开源代码
如果觉得有用，不妨给个Star⭐️🌟支持一下吧~ 谢谢！
Acknowledgments & Contact
1.WeChat ID: cbp931126
2.QQ Group：517671804
加微信(备注：PlateAlgorithm),进讨论群可以获得10G大小的车牌检测和识别数据
3.车牌识别在线体验
在线体验地址
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
识别效果
特性
-
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 -
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 所有模型使用C++和OnnxRuntime.OpenVINO,NCNN加速推理(TO DO); -
提供C接口，可以直接移植在项目里;
-
提供python调用，C#调用的demo(TODO)
-
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);
-
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 -
车牌识别准确率(测试集数量:2.4w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
- ubuntu20.04+cuda11.1+cudnn8.2.1+TensorRT8.2.5.1(测试通过)
- ubuntu18.04+cuda10.2+cudnn8.2.1+TensorRT8.2.5.1(测试通过)
- Win10+cuda11.1+cudnn8.2.1+TrnsorRT8.2.5.1 (测试通过)
- 其他环境请自行尝试或者加群了解
3.编译
- 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")
-
默认opencv已安装，cuda,cudnn已安装
-
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 -
使用Visual Studio Code快捷键编译(4,5二选其一):
ctrl+shift+B
- 使用命令行编译(4,5二选其一):
mkdir build
cd build
cmake ..
make -j6
References
- https://github.com/deepcam-cn/yolov5-face
- https://github.com/derronqi/yolov7-face/tree/main
- https://github.com/we0091234/yolov7-face-tensorrt
- https://github.com/derronqi/yolov8-face
- https://github.com/we0091234/crnn_plate_recognition
- https://github.com/we0091234/Chinese_license_plate_detection_recognition
