Skip to content

Latest commit

 

History

History
executable file
·
154 lines (129 loc) · 5.78 KB

README.md

File metadata and controls

executable file
·
154 lines (129 loc) · 5.78 KB
Raw

简体中文 | English

如果觉得有用，不妨给个Star⭐️🌟支持一下吧~ 谢谢！

Acknowledgments & Contact

1.WeChat ID: cbp931126

加微信(备明来意),进讨论群(群里超多大佬)可以获得10G大小的车牌检测和识别数据

Web Test

车牌识别在线体验:http://zhoujiayao.com:8200/

特性

  1. 支持Linux/Win下CPU、GPU部署，支持定制化开发

  2. 支持Android、uniapp部署

  3. 支持瑞芯微侧端NPU部署

    型号 速度 精度 接口
    rk3588 18ms 99%+ C/C++、python
    rk3568 126ms 99%+ C/C++、python
    rv1126 62ms 99%+ C/C++
    rv1106 158ms 99%+ C/C++

  4. 支持算能BM1684系列侧端部署

  5. 支持爱芯系列侧端部署

  6. Linux/Win下支持TensorRT、OnnxRuntime、OpenVINO、NCNN等框架推理，支持C调用，python调用，C#调用

识别效果

drawing drawing drawing drawing drawing drawing drawing drawing

PlateAlgorithm

车牌识别算法，支持12种中文车牌类型

1.单行蓝牌 2.单行黄牌 3.新能源车牌 4.白色警用车牌 5 教练车牌 6 武警车牌 7 双层黄牌 8 双层武警 9 使馆车牌 10 港澳牌车 11 双层农用车牌 12 民航车牌

说明

  1. 车牌检测(yolov5plate,yolov7plate,yolov8playe),车牌校正，车牌识别，车牌检测识别;

    文件夹 State 说明
    PLateDetection_yolov5 Done yolov5 车牌检测
    PLateDetection_yolov7 Done yolov7 车牌检测
    PLateDetection_yolov8 Doing yolov8 车牌检测
    PlateRecognition Done 车牌识别
    PlateDetectionRecognition Done 车牌检测->车牌校正->车牌识别

  2. 所有模型均使用C++和TensorRT加速推理,yolov7plate的前后处理使用cuda加速,(其他模型加速优化也可参考);

  3. 根据不同的显卡型号自动生成对应的engine(如果文件夹下有其他显卡适配engine，则删除engine才能重新生成使用中的显卡对应的engien);

  4. PlateDetectionRecognition->test->main.cpp文件中的条件编译测试说明

    测试类别 enable 说明
    yolov5_plate 1 yolov7车牌检测
    yolov7_plate 1 yolov5 车牌检测

  5. 车牌识别准确率(测试集数量:5.2w张)

    模型 size 准确率 速度 平台
    plate_recognition_color s 92.40% 452.480us RTX3090
    plate_recognition_s s 98.90% 452.597us RTX3090
    plate_recognition_m m 99.35% 463.316us RTX3090
    plate_recognition_l l 99.56% 507.082us RTX3090

算法说明

算法接口

/** 
 * @brief                  车牌初始化函数
 * @param config           模块配置参数结构体
 * @return                 HZFLAG
 */
void*Initialize(Config*config);

/** 
 * @brief                  车牌检测识别(yolov5)
 * @param img              Plate_ImageData
 * @param PlateDet         车牌检测识别结果列表
 * @return                 HZFLAG
 */		
int PlateRecognition_yolov5(void*p,Plate_ImageData*img,PlateDet*PlateDets);

/** 
 * @brief                  车牌检测(yolov7_plate)
 * @param img              Plate_ImageData
 * @param PlateDet         车牌检测识别结果列表
 * @return                 HZFLAG
 */		
int PlateRecognition_yolov7(void*p,Plate_ImageData*img,PlateDet*PlateDets);


/** 
 * @brief                  车牌检测(yolov8_plate)
 * @param img              Plate_ImageData
 * @param PlateDet         车牌检测识别结果列表
 * @return                 HZFLAG
 */		
int PlateRecognition_yolov8(void*p,Plate_ImageData*img,PlateDet*PlateDets);

/** 
 * @brief                  反初始化
 * @return                 HZFLAG 
 */		
int Release(void*p,Config*config);

2.环境

  1. ubuntu20.04+cuda11.1+cudnn8.2.1+TensorRT8.2.5.1(测试通过)
  2. ubuntu18.04+cuda10.2+cudnn8.2.1+TensorRT8.2.5.1(测试通过)
  3. Win10+cuda11.1+cudnn8.2.1+TrnsorRT8.2.5.1 (测试通过)
  4. 其他环境请自行尝试或者加群了解

3.编译

  1. 更改根目录下的CMakeLists.txt,设置tensorrt的安装目录
set(TensorRT_INCLUDE "/xxx/xxx/TensorRT-8.2.5.1/include" CACHE INTERNAL "TensorRT Library include location")
set(TensorRT_LIB "/xxx/xxx/TensorRT-8.2.5.1/lib" CACHE INTERNAL "TensorRT Library lib location")

  1. 默认opencv已安装，cuda,cudnn已安装

  2. 为了Debug默认编译 -g O0 版本,如果为了加快速度请编译Release版本

  3. 使用Visual Studio Code快捷键编译(4,5二选其一):

   ctrl+shift+B
  1. 使用命令行编译(4,5二选其一):
   mkdir build
   cd build
   cmake ..
   make -j6

References

  1. https://github.com/deepcam-cn/yolov5-face
  2. https://github.com/derronqi/yolov7-face/tree/main
  3. https://github.com/we0091234/yolov7-face-tensorrt
  4. https://github.com/derronqi/yolov8-face
  5. https://github.com/we0091234/crnn_plate_recognition
  6. https://github.com/we0091234/Chinese_license_plate_detection_recognition