Usage.md · Ruby/EasyPR

代码拉取完成,页面将自动刷新

扫描微信二维码支付

取消

支付完成

richgiteeai

Watch

不关注关注所有动态仅关注版本发行动态关注但不提醒动态

1 Star 0 Fork 1.7K

Ruby/EasyPR

forked from liuruoze/EasyPR

代码 Issues 0 Pull Requests 0 Wiki 统计流水线

服务

加入 Gitee

与超过 1400万开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)

免费加入

已有帐号? 立即登录

文件

master

分支 (3)

标签 (13)

管理

master

v1.6alpha

1.3

v1.6

v1.6alpha

v1.5

v1.5beta

v1.4

v1.4beta

v1.3

v1.3beta

v1.2

v1.1.1

v1.1.0

v1.1

v1.0

克隆/下载

HTTPS SSH SVN SVN+SSH 下载ZIP

提示

下载代码请复制以下命令到终端执行

为确保你提交的代码身份被 Gitee 正确识别,请执行以下命令完成配置

git config --global user.name userName 
git config --global user.email userEmail

初次使用 SSH 协议进行代码克隆、推送等操作时,需按下述提示完成 SSH 配置

1 生成 RSA 密钥

2 获取 RSA 公钥内容,并配置到 SSH公钥中

在 Gitee 上使用 SVN,请访问使用指南

使用 HTTPS 协议时,命令行会出现如下账号密码验证步骤。基于安全考虑,Gitee 建议配置并使用私人令牌替代登录密码进行克隆、推送等操作

Username for 'https://gitee.com': userName

Password for 'https://userName@gitee.com': # 私人令牌

分支 3

标签 13

EasyPR

Usage.md

Usage.md 8.10 KB

# 使用

### 获取源代码

可以访问我们的项目主页获取代码:

* [github](https://github.com/liuruoze/EasyPR)
* [oschina](https://git.oschina.net/easypr/EasyPR)

如果你熟悉git版本控制工具,可以使用下面的命令从 Github 克隆代码:

$ git clone https://github.com/liuruoze/EasyPR

### 准备工作

1. 安装OpenCV

从 [OpenCV官方网站](http://opencv.org/) 获取对应平台的 `OpenCV3.1.0`。

EasyPR支持当前主流的操作系统,通常不需要对源代码进行更改就可以编译运行,尽管如此,不同平台上IDE的配置也是有很大差异的,下面主要说明Windows,Linux以及Mac OS下的编译方法。

#### Windows

对于使用 Windows 的同学,建议的IDE是Visual Studio,如果使用的不是VS,请自行配置,也欢迎分享你的配置方案。

|环境 | 需求
|------|----------
| 操作系统 | 64位,Windows7 sp1 / Windows 8 及以上
| Visual Studio | vs2013 / vs2015
| Python(可选) | Python3.*

**Note**: 预编译的 **OpenCV3.1** 已经不支持较低版本的Visual Studio,请选择vs2013及以上的版本。

**方法一**

**注意**: python方法仅针对v1.5以下的版本。在1.6及以上版本中,由于架构变化,不推荐使用。可以加群看群里的配置方法。

1. 确保将Python的安装目录添加到系统环境变量PATH中。
2. 执行 `python configure.py` ,根据提示填写相关信息。
3. 打开解决方案文件 `EasyPR.sln`,直接编译运行即可。

**方法二**

打开解决方案文件 `EasyPR.sln`,该解决方案会加载两个项目:

* `EasyPR`,用于编译src/下的源文件生成静态库`libeasypr.lib`
* `Demo`,用来编译test/下的main.cpp,并链接libeasypr.lib生成可执行程序。

**配置OpenCV**

OpenCV for Windows 通常会将使用VS编译好二进制文件放到 `opencv\build\` 目录下。

解决方案自动加载的两个项目配置不符合你的环境,请依次手动配置:

**demo**

| 配置项 | 值 
|-------------|-----------
| `C/C++`-`附加包含目录` | **[opencv的include目录]**;$(SolutionDir)include
| `链接器`-`附加库目录` | **[opencv的lib目录]**
| `链接器`-`输入`-`附加依赖项` | **opencv_world310d.lib**;%(AdditionalDependencies)

*Note*:Debug版本为**opencv_world310d.lib**,Release版本为**opencv_world310.lib**

**libeasypr**

| 配置项 | 值 
|-------------|-----------
| `C/C++`-`附加包含目录` | **[opencv的include目录]**;$(SolutionDir)include

**编译**

默认情况下,生成的 `demo.exe` 会放在项目根目录下。

**Note**: 直接双击运行程序会出现找不到opencv动态库的情况,这个时候有两个办法:

* 在`opencv\build\x64\vc(..)\bin`下找到缺失的dll放到执行目录下。
* 将上述bin目录添加到系统环境变量**PATH**中,然后重新运行程序。

**参考**:windows平台下的opencv的手动配置可以参考这份[博客](http://my.phirobot.com/blog/2014-02-opencv_configuration_in_vs.html)。

#### Linux & Mac OS

EasyPR使用CMake在Linux及Mac OS下进行构建,确保系统安装了最新版本的[CMake](http://cmake.org)。

为了避免系统中安装的老版本opencv对编译的影响,需要在 `CMakeLists.txt` 中修改:

set(CMAKE_PREFIX_PATH ${CMAKE_PREFIX_PATH} "/usr/local/opt/opencv3")

路径指向opencv3的安装目录,该目录下应该有OpenCV的CMake配置文件。

项目提供了一键编译shell,在项目根目录下执行:

```
$ ./build.sh
```

即可。

----

**Note**: *你可以直接利用 EasyPR/include 和编译生成的静态库来调用EasyPR提供的函数接口编写自己的程序。*

运行Demo:

```
$ ./demo // 进入菜单交互界面
$ ./demo ? // 查看CLI帮助

```
### 如何开始

当进入交互界面以后,首先是主目录,下面是主目录各个功能的解释:

| 名称 | 说明 
|-------------|-----------
| 测试 | 分别测试车牌识别中每个环节。要想更改测试的图片,可以替换resources/image下的图片;
| 批量测试 | 跑完整个general_test下所有图片,输出准确率等指标,用于评估EasyPR的效果;
| SVM训练 | 用SVM训练车牌判断模型;
| ANN训练 | 用ANN训练字符识别和中文识别模型,对应ann.xml和ann_chinese.xml;
| 中文训练 | 1.6版新增,用ANN模型训练灰度中文字符,生成annCh.xml;
| 生成字符 | 需要配合plates_200k这个数据集才能作用;

当成功运行EasyPR后,首先运行批量测试功能。如果最后的指标跟readme一致,说明EasyPR安装成功。

可以在accuracy.hpp中修改 `pr.setResultShow(false)` 为 `pr.setResultShow(true)`, 让批量测试显示出车牌定位的效果。

**Note**:

在批量测试下有一个选项,native_test。可以把自己的图片放到resources/image/native_test下测试用的。如果你自己的图片没有ground_truth,无法计算准确率指标。但是可以打开车牌定位的效果。

如果想评估车牌定位的指标。需要生成GroundTruth_windows.xml和GroundTruth_others.xml。可以参考general_test下的同名文件来了解下这个文件的格式该如何定义。例如下面的一个xml节点:

```xml
<taggedRectangle x="170" y="184" width="96" height="27" rotation="-1" locateType="1">蓝牌:京A88731</taggedRectangle>
```

taggedRectangle对应一个车牌,属性x和y表示的是车牌外接矩形的中心点的坐标。width和height是宽度和高度。另外两个属性目前没用到。

GroundTruth_windows.xml的编码需要设置为ANSI,而GroundTruth_others.xml的编码要设置为UTF-8,否则会出现乱码。

### 命令行示例

可以向 `demo[.exe]` 传递命令行参数来完成你想要的工作,目前Demo支持5个子命令。对于每个子命令的帮助信息可以传入 `-h` 参数来获取。

**车牌识别**

# 利用提供的SVM和ANN模型来识别一张图片里面的所有车牌
 
 $ ./demo recognize -p resources/image/plate_recognize.jpg --svm model/svm.xml --ann model/ann.xml
 
 # 或者更简单一些(注意模型路径)
 $ ./demo recognize -p resources/image/plate_recognize.jpg

**SVM训练**

新版本的EasyPR大大简化了SVM训练:

# 首先准备好车牌图片集合plates/
 # 是车牌的放在plates/has/
 # 不是车牌的放在plates/no/
 # 车牌可从项目resources/train/svm.7z中解压得到。
 
 $ ./demo svm --plates=path/to/your/plates --svm=save/to/svm.xml
 
 # 该命令将70%的车牌作为训练数据,另外30%的车牌作为测试数据,
 # 这个只可在 include/easypr/config.h 修改。
 # 将训练好的模型存放在 save/to/svm.xml。
	
首先在easypr的主目录下面新建了一个tmp文件夹,并且把svm.7z解压得到的svm文件夹移动到tmp文件夹下面,

执行 $ demo svm --plates=tmp/svm --svm=tmp/svm.xml,生成得到的tmp文件夹下面的svm.xml就是训练好的模型,

替换model/svm.xml就可以达到替换新模型的目的,替换前请先备份原始模型。

**ANN训练**

先准备好字符图片集合,可从项目resources/train/ann.7z中解压得到。

每类字符都存放在以其名称命名的子文件夹中,命名规则请参考 `resources/text/province_mapping`。

一切准备就绪后,运行下面这条命令即可:

$ ./demo ann --chars=path/to/chars --ann=save/to/ann.xml
	
首先在easypr的主目录下面新建了一个tmp文件夹,并且把ann.7z解压得到的ann文件夹移动到tmp文件夹下面,

执行 $ demo ann --chars=tmp/ann --ann=tmp/ann.xml,生成得到的tmp文件夹下面的svm.xml就是训练好的模型,

替换model/ann.xml就可以达到替换新模型的目的,替换前请先备份原始模型。

**注意**

train文件夹下有3个ann压缩包,解释一下:

| 文件 | 用途 
|-------------|-----------
| ann.7z | 包括黑白的字符和中文数据,ann以及ann_chinese.xml由这个训练得到;
| annCh.7z | 仅仅包括中文的灰度数据,annCh.xml由这个训练得到;
| annGray.7z | 包括了灰度的字符数据,目前没有任何模型由这个训练得到,主要是为未来的CNN做准备

一键复制编辑原始数据按行查看历史

liuruoze 提交于 2017年11月06日 21:15 +08:00 . * change