介绍
本车牌识别项目是基于开源项目 EasyPR(Easy to do Plate Recognition)实现。EasyPR 是一个开源的中文车牌识别系统,基于 OpenCV 开源库开发。
本项目使用润和 HiSpark Taurus AI Camera(Hi3516DV300) 摄像头开发板套件(以下简称 Hi3516)实现拍照车牌并显示识别结果。采用的系统是 OpenAtom OpenHarmony (简称“OpenHarmony”) 3.1 Release 小型系统。
首先将 Hi3516 中的摄像头对准车牌,其距离约为 60cm~70cm 如下所示:
运行程序后按下 1 拍照、按 2 输出识别结果如下所示:
开发流程
本车牌识别项目使用 OpenHarmony 中的媒体子系统实现。代码基于停车场景下的本地车牌识别。进行讲解,其代码结构如下:
三方库移植
EasyPR 实现是基于 OpenCV 实现,因此实现 EasyPR 首先得移植 OpenCV。移植的方式采用 Gn 调用 Shell 脚本,Shell 脚本调用 Makefile 实现。
下面介绍移植的大致流程,具体细节可参考小型系统上运行开源项目车牌识别及移植 opencv 库。
移植OpenCV
下载源码
获取源码将 OpenCV 库源码放在 OpenHarmony 根目录下的 third_party 下:
生成Makefile
在 OpenCV 源码根目录新建 build 目录生成 Makefile 文件:
使用 cmake-gui 来配置编译环境:
cd build
make-gui ..
显示的 UI 界面如下图:
点击 Configure 进行配置,选择第四个选项进行配置,如下图:
配置工具链:
点击 Generate 生成 Makefile。
创建 Shell 脚本
在 OpenCV 源码根目录新增 build_opencv.sh:
touch build_opencv.sh
chmod 777 build_opencv.sh
vim build_opencv.sh
##添加如下内容
#!/bin/sh
processor=`cat /proc/cpuinfo|grep processor | sort -u | wc -l`
cd build
make -j$processor
cp lib/* $1/libs/
创建Gn文件
在 OpenCV 源码根目录新增 BUILD.gn 将 OpenCV 库加入编译构建:
移植EasyPR
下载源码
获取源码 EasyPR 库源码放在源码根目录下的 third_party 下:
生成Makefile
在 EasyPr 源码根目录新建 build 目录:
mkdir build
cd build
cmake-gui ..
显示的 UI 界面如下图:
点击 Configure 进行配置,选择第四个选项进行配置,如下图:
配置工具链:
点击 Generate 生成 Makefile。
创建Shell脚本
在 EasyPR 源码根目录新增 build_easypr.sh:
创建Gn文件
在 EasyPR 源码根目录新增 BUILD.gn 加入至编译构建:
vim BUILD.gn
#BUILD.gn中添加如下内容
import("//build/lite/config/component/lite_component.gni")
import("//build/lite/ndk/ndk.gni")
root_build = rebase_path(root_build_dir)
build_ext_component("easypr_lib") {
command = "sh build_easypr.sh $root_build"
exec_path = "$root_build/../../../third_party/EasyPR"
}
lite_component("easypr") {
deps = [
"//third_party/opencv:opencv",
":easypr_lib"
]
features = []
}
最终 OpenCV 与 EasyPR 在 third_party 目录如下图所示:
在 OpenHarmony 实现 EasyPR 需要主要分为如下三步:
- GN 构建,将 EasyPR 加入编译构建;
- 拍照,调用 OpenHarmony 拍照接口,拍摄车牌;
- EasyPR 本地识别,调用 EasyPR 识别车牌接口并返回识别结果。
GN构建
GN 构建中包含了 EasyPR 的头文件路径 、链接 EasyPR 动态库、编译依赖 EasyPR。如下所示:
拍照
拍照功能是基于官方文档拍照开发指导开发的,其 demo 样例在如下目录:
在停车场景中二维码识别与车牌识别共用同一份拍照代码 ,为提高二维码识别率在拍照初始化时须将分辨率设置为 1280*720。该改动在进行车牌识别时不会影响 ,初始化拍照代码如下图:
设置照片保存路径在文件 camera.h 下:
因为在停车场景中二维码扫码与车牌识别都会调用拍照接口,因此使用 s_runAi 作区分:
int main(int argc,char **argv)
{
int ret;
char licensePlate[32] = {0};
char input;
InitCamera();
PlateInit();
while(cin >> input) {
switch (input) {
case '1':
RunAICamera(); // 拍照
break;
case '2':
memset(licensePlate, 0, sizeof(licensePlate));
ret = GetPlateString(IMG_PATH, licensePlate); // 识别车牌
SAMPLE_INFO("ret -> %d, licensePlate->%s", ret, licensePlate);
break;
case 's':
PlateDeinit();
ExitCamera();
return 0;
default:
SAMPLE_ERROR("input Error");
break;
}
}
return 0;
}
进行拍照后会进入拍照数据处理,当 s_runAi 为 false 说明是二维码识别,直接调用二维码识别接口即可。当 s_runAi 为 true 时须将拍照的数据保存为图片:
将拍照数据以图片保存路径为“/sdcard/CaptureAi.jpg” 。
EasyPR本地识别
编写主程序 main.cpp 设置程序功能为按 1 拍照、按 2 显示结果 :
编译烧录
前文大致概括了 OpenCV 和 EasyPR 的移植步骤,更详细的关于环境搭建、烧录以及项目源码构建的步骤,请查看参考文章本地车牌识别。
总结
编写车牌识别库对外接口,相关接口使用可以参考作者文章介绍;本文章的源码参考本地车牌识别。丰富多样的 OpenHarmony 开发样例离不开广大合作伙伴和开发者的贡献,如果你也想把自己开发的样例分享出来,欢迎把样例提交到 OpenHarmony 知识体系 SIG 仓来,共建开发样例请参考如何共建开发样例。
最后呢,很多开发朋友不知道需要学习那些鸿蒙技术?鸿蒙开发岗位需要掌握那些核心技术点?为此鸿蒙的开发学习必须要系统性的进行。
而网上有关鸿蒙的开发资料非常的少,假如你想学好鸿蒙的应用开发与系统底层开发。你可以参考这份资料,少走很多弯路,节省没必要的麻烦。由两位前阿里高级研发工程师联合打造的《鸿蒙NEXT星河版OpenHarmony开发文档》里面内容包含了(ArkTS、ArkUI开发组件、Stage模型、多端部署、分布式应用开发、音频、视频、WebGL、OpenHarmony多媒体技术、Napi组件、OpenHarmony内核、Harmony南向开发、鸿蒙项目实战等等)鸿蒙(Harmony NEXT)技术知识点
如果你是一名Android、Java、前端等等开发人员,想要转入鸿蒙方向发展。可以直接领取这份资料辅助你的学习。下面是鸿蒙开发的学习路线图。
高清完整版请点击→《鸿蒙NEXT星河版开发学习文档》
针对鸿蒙成长路线打造的鸿蒙学习文档。话不多说,我们直接看详细资料鸿蒙(OpenHarmony )学习手册(共计1236页)与鸿蒙(OpenHarmony )开发入门教学视频,帮助大家在技术的道路上更进一步。
《鸿蒙 (OpenHarmony)开发学习视频》
《鸿蒙生态应用开发V2.0白皮书》
《鸿蒙 (OpenHarmony)开发基础到实战手册》
《鸿蒙开发基础》
《鸿蒙开发进阶》
《鸿蒙开发实战》
获取这份鸿蒙星河版学习资料,请点击→《鸿蒙NEXT星河版开发学习文档》
总结
鸿蒙—作为国家主力推送的国产操作系统。部分的高校已经取消了安卓课程,从而开设鸿蒙课程;企业纷纷跟进启动了鸿蒙研发。
并且鸿蒙是完全具备无与伦比的机遇和潜力的;预计到年底将有 5,000 款的应用完成原生鸿蒙开发,未来将会支持 50 万款的应用。那么这么多的应用需要开发,也就意味着需要有更多的鸿蒙人才。鸿蒙开发工程师也将会迎来爆发式的增长,学习鸿蒙势在必行!