easyPR车牌识别分析与测试结果

简介

最近由于项目需要，需要做一个车牌号抓取和识别的功能，于是找到了EasyPR，全称Easy to do Plate Recognition，一个全中文的开源识别项目，基于OpenCV和机器学习实现，支持跨平台，相对来说比较简单，速度也还不错，准确度而言，白天还行，晚上很差，尤其是开启前照灯的情况下非常糟糕，不过还是要感谢作者能够开源给大家分享。

下载

github地址：https://github.com/liuruoze/EasyPR

可以根据平台下载自己需要的版本，然后按照Usage.md中介绍的一步步去编译，也可借鉴这篇博客（http://livezingy.com/compile-easypr-in-win10-vs2013-x64/），编译过程中会出现有关opencv的错误，一般都是与版本有关，代码里面的相关语法错误，按照需要进行对应修改，后续我会给出我修改好的demo，上传更新。

大概思路

车牌检测

检测部分，主要用了三种方法的结果进行融合，提取出来的车牌矩形框大小为360x160，这三种方法分别是：

• 边缘检测：基于Sobel，代码中的函数为plateSobelLocate()
• 基于颜色的搜索：函数为plateColorLocate()，分步并行处理三种颜色：蓝色，黄色，白色，当然需要的可以进行代码修改，增加绿色牌的搜索；
• 基于文字区域的搜索：这里使用了MSER算子，来处理有字符的区域，函数为plateMserLocate();

将上面三种方法找到的矩形框都放到一个vector里，准备做筛选：

• step1：提取不同车牌feature，送入SVM进行训练，给出score；代码中用的是颜色直方图特征，当然还给出来别得feature，在feature.cpp文件中可以看到，有：HOG，LBP，Sift，直方图，颜色，hsv直方图等；
• step2：NMS做最后的过滤；

字符分割

• 首先对矩形框进行二值化：为了消除灯光的音响，用了Otsu阈值化，函数为spatial_ostu();
• 通过0和1像素的跳跃次数，来去除车牌上的柳钉以及干扰直线，函数为clearLiuDing();
• 去除干扰后，利用轮廓查找找到左右可能是字符的矩形框Rect，然后利用位置比例找到属于特定字符的Rect，函数为GetSpecialRect();

字符识别

字符识别这里，用了最简单的MLP进行训练，中文字符31个，数字字符10个，字母字符24个（I和O不用），白天场景下可得到80+的识别准确率，应该还是不错的了，当然需要的话，可以自己用更多更新的样本进行重新训练，以得到更高的准确率。

测试结果

Pc机上检测的时间在20ms以内；完整识别的时间在0.25-0.35s之间，其中第一张图片的识别时间稍长，后面就比较快，由于算法运行开始需要load所需模型。

检测准确率：白天为85%；夜晚为70%；

识别准确率：白天为80%；夜晚为60%；

与其他算法的比较

翔云车牌识别服务

这是一个收费解决方案，用我们采集的照片在该服务上测试，得到以下测试结果：

1） 白天场景下识别效果好于晚上；

2） 白天拍摄距离7m以内；晚上2m内；

3） 识别时间大于0.5s；

4） 准确率：90%（白天）80%（晚上）

惠号通车牌识别

同样作为一个商业化解决方案，效果明显好于测试过的其它同类算法。其算法在手机app上运行，该app要求现场采集图片，无法读取已有图片，且拍照过程中自动调焦，拍摄到的照片人为因素很大，得到的照片质量明显好于我们采集到的图片质量，清晰度高，对比度高。测试结果如下：

1） 同样白天识别效果优于晚上；

2） 拍摄距离小于2m；

3） 识别时间取决于手机，华为荣耀V8上识别时间为100ms左右；

4） 准确率：>95%（白天）85%（晚上）

HyperLPR

这是github上的一个免费开源项目，基于深度学习的高性能中文车牌识别，可以现场拍照，也可以load相册已有图片，在华为荣耀V8上测试结果如下：

1） 白天效果好于晚上；

2） 拍摄距离小于2m；

3） 识别时间100ms左右；

4） 准确率：85%（白天）60-70%（晚上）

OpenALPR

这是一个国外的开源项目，都是白色车牌，在线测试了一下，感觉速度很快，准确率也很好，但是用我们自己的场景图片，准确率直线下降；

结论

白天场景下，拍摄距离不超过7m，否则无法检测；

晚上场景下，不开大灯光线好拍摄距离不超过7m，开大灯不超过2m，否则无法检测；

下面是在7m距离的拍摄识别情况：

识别结果：

开前大灯无法检测：

总的来说还是可以的，如果条件不是非常苛刻，因为我们的需要场景是在夜间，而且是动态拍摄，所以比较尴尬。

最后，关于easyPR的详细内容可以访问easyPR作者的博客：http://www.cnblogs.com/subconscious/p/3979988.html