官方简介

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。200星公布黄牌识别模型,400星公布新能源车牌模型。 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。

支持的车牌

车牌检测识别
YY
YY
新能源EY
大型新能源EY
教练车牌EY
警牌YY
军牌EY
双层军牌-Y
武警车牌EY
双层武警牌照-Y
双层黄牌-Y
港澳通行牌-E
应急车牌-E
民航车牌-E
普通黑牌-E
使、领馆车牌-E
摩托车牌-E
低速农用车牌-E
临牌-E

备注: Y 支持,- 未知, E有限度支持

1080P图片识别基准性能

平台CPU型号内存平均识别时间(ms)
X86i5-8265-451
ARMA531G1532

安装依赖

cmake >= 3.10.0 opencv >= 3.0.0 openmp

x86平台Linux安装指令

git clone https://github.com/lqian/light-LPR
cd light-LPR && mkdir build && cd build
cmake ../
make

ARM平台Linux安装指令

git clone https://github.com/lqian/light-LPR
cd light-LPR && mkdir build && cd build
cmake ../ -DLIGHT_LPR_ARCH=arm
make

运行测试

./examples/demo ../models/ [/path/to/a/image] 本项目在Fedora 29,Ubuntu 18.04 mate for ARM平台测试通过

未来优化

目前使用车牌的检测使用了License-Plate-Detect-Recognition-via-Deep-Neural-Networks-accuracy-up-to-99.9项目的MTCNN模型,在实际场景中误检测率比较高,抗干扰能力不强,检测耗时长。后期考虑采用MSSD或者YOLOV3等 one stage 的检测算法先检测出车牌,再进行偏斜纠正的方案,提高检测模块的性能。

参考和引用

其他

  • 技术交流、数据交流和捐赠请联系作者或加QQ群,图像处理分析机器视觉 109128646[已满], light-LPR群号:813505078, 作者微信

标签: none

添加新评论