HyperLPR
v3.0
中文档
python -m pip install hyperlpr3
# image url
lpr3 sample -src https://koss.iyong.com/swift/v1/iyong_public/iyong_2596631159095872/image/20190221/1550713902741045679.jpg
# image path
lpr3 sample -src images/test_img.jpg -det high # import opencv
import cv2
# import hyperlpr3
import hyperlpr3 as lpr3
# Instantiate object
catcher = lpr3 . LicensePlateCatcher ()
# load image
image = cv2 . imread ( "images/test_img.jpg" )
# print result
print ( catcher ( image )) # start server
lpr3 rest --port 8715 --host 0.0.0.0เส้นทางในการเปิด SwaggerUI หลังจากเริ่มต้น：http://localhost:8715/api/v1/docs ดูและทดสอบบริการ Identification API ออนไลน์:
ถาม：ความแม่นยำของ android ในโปรเจ็กต์สอดคล้องกับ apk-demo หรือไม่
ตอบ：โปรดคอมไพล์หรือดาวน์โหลดไลบรารี่ที่ใช้ร่วมกันของ Android จากรุ่นและคัดลอกไปที่ Prj-Android เพื่อทำการทดสอบ
ถาม：แหล่งข้อมูลการฝึกอบรมเกี่ยวกับป้ายทะเบียน？
ตอบ：เนื่องจากข้อมูลป้ายทะเบียนที่ใช้ในการฝึกอบรมเกี่ยวข้องกับความเป็นส่วนตัวทางกฎหมายและปัญหาอื่น ๆ จึงไม่สามารถระบุได้ในโปรเจ็กต์นี้ เปิดชุดข้อมูลขนาดใหญ่เพิ่มเติม ชุดข้อมูลการลงทะเบียน CCPD
ถาม：การจัดเตรียมรหัสการฝึกอบรม？
ตอบ：ทรัพยากรจะให้รหัสการฝึกอบรมแบบเก่า และวิธีการฝึกอบรมสำหรับ HyperLPR3 จะถูกจัดเรียงและนำเสนอในภายหลัง
HyperLPR3车牌识别-五分钟搞定: 中文车牌识别光速部署与使用
HyperLPR3车牌识别-Android-SDK光速部署与使用
HyperLPR3车牌识别-Linux/MacOS：C/C++库编译
HyperLPR3车牌识别-Android 使用：SDK编译与部署
ที่จะเพิ่ม... ยินดีรับผลงาน
ไฮเปอร์ LPRv1
ไฮเปอร์ LPRv2
การคอมไพล์โปรเจ็กต์ C/C++ จำเป็นต้องใช้ไลบรารีการขึ้นต่อกันของบุคคลที่สาม หลังจากดาวน์โหลดไลบรารี ให้แตกไฟล์แล้วใส่ลงในไดเร็กทอรีราก (ระดับเดียวกับ CMakeLists.txt) โดยการคัดลอกหรือซอฟต์โค้ดไดรฟ์ linking.baidu: eu31
# execute the script
sh command/build_release_linux_share.sh
คอมไพล์ไปยัง build/linux/install/hyperlpr3 dir ซึ่งมี：
คัดลอกไฟล์ที่คุณต้องการลงในโครงการของคุณ
# go to Prj-linux
cd Prj-Linux
# exec sh
sh build.shโปรแกรมที่ปฏิบัติการได้ถูกสร้างขึ้นหลังจากการคอมไพล์: PlateRecDemo ，และรันโปรแกรม
# go to build
cd build/
# first param models dir, second param image path
./PlateRecDemo ../hyperlpr3/resource/models/r2_mobile ../hyperlpr3/resource/images/test_img.jpg // Load image
cv:: Mat image = cv :: imread ( image_path );
// Create a ImageData
HLPR_ImageData data = { 0 };
data . data = image . ptr < uint8_t > ( 0 ); // Setting the image data flow
data . width = image . cols ; // Setting the image width
data . height = image . rows ; // Setting the image height
data . format = STREAM_BGR ; // Setting the current image encoding format
data . rotation = CAMERA_ROTATION_0 ; // Setting the current image corner
// Create a Buffer
P_HLPR_DataBuffer buffer = HLPR_CreateDataBuffer ( & data );
// Configure license plate recognition parameters
HLPR_ContextConfiguration configuration = { 0 };
configuration . models_path = model_path ; // Model folder path
configuration . max_num = 5 ; // Maximum number of license plates
configuration . det_level = DETECT_LEVEL_LOW ; // Level of detector
configuration . use_half = false;
configuration . nms_threshold = 0.5f ; // Non-maxima suppress the confidence threshold
configuration . rec_confidence_threshold = 0.5f ; // License plate number text threshold
configuration . box_conf_threshold = 0.30f ; // Detector threshold
configuration . threads = 1 ;
// Instantiating a Context
P_HLPR_Context ctx = HLPR_CreateContext ( & configuration );
// Query the Context state
HREESULT ret = HLPR_ContextQueryStatus ( ctx );
if ( ret != HResultCode :: Ok ) {
printf ( "create error.n" );
return -1 ;
}
HLPR_PlateResultList results = { 0 };
// Execute LPR
HLPR_ContextUpdateStream ( ctx , buffer , & results );
for ( int i = 0 ; i < results . plate_size ; ++ i ) {
// Getting results
std:: string type ;
if ( results . plates [ i ]. type == HLPR_PlateType :: PLATE_TYPE_UNKNOWN ) {
type = “ Unknown ";
} else {
type = TYPES [ results . plates [ i ]. type ];
}
printf ( "<%d> %s, %s, %fn" , i + 1 , type . c_str (),
results . plates [ i ]. code , results . plates [ i ]. text_confidence );
}
// Release Buffer
HLPR_ReleaseDataBuffer ( buffer );
// Release Context
HLPR_ReleaseContext ( ctx ); # execute the script
sh command/build_release_android_share.shเรียบเรียงเป็น: build/release_android/ ซึ่งประกอบด้วย：
หลังจากคอมไพล์，คัดลอก arm64-v8a และ armeabi-v7a dirs ไปยัง Prj-Android/hyperlpr3/libs ， และคอมไพล์โปรเจ็กต์ Prj-Android ที่จะใช้
หากคุณต้องการคอมไพล์ด้วย docker เรามีวิธีการคอมไพล์ดังนี้:
คุณต้องติดตั้ง docker และ docker-compose, Build Image สำหรับ hyperlpr_build :
docker build -t hyperlpr_build .เริ่มรวบรวมไลบรารี่ที่แบ่งใช้:
docker-compose up build_linux_x86_shared_libสร้าง dir: build/linux
เราได้จัดเตรียมโปรเจ็กต์สาธิตจากแหล่งที่มาของ Android SDK: hyperlpr3-android-sdk คุณสามารถคอมไพล์ไลบรารีที่ใช้ร่วมกันและใช้โปรเจ็กต์ได้ตามต้องการ
หากคุณต้องการผสานรวม SDK ของเราในโปรเจ็กต์ Android ของคุณอย่างรวดเร็ว คุณสามารถเพิ่มการพึ่งพาต่อไปนี้ให้กับ build.gradle ของโปรเจ็กต์ของคุณได้:
allprojects {
repositories {
...
maven { url 'https://jitpack.io' }
}
} dependencies {
implementation 'com.github.HyperInspire:hyperlpr3-android-sdk:1.0.3'
} // Initialization, which can be performed only once, is usually performed at program initialization
HyperLPR3 . getInstance (). init ( this , new HyperLPRParameter ());
…
// exec recognition
Plate [] plates = HyperLPR3 . getInstance (). plateRecognition ( bitmap , HyperLPR3 . CAMERA_ROTATION_0 , HyperLPR3 . STREAM_BGRA );เรียนรู้เพิ่มเติมเกี่ยวกับ: Prj-Android
