Android CameraX和HyperLPR3配合使用

Android CameraX和HyperLPR3配合使用

实现的功能

HyperLPR3在实时图像预览里面,调用SDK识别摄像机实时图像里面的车牌号,需要用到图片缓存区。CameraX应该按照如下代码使用。

注意

图片必须使用YuvImage压缩写入ByteArrayOutputStream,然后转数组,把数组给HyperLPR3.getInstance().plateRecognition的第一个参数。才能识别出来摄像机实时图像里面的车牌。

setTargetResolution的问题

setTargetResolution的设置有点迷惑,因为在图像分析里面ImageProxy的宽和高并不是这个设置的宽和高。setTargetResolution的宽高应大尽大,太小会影响HyperLPR3的分析,太大也会影响HyperLPR3的分析,如果不设置会导致内存溢出。如果哪位大佬知道,请私信教教我。

代码

private void startCamera() {
    ListenableFuture<ProcessCameraProvider> cameraProviderFuture =
            ProcessCameraProvider.getInstance(this);
    cameraProviderFuture.addListener(() -> {
        try {
            ProcessCameraProvider cameraProvider = cameraProviderFuture.get();
            Preview preview = new Preview.Builder().build();
            preview.setSurfaceProvider(previewView.getSurfaceProvider());
            CameraSelector cameraSelector = new CameraSelector.Builder()
                    .requireLensFacing(CameraSelector.LENS_FACING_BACK)
                    .build();
            ImageAnalysis imageAnalysis =
                    new ImageAnalysis.Builder()
                            .setTargetResolution(new Size(4000, 3000))
                            .setBackpressureStrategy(ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST)
                            .build();
            ExecutorService singleThreadExecutor = Executors.newCachedThreadPool();
            imageAnalysis.setAnalyzer(singleThreadExecutor, image -> {
                ImageProxy.PlaneProxy[] planes = image.getPlanes();
                new Thread(() -> {
                    ByteBuffer yBuffer = planes[0].getBuffer();
                    ByteBuffer uBuffer = planes[1].getBuffer();
                    ByteBuffer vBuffer = planes[2].getBuffer();
                    int ySize = yBuffer.remaining();
                    int uSize = uBuffer.remaining();
                    int vSize = vBuffer.remaining();
                    byte[] nv21 = new byte[ySize + uSize + vSize];
                    yBuffer.get(nv21, 0, ySize);
                    vBuffer.get(nv21, ySize, vSize);
                    uBuffer.get(nv21, ySize + vSize, uSize);
                    YuvImage yuvImage = new YuvImage(nv21,
                            ImageFormat.NV21,
                            image.getWidth(),
                            image.getHeight(),
                            null);
                    //输出流
                    ByteArrayOutputStream out = new ByteArrayOutputStream();
                    //压缩写入out
                    yuvImage.compressToJpeg(
                            new Rect(0, 0, yuvImage.getWidth(), yuvImage.getHeight()),
                            50, out);
                    //转数组
                    byte[] imageBytes = out.toByteArray();
                    Plate[] plates = HyperLPR3.getInstance().plateRecognition(
                            imageBytes,
                            image.getHeight(),
                            image.getWidth(),
                            HyperLPR3.CAMERA_ROTATION_270,
                            HyperLPR3.STREAM_YUV_NV21);
                    if (0 < plates.length) {
                        for (Plate plate : plates) {
                            String pStr = plate.getCode();
                            runOnUiThread(() -> plateTv.setText(pStr));
                        }
                    }
                    image.close();
                }).start();
            });
            //绑定前先解绑
            cameraProvider.unbindAll();
            cameraProvider.bindToLifecycle(this,
                    cameraSelector,
                    imageAnalysis,
                    preview);
        } catch (InterruptedException | ExecutionException e) {
            Toast.makeText(context, e.getMessage(), Toast.LENGTH_LONG).show();
        }
    }, ContextCompat.getMainExecutor(this));
}

参考文章

Android CameraX 预览以及图片分析(YUV转Bitmap)

HyperLPR3车牌识别-五分钟搞定: 中文车牌识别光速部署与使用

  • 10
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值