easyPR車牌識別分析與測試結果

阿新 • • 發佈：2019-01-31

簡介

最近由於專案需要，需要做一個車牌號抓取和識別的功能，於是找到了EasyPR，全稱Easy to do Plate Recognition，一個全中文的開源識別專案，基於OpenCV和機器學習實現，支援跨平臺，相對來說比較簡單，速度也還不錯，準確度而言，白天還行，晚上很差，尤其是開啟前照燈的情況下非常糟糕，不過還是要感謝作者能夠開源給大家分享。

下載

可以根據平臺下載自己需要的版本，然後按照Usage.md中介紹的一步步去編譯，也可借鑑這篇部落格（http://livezingy.com/compile-easypr-in-win10-vs2013-x64/），編譯過程中會出現有關opencv的錯誤，一般都是與版本有關，程式碼裡面的相關語法錯誤，按照需要進行對應修改，後續我會給出我修改好的demo，上傳更新。

大概思路

車牌檢測

檢測部分，主要用了三種方法的結果進行融合，提取出來的車牌矩形框大小為360x160，這三種方法分別是：

邊緣檢測：基於Sobel，程式碼中的函式為plateSobelLocate()
基於顏色的搜尋：函式為plateColorLocate()，分步並行處理三種顏色：藍色，黃色，白色，當然需要的可以進行程式碼修改，增加綠色牌的搜尋；
基於文字區域的搜尋：這裡使用了MSER運算元，來處理有字元的區域，函式為plateMserLocate();

將上面三種方法找到的矩形框都放到一個vector裡，準備做篩選：

step1：提取不同車牌feature，送入SVM進行訓練，給出score；程式碼中用的是顏色直方圖特徵，當然還給出來別得feature，在feature.cpp檔案中可以看到，有：HOG，LBP，Sift，直方圖，顏色，hsv直方圖等；

step2：NMS做最後的過濾；

字元分割

首先對矩形框進行二值化：為了消除燈光的音響，用了Otsu閾值化，函式為spatial_ostu();
通過0和1畫素的跳躍次數，來去除車牌上的柳釘以及干擾直線，函式為clearLiuDing();
去除干擾後，利用輪廓查詢找到左右可能是字元的矩形框Rect，然後利用位置比例找到屬於特定字元的Rect，函式為GetSpecialRect();

字元識別

字元識別這裡，用了最簡單的MLP進行訓練，中文字元31個，數字字元10個，字母字元24個（I和O不用），白天場景下可得到80+的識別準確率，應該還是不錯的了，當然需要的話，可以自己用更多更新的樣本進行重新訓練，以得到更高的準確率。

測試結果

Pc機上檢測的時間在20ms以內；完整識別的時間在0.25-0.35s之間，其中第一張圖片的識別時間稍長，後面就比較快，由於演算法執行開始需要load所需模型。

檢測準確率：白天為85%；夜晚為70%；

識別準確率：白天為80%；夜晚為60%；

與其他演算法的比較

翔雲車牌識別服務

這是一個收費解決方案，用我們採集的照片在該服務上測試，得到以下測試結果：

1）白天場景下識別效果好於晚上；

2）白天拍攝距離7m以內；晚上2m內；

3）識別時間大於0.5s；

4）準確率：90%（白天）80%（晚上）

惠號通車牌識別

同樣作為一個商業化解決方案，效果明顯好於測試過的其它同類演算法。其演算法在手機app上執行，該app要求現場採集圖片，無法讀取已有圖片，且拍照過程中自動調焦，拍攝到的照片人為因素很大，得到的照片質量明顯好於我們採集到的圖片質量，清晰度高，對比度高。測試結果如下：

1）同樣白天識別效果優於晚上；

2）拍攝距離小於2m；

3）識別時間取決於手機，華為榮耀V8上識別時間為100ms左右；

4）準確率：>95%（白天）85%（晚上）

HyperLPR

這是github上的一個免費開源專案，基於深度學習的高效能中文車牌識別，可以現場拍照，也可以load相簿已有圖片，在華為榮耀V8上測試結果如下：

1）白天效果好於晚上；

2）拍攝距離小於2m；

3）識別時間100ms左右；

4）準確率：85%（白天）60-70%（晚上）

OpenALPR

這是一個國外的開源專案，都是白色車牌，線上測試了一下，感覺速度很快，準確率也很好，但是用我們自己的場景圖片，準確率直線下降；

結論

白天場景下，拍攝距離不超過7m，否則無法檢測；

晚上場景下，不開大燈光線好拍攝距離不超過7m，開大燈不超過2m，否則無法檢測；

下面是在7m距離的拍攝識別情況：

識別結果：

開前大燈無法檢測：

總的來說還是可以的，如果條件不是非常苛刻，因為我們的需要場景是在夜間，而且是動態拍攝，所以比較尷尬。