HyperLPR: 高性能中文车牌识别框架

HyperLPR简介

HyperLPR是一个开源的高性能中文车牌识别框架,由Jack Yu等人开发。它基于深度学习技术,能够快速准确地识别各种类型的中国车牌。HyperLPR具有以下主要特点:

识别速度快:在720p分辨率下,单核Intel 2.2GHz CPU平均识别时间不到100ms。
准确率高:在出入口场景下,准确率可达95%-97%。
支持多种车牌类型:包括单行蓝牌、单行黄牌、新能源车牌、教练车牌等。
跨平台支持:可在Windows、Linux、MacOS、Android等多个平台上运行。
端到端识别:无需字符分割,直接输出识别结果。

HyperLPR logo

快速安装与使用

Python版本安装

使用pip可以快速安装HyperLPR的Python版本:

python -m pip install hyperlpr3

支持Python 3,可在Windows、Mac、Linux、树莓派等平台上使用。

快速测试

安装完成后,可以使用以下命令进行快速测试:

# 使用网络图片
lpr3 sample -src https://example.com/test_img.jpg

# 使用本地图片
lpr3 sample -src images/test_img.jpg -det high

Python代码示例

import cv2
import hyperlpr3 as lpr3

# 实例化识别器
catcher = lpr3.LicensePlateCatcher()

# 读取图片
image = cv2.imread("images/test_img.jpg")

# 打印识别结果
print(catcher(image))

跨平台支持

HyperLPR支持多种平台:

Linux: x86、Armv7、Armv8
MacOS: x86
Android: arm64-v8a、armeabi-v7a
嵌入式开发板:如瑞芯微RV1109/RV1126(RKNPU)

C/C++版本编译与使用

编译依赖

编译C/C++项目需要使用第三方依赖库。主要依赖:

OpenCV 4.0以上版本
MNN 2.0以上版本

Linux/Mac共享库编译

将依赖库放置或链接到项目根目录
执行编译脚本:

sh command/build_release_linux_share.sh

编译后的文件位于build/linux/install/hyperlpr3目录。

Android共享库编译

安装第三方依赖
准备NDK并配置环境变量
执行编译脚本:

sh command/build_release_android_share.sh

编译后的文件位于build/release_android/目录。

Docker编译

也可以使用Docker进行编译,首先构建镜像:

docker build -t hyperlpr_build .

然后启动编译:

docker-compose up build_linux_x86_shared_lib

Android SDK使用

HyperLPR提供了Android SDK的演示项目:hyperlpr3-android-sdk

在Android项目中快速集成:

在根build.gradle中添加JitPack仓库:

allprojects {
    repositories {
        ...
        maven { url 'https://jitpack.io' }
    }
}

添加依赖:

dependencies {
    implementation 'com.github.HyperInspire:hyperlpr3-android-sdk:1.0.3'
}

在代码中使用:

// 初始化
HyperLPR3.getInstance().init(this, new HyperLPRParameter());

// 执行识别
Plate[] plates = HyperLPR3.getInstance().plateRecognition(bitmap, HyperLPR3.CAMERA_ROTATION_0, HyperLPR3.STREAM_BGRA);