")
|
|
|
|
|
|
路径指向opencv3的安装目录，该目录下应该有OpenCV的CMake配置文件。
|
|
|
|
|
|
项目提供了一键编译shell，在项目根目录下执行：
|
|
|
|
|
|
```
|
|
|
$ ./build
|
|
|
```
|
|
|
|
|
|
即可。
|
|
|
|
|
|
-----
|
|
|
|
|
|
**Note**: *你可以直接利用 EasyPR/include 和编译生成的静态库来调用EasyPR提供的函数接口编写自己的程序。*
|
|
|
|
|
|
运行Demo：
|
|
|
|
|
|
```
|
|
|
$ ./demo // 进入菜单交互界面
|
|
|
$ ./demo ? // 查看CLI帮助
|
|
|
```
|
|
|
|
|
|
### 命令行示例
|
|
|
|
|
|
可以向 `demo[.exe]` 传递命令行参数来完成你想要的工作，目前Demo支持5个子命令。对于每个子命令的帮助信息可以传入 `-h` 参数来获取。
|
|
|
|
|
|
**车牌识别**
|
|
|
|
|
|
# 利用提供的SVM和ANN模型来识别一张图片里面的所有车牌
|
|
|
|
|
|
$ ./demo recognize -p resources/image/plate_recognize.jpg --svm resources/model/svm.xml --ann resources/model/ann.xml
|
|
|
|
|
|
# 或者更简单一些(注意模型路径)
|
|
|
$ ./demo recognize -p resources/image/plate_recognize.jpg
|
|
|
|
|
|
**SVM训练**
|
|
|
|
|
|
新版本的EasyPR大大简化了SVM训练：
|
|
|
|
|
|
# 首先准备好车牌图片集合plates/
|
|
|
# 是车牌的放在plates/has/
|
|
|
# 不是车牌的放在plates/no/
|
|
|
# 车牌可从项目resources/train/svm.7z中解压得到。
|
|
|
|
|
|
$ ./demo svm --plates=path/to/your/plates --svm=save/to/svm.xml
|
|
|
|
|
|
# 该命令将70%的车牌作为训练数据，另外30%的车牌作为测试数据，
|
|
|
# 这个只可在 include/easypr/config.h 修改。
|
|
|
# 将训练好的模型存放在 save/to/svm.xml。
|
|
|
|
|
|
假设你在easypr的主目录下面新建了一个tmp文件夹，并且把svm.7z解压得到的svm文件夹移动到tmp文件夹下面，
|
|
|
|
|
|
则可以执行 $ demo svm --plates=tmp/svm --svm=tmp/svm.xml，生成得到的tmp文件夹下面的svm.xml就是训练好的模型，
|
|
|
|
|
|
替换resources/model/svm.xml就可以达到替换新模型的目的，替换前请先备份原始模型。
|
|
|
|
|
|
**ANN训练**
|
|
|
|
|
|
先准备好字符图片集合，可从项目resources/train/ann.7z中解压得到。
|
|
|
|
|
|
每类字符都存放在以其名称命名的子文件夹中，命名规则请参考 `include/easypr/config.h`。
|
|
|
|
|
|
一切准备就绪后，运行下面这条命令即可：
|
|
|
|
|
|
$ ./demo ann --chars=path/to/chars --ann=save/to/ann.xml
|
|
|
|
|
|
假设你在easypr的主目录下面新建了一个tmp文件夹，并且把ann.7z解压得到的ann文件夹移动到tmp文件夹下面，
|
|
|
|
|
|
则可以执行 $ demo ann --chars=tmp/ann --ann=tmp/ann.xml，生成得到的tmp文件夹下面的svm.xml就是训练好的模型，
|
|
|
|
|
|
替换resources/model/ann.xml就可以达到替换新模型的目的，替换前请先备份原始模型。
|
|
|
|
|
|
### 获取帮助
|
|
|
|
|
|
详细的开发与教程请见[介绍与开发教程](http://www.cnblogs.com/subconscious/p/3979988.html)。
|
|
|
|
|
|
如果你在使用过程中遇到任何问题，请在[这里](https://github.com/liuruoze/EasyPR/issues)告诉我们。
|
|
|
|
|
|
EasyPR讨论QQ群号是：366392603，加前请注明EasyPR学习讨论。
|
|
|
|
|
|
### Contributors
|
|
|
|
|
|
* liuruoze：1.0-1.2版作者
|
|
|
|
|
|
* 海豚嘎嘎(车主之家)：1.3版算法贡献者，提升了车牌定位与字符识别的准确率
|
|
|
|
|
|
* Micooz：1.3-1.4版架构重构，linux与mac支持，opencv3.0支持
|
|
|
|
|
|
* jsxyhelu：deface版本一
|
|
|
|
|
|
* zhoushiwei：deface版本二
|
|
|
|
|
|
* ahccom：新的plateLocate函数
|
|
|
|
|
|
* 阿水：1.3版整合，数据标注等工作
|
|
|
|
|
|
### 鸣谢
|
|
|
|
|
|
taotao1233，邱锦山，唐大侠，jsxyhelu，如果有一天(zhoushiwei)，学习奋斗，袁承志，圣城小石匠，goldriver，Micooz，梦里时光，Rain Wang，任薛纪，ahccom，星夜落尘，海豚嘎嘎(车主之家)，刘超，以及所有对EasyPR贡献数据的热心同学。 |
