基于yolov5,yolov7,yolov8的车牌检测源码（支持12种车牌检测识别，准确率高达99.5% +数据集）.zip

简体中文 | [English](./README_en.md) # Acknowledgments & Contact # PlateAlgorithm ## **车牌识别算法，支持12种中文车牌类型** **1.单行蓝牌** **2.单行黄牌** **3.新能源车牌** **4.白色警用车牌** **5 教练车牌** **6 武警车牌** **7 双层黄牌** **8 双层武警** **9 使馆车牌** **10 港澳牌车** **11 双层农用车牌** **12 民航车牌** ## 识别效果 <img src="resources/1.jpg" alt="drawing" width="380"/> <img src="resources/3.jpg" alt="drawing" width="380"/> <img src="resources/9.jpg" alt="drawing" width="380"/> <img src="resources/10.jpg" alt="drawing" width="380"/> <img src="PlateDetectionRecognition/test/yolov7_result/37_0315.jpg" alt="drawing" width="380"/> <img src="resources/2.jpg" alt="drawing" width="380"/> <img src="resources/7.jpg" alt="drawing" width="380"/> <img src="resources/8.jpg" alt="drawing" width="380"/> ## 特性 1. 车牌识别在线体验:http://zhoujiayao.com:8200/ 2. 车牌检测(yolov5plate,yolov7plate,yolov8playe),车牌校正，车牌识别，车牌检测识别; | 文件夹 | State | 说明 | |:----------|:----------|:----------| |PLateDetection_yolov5 |Done| yolov5 车牌检测 | |PLateDetection_yolov7 |Done| yolov7 车牌检测 | |PLateDetection_yolov8 |Doing| yolov8 车牌检测 | |PlateRecognition |Done| 车牌识别 | |PlateDetectionRecognition |Done| 车牌检测->车牌校正->车牌识别 | 3. 所有模型均使用C++和TensorRT加速推理,yolov7plate的前后处理使用cuda加速,(其他模型加速优化也可参考); 4. 所有模型使用C++和OnnxRuntime.OpenVINO,NCNN加速推理(TO DO); 5. 提供C接口，可以直接移植在项目里; 6. 提供python调用，C#调用的demo(TODO) 7. 根据不同的显卡型号自动生成对应的engine(如果文件夹下有其他显卡适配engine，则删除engine才能重新生成使用中的显卡对应的engien); 8. PlateDetectionRecognition->test->main.cpp文件中的条件编译测试说明 | 测试类别 | enable | 说明 | |:----------|:----------|:----------| |yolov5_plate |1| yolov7车牌检测 | |yolov7_plate |1| yolov5 车牌检测 | 9. 车牌识别准确率(测试集数量:2.4w张) | 模型 | size | 准确率 |速度| 平台| |:----------:|:----------:|:----------:|:----------:|:----------:| |plate_recognition_color|s| 92.40%|452.480us|RTX3090| |plate_recognition_s |s| 98.90%|452.597us|RTX3090| |plate_recognition_m |m| 99.35%|463.316us|RTX3090| |plate_recognition_l |l| 99.56%|507.082us|RTX3090| ## 算法说明 # 算法接口 ``` /** * @brief 车牌初始化函数 * @param config 模块配置参数结构体 * @return HZFLAG */ void*Initialize(Config*config); /** * @brief 车牌检测识别(yolov5) * @param img Plate_ImageData * @param PlateDet 车牌检测识别结果列表 * @return HZFLAG */ int PlateRecognition_yolov5(void*p,Plate_ImageData*img,PlateDet*PlateDets); /** * @brief 车牌检测(yolov7_plate) * @param img Plate_ImageData * @param PlateDet 车牌检测识别结果列表 * @return HZFLAG */ int PlateRecognition_yolov7(void*p,Plate_ImageData*img,PlateDet*PlateDets); /** * @brief 车牌检测(yolov8_plate) * @param img Plate_ImageData * @param PlateDet 车牌检测识别结果列表 * @return HZFLAG */ int PlateRecognition_yolov8(void*p,Plate_ImageData*img,PlateDet*PlateDets); /** * @brief 反初始化 * @return HZFLAG */ int Release(void*p,Config*config); ``` ## 2.环境 1. ubuntu20.04+cuda11.1+cudnn8.2.1+TensorRT8.2.5.1(测试通过) 2. ubuntu18.04+cuda10.2+cudnn8.2.1+TensorRT8.2.5.1(测试通过) 3. Win10+cuda11.1+cudnn8.2.1+TrnsorRT8.2.5.1 (测试通过) 4. 其他环境请自行尝试或者加群了解 ## 3.编译 1. 更改根目录下的CMakeLists.txt,设置tensorrt的安装目录 ``` set(TensorRT_INCLUDE "/xxx/xxx/TensorRT-8.2.5.1/include" CACHE INTERNAL "TensorRT Library include location") set(TensorRT_LIB "/xxx/xxx/TensorRT-8.2.5.1/lib" CACHE INTERNAL "TensorRT Library lib location") ``` 2. 默认opencv已安装，cuda,cudnn已安装 3. 为了Debug默认编译 ```-g O0``` 版本,如果为了加快速度请编译Release版本 4. 使用Visual Studio Code快捷键编译(4,5二选其一): ``` ctrl+shift+B ``` 5. 使用命令行编译(4,5二选其一): ``` mkdir build cd build cmake .. make -j6 ``` # References 1. https://github.com/deepcam-cn/yolov5-face 2. https://github.com/derronqi/yolov7-face/tree/main 3. https://github.com/we0091234/yolov7-face-tensorrt 4. https://github.com/derronqi/yolov8-face 5. https://github.com/we0091234/crnn_plate_recognition 6. https://github.com/we0091234/Chinese_license_plate_detection_recognition