Light-LPR是一个瞄准可以在嵌入式设备、手机端和普通的x86平台上运行的车牌识别开源项目,旨在支持各种场景的车牌识别,车牌字符识别准确率超99.95%,综合识别准确率超过99%,支持目前国内所有的车牌识别,觉得好用的一定要加星哦。 技术上采用MTCNN检测车牌和四个角点精确定位,并进行偏斜纠正,最后进行端到端识别车牌号码,使用MNN作为推理引擎。具有结构简单,灵活部署的特点,适应各类计算平台。 部分识别效果展示
车牌种类 | 开源版 | 专业版 | 完全版 |
---|---|---|---|
蓝 | Y | Y | Y |
黄 | Y | Y | Y |
新能源 | - | Y | Y |
大型新能源 | - | Y | Y |
教练车牌 | - | Y | Y |
双层黄牌 | - | Y | Y |
摩托车牌 | - | Y | Y |
警牌 | - | - | Y |
军牌 | - | - | Y |
双层军牌 | - | - | Y |
武警车牌 | - | - | Y |
双层武警牌照 | - | - | Y |
港澳通行牌 | - | - | Y |
普通黑牌 | - | - | Y |
应急车牌 | - | - | E |
民航车牌 | - | - | E |
使、领馆车牌 | - | - | E |
临牌 | - | - | E |
低速农用车牌 | - | - | - |
备注: Y 支持,- 不支持,E 处于评估阶段
车牌种类 | 开源版 | 专业版 | 商业版 |
---|---|---|---|
白 | - | E | E |
黑 | - | E | E |
平台 | CPU型号 | 内存 | 开源版平均识别时间(ms) | 专业和完全版平均识别时间(ms) |
---|---|---|---|---|
X86 | i5-8265 | 8G | 451 | <50 |
ARM | A53 | 1G | 1532 | <160 |
Huwei P20 pro | ... | 4G | - | <100 |
#安装依赖 cmake >= 3.10.0 opencv >= 3.0.0 openmp
git clone https://github.com/lqian/light-LPR cd light-LPR && mkdir build && cd build cmake ../ make
git clone https://github.com/lqian/light-LPR cd light-LPR && mkdir build && cd build cmake ../ -DLIGHT_LPR_ARCH=arm make
- 下载cmake 3.10以上版本并安装
- 首先下载Visual Studio 2017或者 Native Builder Tool for Visual Studio 2017,安装c++编译工具
- 如果编译64位系统,下载64位opencv-3.4.2-install-win64.zip, 32位系统则下载opencv-3.4.2-install-win32.zip,解压到任意目录
- 克隆MNN的源码
- 下载flatc_windows_exe.zip,把flatc.exe可执行文件复制到{MNN}/3rd_party/flatbuffers/tmp目录下
- 以管理员权限打开powershell.exe,然后执行set-executionpolicy -executionpolicy unrestricted,提示选Y
- 注释掉MNN的源码目录中的CMakelist.txt中的
COMMAND powershell ${CMAKE_CURRENT_SOURCE_DIR}/schema/generate.ps1 -lazy
这行,大约在461行
> cd MNN > schema\enerate.ps1 > mkdir build > cd build 按win键,根据需要,搜索x86 native tools command prompt for VS 2017 或者x64 native tools command prompt for VS 2017 > cmake -G "NMake Makefiles" -DCMAKE_BUILD_TYPE=Release ../ > nmake 把编译成功的MNN.dll、MNN.lib文件复制到light-LPR项目的lib目录下 > cd light-LPR && mkdir build && cd build > set OpenCV_DIR=/path/to/opencv-install/directory > cmake -G "NMake Makefiles" .. > nmake
./examples/demo ../models/ [/path/to/a/image]
本项目在Fedora 29,CentOS 7.6, Windows 10 64位家庭版,Ubuntu 18.04 mate for ARM平台测试通过
- Alibaba MNN
- License-Plate-Detect-Recognition-via-Deep-Neural-Networks-accuracy-up-to-99.9
- Caffe_OCR
- MNN MTCNN CPU OPENCL
Apache 2.0