GitHub

2024-07-07 00:46| 来源: 网络整理| 查看: 265

简体中文 | English

如果觉得有用，不妨给个Star⭐️🌟支持一下吧~ 谢谢！

Acknowledgments & Contact 1.WeChat ID: cbp931126

加微信(备注：PlateAlgorithm),进讨论群(群里超多大佬)可以获得10G大小的车牌检测和识别数据

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

车牌识别在线体验:http://zhoujiayao.com:8200/

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);

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

【本文地址】

公司简介

联系我们