PaddleOCR实现车牌识别系统

效果展示

如何实现

1.OpenCV环境：个人采用的是OpeCV-440-release版本，网上有很多相关教程
2.PaddleOCR: 这里需要3个文件

models:识别模型下载
paddle_inference_install_dir:预测库下载
PaddleOCR-release-2.0：PaddleOCR 2.0源码下载

models下载
预测库下载：2.0.0版本迅雷下载链接
***PaddleOCR-release-2.0:***
接下来在下图文件夹中建立一个build文件夹

利用CMake编译PaddleOCR源码：添加好路径后，依次点击Configure,Genrate即可

点击ocr_system.sln进入项目中，将ocr_system设为启动项

我简单修改了一下main函数，如果采用我的main函数记得同时将在ocr_rec.h和ocr_rec.cpp中的run函数参数列表末尾添加上vector&result，这里是因为我想让结果返回在main函数里

#include "glog/logging.h"
#include "omp.h"
#include "opencv2/core.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/imgproc.hpp"
#include
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 
#include 

using namespace std;
using namespace cv;
using namespace PaddleOCR;

int main(int argc, char **argv) {
   OCRConfig config("config.txt");
   std::string img_path("22.jpg");
  cv::Mat srcimg = cv::imread(img_path, cv::IMREAD_COLOR);
  if (srcimg.empty())
  {
      cerr << "图片打开失败" << endl;
      return -1;
  }
  resize(srcimg,srcimg,cv::Size(640,640));
  imshow("检测图",srcimg);
  DBDetector det(config.det_model_dir, config.use_gpu, config.gpu_id,
                 config.gpu_mem, config.cpu_math_library_num_threads,
                 config.use_mkldnn, config.max_side_len, config.det_db_thresh,
                 config.det_db_box_thresh, config.det_db_unclip_ratio,
                 config.visualize, config.use_tensorrt, config.use_fp16);
  Classifier *cls = nullptr;
  if (config.use_angle_cls == true) {
    cls = new Classifier(config.cls_model_dir, config.use_gpu, config.gpu_id,
                         config.gpu_mem, config.cpu_math_library_num_threads,
                         config.use_mkldnn, config.cls_thresh,
                         config.use_tensorrt, config.use_fp16);
  }
  CRNNRecognizer rec(config.rec_model_dir, config.use_gpu, config.gpu_id,
                     config.gpu_mem, config.cpu_math_library_num_threads,
                     config.use_mkldnn, config.char_list_file,
                     config.use_tensorrt, config.use_fp16);
  auto start = std::chrono::system_clock::now();
  std::vector<std::vector<std::vector<int>>> boxes;
  det.Run(srcimg, boxes);
  system("cls");
  vector<vector<string>>result;
  rec.Run(boxes, srcimg, cls,result);  
  //输出结果
  auto it_result = result.begin();
  while (it_result != result.end())
  {
      auto it_str = (*it_result).begin();
      while (it_str != (*it_result).end())
      {
          cout << *it_str++;
      }
      cout << endl;
      ++it_result;
  }

  auto end = std::chrono::system_clock::now();
  auto duration = std::chrono::duration_cast<std::chrono::microseconds>(end - start);
  std::cout << "Cost  "
            << double(duration.count()) *
                   std::chrono::microseconds::period::num /
                   std::chrono::microseconds::period::den
            << "s" << std::endl;
  Mat img = imread("ocr_vis.png");
  imshow("检测结果图",img);
  waitKey(0);
  return 0;
}

最后想要让我们的代码运行起来还需要一些条件

config.txt中需要修改三处位置，分别指向我们下载好的识别模型

这里为了方便，我将三个模型名字改了一下，因为我将models和ppocr_keys_v1.txt都直接放入放入当前目录了，所以写的是相对路径。ppocr_keys_v1.txt在PaddleOCR-release-2.0\ppocr\utils下，最后我们添加需要识别的图片和在main函数里修改图片路径，点击运行就可以出现文章开头的识别效果啦
更多的功能可以在这基础上进行扩展，如UI，交互等
参考博客：https://blog.csdn.net/stq054188/article/details/114002913