EasyPR

EasyPR是一个中文的开源车牌识别系统，其目标是成为一个简单、高效、准确的车牌识别引擎。

相比于其他的车牌识别系统，EasyPR有如下特点：

• 它基于openCV这个开源库。这意味着你可以获取全部源代码，并且移植到java等平台。
• 它能够识别中文。例如车牌为苏EUK722的图片，它可以准确地输出std:string类型的"苏EUK722"的结果。
• 它的识别率较高。图片清晰情况下，车牌检测与字符识别可以达到90%以上的精度。

版本

EasyPR最开始是发布在GitHub上的，然后在国内的oschina上也部署了一份镜像。 相关的issue欢迎在GitHub上统一提交。目前除了windows版本以外，还有以下其他平台的版本：

感谢以上所有开发者的努力！

更新

目前EasyPR的版本是1.1，相比上一个版本，有以下更新。可以在ChangeLog中找到更多信息。 目前版本的EasyPR在车牌定位上还不够鲁棒，在下个版本中计划对定位做个完善与升级。

• 新的SVM模型。新模型使用rbf核替代了liner核，在车牌判断的准确率提升了8个百分点。
• 新增两个特征提取方法。并提供了相关的回调函数接口。
• 新增Debug模式。可以在image/tmp文件夹下看到所有输出的中间图片。
• 新增LifeMode模式。相比默认模式，更适合在生活场景下定位车牌。
• 新增批量测试功能。这个功能可供测试EasyPR在多幅图片上的整体表现效果。
• 引入GDTS(General Data Test Set。通用数据测试集)概念，作为EasyPR准确率的评测数据集。
• 引入GDSL协议。此协议是为了确保GDTS中的数据不受到任何商业性与恶性目的行为的滥用。
• 完善SVM训练功能。提供了一个方便的训练操作窗口。这些功能是为了配合即将发布的SVM开发详解这篇文章。
• 强化SVM模型验证。使用了三个新的数据集概念，即learn data，train data，test data。
• 新增评价指标。引入Precise，Recall，FSocre三个指标这三个指标作为SVM模型准确率评判的参数与改善的依据。
• 新增整体指标。引入levenshtein距离作为EasyPR整体识别准确率误差的评判参数与改善依据。
• 大幅增加训练数据。SVM训练数据中增加了近千张新数据(未经直方图均衡化的车牌图片和非车牌图片)。
• 新增命令行窗口，作为测试与训练的辅助工具。

注意：上一个版本中image文件下的test.jpg请删除。它的格式已经不符合新的GDSL协议的约定。 如果想测试，可以使用本版本中替换的test.jpg。

兼容性

EasyPR是基于opencv2.4.8版本开发的，2.4.8以上的版本应该可以兼容，以前的版本可能会存在不兼容的现象。opencv3.0的版本还没有经过测试。

例子

假设我们有如下的原始图片，需要识别出中间的车牌字符与颜色：

经过EasyPR的第一步处理车牌检测（PlateDetect）以后，我们获得了原始图片中仅包含车牌的图块：

接着，我们对图块进行OCR过程，在EasyPR中，叫做字符识别（CharsRecognize）。我们得到了一个包含车牌颜色与字符的字符串：

“蓝牌：苏EUK722”

安装

EasyPR不需要安装，开发者直接在其上做改动。如果想使用DLL形式引用或者使用其他语言调用，则可以在EasyPR_DLL_src中找到。

详细的开发与教程请见介绍与开发教程。

使用

使用Git克隆一份拷贝到你本机或者直接下载zip压缩吧。使用vs2010或以上版本的IDE选择“从现有代码创建项目”，引用EasyPR的目录。

以下表格是本工程中所有目录的解释:

以下表格是image目录中子目录的解释:

以下表格是src目录中子目录的解释:

以下表格是src目录下一些核心文件的解释与关系:

以下表格是src目录下一些辅助文件的解释与关系:

问题

如果有任何问题或者建议请在issues里直接提交，或者发email：easypr_dev@163.com。 建议与问题一经采纳即会将您的贡献大名列入EasyPR的感谢名单（ Credits ）中。

鸣谢

taotao1233，唐大侠，jsxyhelu，如果有一天(zhoushiwei)，学习奋斗，袁承志，圣城小石匠，goldriver，Micooz，梦里时光，Rain Wang