车牌识别应用搭建

内容说明

本示例旨在展示如何在 DeepStream SDK 版本不低于 5.0.1 的情况下使用分级模型进行检测和分类。 本例中的模型均为TAO3.0模型。

PGIE(car detection) -> SGIE(car license plate detection) -> SGIE(car license plate recognization)

该流程基于以下三个 TAO 模型:

• 车辆检测模型: https://ngc.nvidia.com/catalog/models/nvidia:tao:trafficcamnet
• 车牌检测模型(lpd): https://ngc.nvidia.com/catalog/models/nvidia:tao:lpdnet
• 车牌识别模型(lpr): https://ngc.nvidia.com/catalog/models/nvidia:tao:lprnet

TAO 3.0 LPD和LPR模型以及TAO训练的更多细节，请参考TAO文档。

性能

下表显示了使用此示例应用程序处理 1080p 视频的端到端性能。

Device	Number of streams	Batch Size	Total FPS
Jetson Nano	1	1	9.2
Jetson NX	3	3	80.31
Jetson Xavier	5	5	146.43
Jetson Orin	5	5	341.65
T4	14	14	447.15

预安装

• DeepStream SDK 6.0 or above

• tao-converter

  https://catalog.ngc.nvidia.com/orgs/nvidia/teams/tao/resources/tao-converter/version.

• Triton Inference Server

  The LPR sample application can work as Triton client on x86 platforms.

下载

1. 从Github下载源码:

    // SSH
    git clone git@github.com:NVIDIA-AI-IOT/deepstream_lpr_app.git
    // or HTTPS
    git clone https://github.com/NVIDIA-AI-IOT/deepstream_lpr_app.git

2. 准备模型:

 cd deepstream_lpr_app/
 #美国车牌模型
 ./download_convert.sh us 0  #if DeepStream SDK 5.0.1, use ./download_convert.sh us 1
 #中国车牌模型
 ./download_convert.sh ch 0  #if DeepStream SDK 5.0.1, use ./download_convert.sh ch 1

编译运行

make
cd deepstream-lpr-app
cp dict_us.txt dict.txt #美国车牌
cp dict_ch.txt dict.txt #中国车牌

开始运行:

./deepstream-lpr-app <1:US car plate model|2: Chinese car plate model> \
         <1: output as h264 file| 2:fakesink 3:display output> <0:ROI disable|1:ROI enable> <infer|triton|tritongrpc> \
         <input mp4 file name> ... <input mp4 file name> <output file name>

./deepstream-lpr-app 1 1 0 infer us_car_test_video.mp4 out.mp4