EasyPR

汽车智能识别系统V1.0是基于开源车牌识别系统EasyPR(https://gitee.com/easypr/EasyPR)实现的车牌只能识别系统，再原系统的基础上新增了新能源车牌(绿色车牌)的识别。

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。

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。

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”

示例

EasyPR的调用非常简单，下面是一段示例代码:

	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。

	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。

	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。

	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：

	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。

	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。

	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：

	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。

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（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:

文件	解释
ann_train.cpp	训练二值化字符
annCh_train.hpp	训练中文灰度字符
svm_train.hpp	训练车牌判断
create_data.hpp	生成合成数据

使用

请参考这里