|
|
# 使用
|
|
|
|
|
|
### 获取源代码
|
|
|
|
|
|
可以访问我们的项目主页获取代码：
|
|
|
|
|
|
* [github](https://github.com/liuruoze/EasyPR)
|
|
|
* [oschina](https://git.oschina.net/easypr/EasyPR)
|
|
|
|
|
|
如果你熟悉git版本控制工具，可以使用下面的命令从 Github 克隆代码：
|
|
|
|
|
|
$ git clone https://github.com/liuruoze/EasyPR
|
|
|
|
|
|
### 准备工作
|
|
|
|
|
|
1. 安装OpenCV
|
|
|
|
|
|
从 [OpenCV官方网站](http://opencv.org/) 获取对应平台的 `OpenCV3.1.0`。
|
|
|
|
|
|
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。
|
|
|
|
|
|
#### Windows
|
|
|
|
|
|
对于使用 Windows 的同学，建议的IDE是Visual Studio，如果使用的不是VS，请自行配置，也欢迎分享你的配置方案。
|
|
|
|
|
|
|环境 | 需求
|
|
|
|------|----------
|
|
|
| 操作系统 | 64位，Windows7 sp1 / Windows 8 及以上
|
|
|
| Visual Studio | vs2013 / vs2015
|
|
|
| Python（可选） | Python3.*
|
|
|
|
|
|
**Note**: 预编译的 **OpenCV3.1** 已经不支持较低版本的Visual Studio，请选择vs2013及以上的版本。
|
|
|
|
|
|
**方法一（推荐）**
|
|
|
|
|
|
1. 确保将Python的安装目录添加到系统环境变量PATH中。
|
|
|
2. 执行 `python configure.py` ，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`，该解决方案会加载两个项目:
|
|
|
|
|
|
* `EasyPR`，用于编译src/下的源文件生成静态库`libeasypr.lib`
|
|
|
* `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` | **[opencv的include目录]**;$(SolutionDir)include
|
|
|
| `链接器`-`附加库目录` | **[opencv的lib目录]**
|
|
|
| `链接器`-`输入`-`附加依赖项` | **opencv_world310d.lib**;%(AdditionalDependencies)
|
|
|
|
|
|
*Note*：Debug版本为**opencv_world310d.lib**，Release版本为**opencv_world310.lib**
|
|
|
|
|
|
**libeasypr**
|
|
|
|
|
|
| 配置项 | 值
|
|
|
|-------------|-----------
|
|
|
| `C/C++`-`附加包含目录` | **[opencv的include目录]**;$(SolutionDir)include
|
|
|
|
|
|
**编译**
|
|
|
|
|
|
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`opencv\build\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 `etc/province_mapping`。
|
|
|
|
|
|
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。 |
