车牌识别相机一般指带有AI算力的前智能摄像机,牌识算法直接运行在设备端(也就是常说的“边端云”中端侧)。常见用于牌识相机的硬件平台有海思、瑞芯微(RV11系列)、英伟达(Jetson系列)等,各平台都提供对应的深度学习模型硬件加速部署库。VideoPipe视频分析框架能够胜任99%的视频结构化需求,覆盖了人脸识别、目标行为分析、车辆检索等等应用场景。VideoPipe完全开源(仅供学习),github地址(github.com/sherlockchou86/video_pipe_c)
下面介绍VideoPipe框架在英伟达平台实现车牌识别(相机)的功能。
车牌识别主要环节
- 从Sensor读取图片数据
- 车牌检测定位
- 车牌字符识别
与常见的视频分析流程不同的是,前智能相机设备直接从Sensor读取图片数据,因此不涉及到解码环节。第2步主要用于车牌定位(检测),部分牌识摄像机在该步骤还会做一些其他工作,比如车辆属性分类(车型、颜色等)。第3步主要负责车牌字符识别(使用分类和检测算法均可)。
车牌识别具体实现
VideoPipe视频分析框架可以快速集成目标检测、图像分类、特征提取等神经网路图像算法,支持多种视频(图片)接入方式,下面代码读取指定目录下的视频文件,对视频中的车牌进行检测、识别和跟踪等操作,最后将车牌结果数据发送给后端(使用vp_plate_socket_broker_node),后端数据库插入一条“车牌识别记录”(该部分代码未展示)。
#include "../../nodes/vp_file_src_node.h"
#include "../../nodes/infers/vp_trt_vehicle_plate_detector_v2.h"
#include "../../nodes/track/vp_sort_track_node.h"
#include "../../nodes/broker/vp_plate_socket_broker_node.h"
#include "../../nodes/osd/vp_plate_osd_node.h"
#include "../../nodes/vp_screen_des_node.h"
#include "../../nodes/vp_rtmp_des_node.h"
#include "../../utils/analysis_board/vp_analysis_board.h"
/*
* ## license plate recognize(lpr) pipeline ##
* detect and recognize license plate in the whole frame, and send results via socket.
*/
int main(int argc, char* argv[]) {
// get directory for test video and models
assert(argc == 2);
std::string data_dir(argv[1]);
if (!vp_utils::ends_with(data_dir, "/")) {
data_dir += "/";
}
VP_SET_LOG_LEVEL(vp_utils::vp_log_level::INFO);
VP_LOGGER_INIT();
// create nodes
auto file_src_0 = std::make_shared<vp_nodes::vp_file_src_node>("file_src_0", 0, data_dir + "vp_data/test_video/plate2.mp4");
auto plate_detector = std::make_shared<vp_nodes::vp_trt_vehicle_plate_detector_v2>("plate_detector", data_dir + "vp_data/models/trt/plate/det_v8.5.trt", data_dir + "vp_data/models/trt/plate/rec_v8.5.trt");
auto track = std::make_shared<vp_nodes::vp_sort_track_node>("tracker");
auto plate_broker = std::make_shared<vp_nodes::vp_plate_socket_broker_node>("plate_broker", "192.168.77.68", 9999, "static/plate_images");
auto osd_0 = std::make_shared<vp_nodes::vp_plate_osd_node>("osd_0", data_dir + "vp_data/font/NotoSansCJKsc-Medium.otf", false);
auto screen_des_0 = std::make_shared<vp_nodes::vp_screen_des_node>("screen_des_0", 0);
auto rtmp_des_0 = std::make_shared<vp_nodes::vp_rtmp_des_node>("rtmp_des_0", 0, "rtmp://192.168.77.60/live/lpr");
// construct pipeline
plate_detector->attach_to({file_src_0});
track->attach_to({plate_detector});
plate_broker->attach_to({track});
osd_0->attach_to({plate_broker});
screen_des_0->attach_to({osd_0});
rtmp_des_0->attach_to({osd_0});
// start pipeline
file_src_0->start();
// visualize pipeline for debug
vp_utils::vp_analysis_board board({file_src_0});
board.display();
}
上面代码运行后,可以产生3个输出,分别是:
- Pipeline管道运行状态
- 车牌检测实时效果(桌面窗口显示)
- RTMP推流结果(Web播放器播放)
使用VideoPipe视频分析框架做车牌识别相机