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java等平台。
• 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90%以上的精度。

版本

EasyPR最开始是发布在GitHub上的，然后在国内的oschina上也部署了一份镜像。 相关的issue欢迎在GitHub上统一提交。目前除了windows版本以外，还有以下其他平台的版本：

版本	开发者	地址
android	goldriver	linuxxx/EasyPR_Android
linux	Micooz	Micooz/EasyPR/tree/linux-dev
ios	zhoushiwei	zhoushiwei/EasyPR-iOS
mac	zhoushiwei	zhoushiwei/EasyPR
c#	招聘中

感谢以上所有开发者的努力！

更新

• EasyPR最新的版本是1.1.1。相比上一个版本，本版本主要做了一些调整与bug修复，增加了一个命令行操作功能（由Micooz开发），对字符训练数据集进行了修复，替换rar类型到7z类型(因为可以节省更多的空间)。

• 除此之外，本版本最大的改动是在GDTS里增加了若干张新的测试数据集，这些数据集是用来测试EasyPR在不同环境下的鲁棒性的（目前看来效果不好，1.2版本会想办法优化）。

• 这些测试数据集来自热心的网友的捐赠，遵循GDSL协议。请尊重捐赠者的版权，勿用于研究与学习以外的目的。

• 按照EasyPR的发展规划，GDTS里的数据会在每个小版本号升级时进行不断扩容。参照众包的思想，最终EasyPR内的GDTS会成为一个开放、共享、易用的测试数据集。

兼容性

EasyPR是基于opencv2.4.8版本开发的，2.4.8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。opencv3.0的版本还没有经过测试。

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”

安装

EasyPR不需要安装，开发者直接在其上做改动。如果想使用DLL形式引用或者使用其他语言调用，则可以在EasyPR_DLL_src中找到。

详细的开发与教程请见介绍与开发教程。

使用

使用Git克隆一份拷贝到你本机或者直接下载zip压缩吧。使用vs2010或以上版本的IDE选择“从现有代码创建项目”，引用EasyPR的目录。

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
model	机器学习的模型
train	训练数据与说明
image	测试用的图片
doc	相关文档

以下表格是image目录中子目录的解释:

目录	解释
general_test	GDTS（通用数据测试集）
natvie_test	NDTS（本地数据测试集）
baidu_image	从百度下载的图片
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
include	相关头文件
test	测试目录，包括单图测试与批量测试
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
features	特征提取回调函数
prep.h	预包含头文件

以下表格是src目录下一些辅助文件的解释与关系:

文件	解释
util.h	辅助功能头文件
main.cpp	主命令行窗口
test.cpp	单例测试
accuracy_test.cpp	批量测试
svm_train.cpp	svm训练函数
generate_gdts.cpp	GDTS生成函数

问题

如果有任何问题或者建议请在issues里直接提交，或者发email：easypr_dev@163.com。 建议与问题一经采纳即会将您的贡献大名列入EasyPR的感谢名单（ Credits ）中。

鸣谢

taotao1233，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