人工智能计算机视觉OCR【免费下载链接】openalprAutomatic License Plate Recognition library项目地址https://gitcode.com/gh_mirrors/op/openalpr点击查看免费下载OpenALPR 是一个用 C 编写的开源自动车牌识别Automatic License Plate RecognitionALPR库能够分析静态图片与视频流输出图像中车牌的字符文本及其置信度。本指南以官方 README 为主线结合仓库源码与配置文件系统讲解 alpr 命令行工具的完整用法、安装与编译方式、Docker 部署以及 C#/Java/Go/Python 等多语言绑定的集成思路帮助你快速把车牌识别能力接入自己的应用。OpenALPR 是什么OpenALPR 是一个开源的自动车牌识别库核心引擎使用 C 编写同时提供 C#、Java、Node.js、Go 和 Python 的绑定。库本身分析图片和视频流识别其中的车牌区域输出结果是车牌的字符文本表示。项目许可证为 Affero GPLv3同时提供商业友好授权。仓库的核心结构清晰地反映了它的分层设计src/openalpr核心库源码包括车牌检测detection/、字符分割ocr/segmentation/、OCR 识别ocr/、后处理postprocess/、配置解析config.cpp等模块src/main.cppalpr 命令行工具的入口解析参数并驱动识别流程runtime_data运行时数据包括各国配置、OCR 语言包、车牌后处理模式等src/bindingsC#、Java、Go、Python 等语言的绑定源码。alpr 命令行工具最快速的起步方式OpenALPR 自带一个命令行工具最简单的用法是直接指定图片路径alpr ./samplecar.png对单张图片进行分析后工具会输出识别出的所有车牌每个车牌给出按置信度排序的 Top N 候选结果。例如分析某张包含车牌的图片可能得到如下输出plate0: top 10 results -- Processing Time 58.1879ms. - PE3R2X confidence: 88.9371 - PE32X confidence: 78.1385 - PE3R2 confidence: 77.5444 - PE3R2Y confidence: 76.1448 - P63R2X confidence: 72.9016 - FE3R2X confidence: 72.1147 - PE32 confidence: 66.7458 - PE32Y confidence: 65.3462 - P632X confidence: 62.1031 - P63R2 confidence: 61.5089默认情况下返回 10 个候选Top 10第一行中的Processing Time表示该车牌的处理耗时。从源码看这段输出逻辑位于 src/main.cpp识别结果遍历每个车牌打印候选字符与overall_confidence若指定了 pattern 或启用了区域检测还会额外输出pattern_match字段。完整的命令行参数在终端执行alpr --help即可查看详细用法。完整的使用说明如下USAGE: alpr [-c country_code] [--config config_file] [-n topN] [--seek integer_ms] [-p pattern code] [--clock] [-d] [-j] [--] [--version] [-h] image_file_path Where: -c country_code, --country country_code Country code to identify (either us for USA or eu for Europe). Defaultus --config config_file Path to the openalpr.conf file -n topN, --topn topN Max number of possible plate numbers to return. Default10 --seek integer_ms Seek to the specified millisecond in a video file. Default0 -p pattern code, --pattern pattern code Attempt to match the plate number against a plate pattern (e.g., md for Maryland, ca for California) --clock Measure/print the total time to process image and all plates. Defaultoff -d, --detect_region Attempt to detect the region of the plate image. [Experimental] Defaultoff -j, --json Output recognition results in JSON format. Defaultoff --, --ignore_rest Ignores the rest of the labeled arguments following this flag. --version Displays version information and exits. -h, --help Displays usage information and exits. image_file_path Image containing license plates OpenAlpr Command Line Utility各参数的解析在 src/main.cpp 中通过 TCLAP 库完成下面逐项说明其实际作用参数说明默认值-c country_code/--country指定识别国家/地区如us美国或eu欧洲也支持br、kr、in、au等其他已发布训练数据的国家代码us--config config_file指定 openalpr.conf 配置文件的路径覆盖默认查找路径空自动查找-n topN/--topn每个车牌最多返回多少个候选号码对应Alpr::setTopN10--seek integer_ms处理视频文件时跳到指定的毫秒位置开始0-p pattern code/--pattern让识别结果与车牌模式匹配如md马里兰、ca加州空--clock测量并打印处理整张图片和所有车牌的总耗时关闭-d/--detect_region尝试自动检测车牌所属地区实验性功能关闭-j/--json以 JSON 格式输出识别结果关闭--debug开启调试输出源码中的隐藏开关关闭--motion对视频或视频流使用运动检测只分析发生运动的区域关闭几个参数的底层行为值得展开说明--country会传递给Alpr构造函数并用于加载对应国家的训练数据。从 src/openalpr/config.cpp 的实现看国家代码会被解析并逐一套用配置第一个国家作为默认生效。--pattern调用的是alpr.setDefaultRegion(templatePattern)见 src/main.cpp识别时会将结果与后处理模式文件如 runtime_data/postprocess/us.patterns中的模式比对输出pattern_match标记。--json最终调用Alpr::toJson序列化结果见 src/main.cpp便于程序化消费。支持的输入类型从 src/main.cpp 的源码可以看出alpr 不仅能处理单张图片还支持多种输入源图片文件支持.png、.jpg、.jpeg、.tif、.bmp、.gif等格式视频文件支持.avi、.mp4、.webm、.flv、.mjpg、.mjpeg、.mkv处理时逐帧识别--seek可指定起始毫秒位置非 JSON 模式下会打印帧号网络摄像头/视频流传入webcam或/dev/videoNN 为设备编号可读取本地摄像头传入http://或https://开头的 URL 可分析远程视频流目录传入目录路径会遍历其中所有受支持的图片文件依次识别stdin 与-传入-会从标准输入读取图片二进制数据传入stdin则会逐行读取图片路径列表。安装方式Ubuntu 系统包安装在 Ubuntu 16.04 上可以直接用 apt 安装官方打包好的组件sudo apt-get update sudo apt-get install -y openalpr openalpr-daemon openalpr-utils libopenalpr-devDebian 系的打包规则位于 distros/debian/control从中可以看到各软件包的分工openalpr是命令行程序openalpr-daemon是后台守护进程可通过 HTTP 推送或 beanstalkd 队列消费识别结果openalpr-utils提供校准、基准测试、字符标注等训练辅助工具libopenalpr-dev是开发头文件与静态库python-openalpr/python3-openalpr是 Python 绑定。另外libopenalpr-data包提供各国车牌识别所需的运行时训练数据。预编译二进制Windows 平台可使用 releases 页面提供的预编译二进制包解压后即可运行 alpr 命令。从源码编译OpenALPR 支持在 Linux、macOS 和 Windows 上编译运行编译产物包括可执行文件alpr、静态库libopenalpr-static.a和动态库libopenalpr.so可以链接进自己的项目。编译前需要准备以下依赖库Tesseract OCRv3.0.4 及以上负责车牌字符的光学字符识别runtime_data/ocr/tessdata 中已包含各国训练好的语言数据OpenCVv2.4.8 及以上负责图像处理、车牌区域检测与视频解码。克隆仓库后将 Tesseract 和 OpenCV 源码分别下载到独立目录并编译安装然后进入 src 目录执行 CMake 构建流程。仓库自带的 Dockerfile 给出了完整的构建命令参考cmake -DCMAKE_INSTALL_PREFIX:PATH/usr -DCMAKE_INSTALL_SYSCONFDIR:PATH/etc .. make -j2 make install构建完成后即可得到alpr可执行文件以及可链接的库文件。使用 Docker 快速体验仓库根目录提供了 Dockerfile基于 Ubuntu 18.04 构建自动安装构建工具链、OpenCV、Tesseract 等依赖编译安装后以alpr作为容器入口。使用方式如下# 构建 docker 镜像 docker build -t openalpr https://github.com/openalpr/openalpr.git # 下载测试图片 wget http://plates.openalpr.com/h786poj.jpg # 在容器中运行 alpr 分析图片注意以 -c eu 指定欧洲车牌 docker run -it --rm -v $(pwd):/data:ro openalpr -c eu h786poj.jpg容器的工作目录为/data通过-v $(pwd):/data:ro把本地目录只读挂载进容器即可对本地图片执行识别。仓库中的 Dockerfile 展示了构建时使用的完整编译命令与 entrypoint 配置。配置文件与运行时数据alpr 依赖一个配置文件openalpr.conf和一套运行时数据目录。仓库中提供了默认配置模板 config/openalpr.conf.defaults 和 config/openalpr.conf.user用户安装后可将其复制为实际的 openalpr.conf 使用。配置文件的查找顺序见 src/openalpr/config.cpp为命令行--config显式指定 环境变量OPENALPR_CONFIG_FILE 可执行文件所在目录 编译时默认路径。运行时数据目录则由配置中的runtime_dir项指定默认指向安装前缀下的share/openalpr/runtime_data未安装时源码中的${CMAKE_INSTALL_PREFIX}占位符会被替换为实际安装前缀。配置文件中的核心参数包括参数默认值说明detectorlbpcpu车牌区域检测技术lbpcpuCPU 上的 LBP 检测、lbpgpuNVIDIA GPU 加速、lbpopenclOpenCL 加速需 OpenCV 3.0、morphcpu实验性的白色矩形检测detection_iteration_increase1.1LBP 检测框每轮迭代的放大比例必须大于 1.01.01 比 1.10 慢约 10 倍但更易精准命中车牌detection_strictness3检测严格度对应 LBP 最近邻聚集数量2 非常宽松9 非常严格max_plate_width_percent/max_plate_height_percent100忽略超过画面一定比例的车牌适合车牌距离固定的场景以提升效率max_detection_input_width/max_detection_input_height1280/720检测阶段输入图像的最大尺寸像素超大会自动缩放以提速prewarp空相机标定参数用于矫正倾斜拍摄造成的形变可用 openalpr-utils-calibrate 工具生成must_match_pattern0置 1 时所有结果必须匹配后处理模式否则被淘汰skip_detection0置 1 时跳过车牌区域检测假定每个 ROI 都是可能的车牌区域detection_mask_image空指定黑白掩码图路径黑色区域被忽略、白色区域被搜索限制检测范围analysis_count1对同一图片用不同随机化扫描多次大于 1 可能提升准确率但耗时线性增长contrast_detection_threshold0.3高对比度车牌裁切判定阈值0.0 表示全部视为高对比度1.0 表示全部不视为postprocess_min_confidence65后处理阶段认可的最低 OCR 置信度百分比postprocess_confidence_skip_level80低于该置信度的字符会被视为可能识别错误而加入替换候选每个国家还有独立的地区配置文件位于 runtime_data/config例如 us.conf 定义了美式车牌的物理尺寸plate_width_mm 304.8、plate_height_mm 152.4、字符尺寸、分割参数char_analysis_min_pct、segmentation_min_speckle_height_percent等、OCR 语言包ocr_language lus和正反色模式invert auto。而 eu.conf 则针对欧洲单行车牌520mm × 110mm设置了不同的字符比例与分割参数并指定ocr_language leu。这些参数直接决定了识别效果需要根据实际场景微调。车牌后处理模式定义在 runtime_data/postprocess以us.patterns为例每行格式为地区代码 模式如md ###表示马里兰州车牌是字母三位字母数字两位数字结构fl ####[GH]表示佛罗里达州某类车牌的特定字符约束。代表字母、#代表数字、方括号内是可选的字符集。识别时-p参数指定的模式会与候选结果比对输出pattern_match字段。集成到自己的应用C APIOpenALPR 的核心 API 定义在 src/openalpr/alpr.h 中Alpr类提供了完整的识别能力构造函数Alpr(country, configFile, runtimeDir)按国家初始化识别引擎recognize系列重载支持从磁盘文件路径、编码图像字节、原始像素数据三种输入进行识别像素数据输入还可附带感兴趣区域AlprRegionOfInterest列表setTopN设置返回的候选数量setCountry切换国家setDetectRegion开启实验性的地区自动检测setDefaultRegion设置默认地区模式setPrewarp与setMask可运行时更新矫正参数与检测掩码toJson/fromJson提供结果对象与 JSON 之间的互相转换isLoaded用于确认引擎加载成功。Python 绑定Python 绑定源码位于 src/bindings/python/openalpr/openalpr.py通过 ctypes 加载libopenalprpy.soWindows 下为.dllmacOS 下为.dylib实现调用。核心用法如下from openalpr import Alpr alpr Alpr(us, /etc/openalpr/openalpr.conf, /usr/share/openalpr/runtime_data) if not alpr.is_loaded(): print(OpenALPR 加载失败) exit(1) alpr.set_top_n(5) alpr.set_default_region(md) # 从文件识别 results alpr.recognize_file(/path/to/plate.jpg) # 从字节数组识别 with open(/path/to/plate.jpg, rb) as f: results alpr.recognize_array(f.read()) # 从 numpy 数组识别如 OpenCV 读入的帧 import cv2 frame cv2.imread(/path/to/plate.jpg) results alpr.recognize_ndarray(frame) alpr.unload()绑定还提供set_country、set_prewarp、set_detect_region、get_version等接口并且支持with语句自动释放资源见 openalpr.py。识别结果以字典形式返回。其他语言绑定仓库还提供以下语言的绑定实现位于 src/bindings 目录Java基于 JNI接口类定义在 src/bindings/java/src/com/openalpr/jni/Alpr.javaGo通过 CGO 封装见 src/bindings/go/openalpr/openalpr.goC#托管封装与示例工程位于 src/bindings/csharp。深入理解一次识别是怎么完成的通过 src/main.cpp 中的detectandshow函数可以看到完整的调用链先由可选的运动检测MotionDetector划定感兴趣区域或默认使用整幅图像作为 ROI然后调用alpr-recognize(...)执行识别最后根据--clock与-j参数输出耗时或 JSON。recognize内部的核心流水线对应 src/openalpr 目录下的模块包括车牌检测detection使用 LBP 级联分类器在图像中定位疑似车牌区域边缘与线条分析edges通过边缘检测与直线分析确定车牌四角与边界字符分割ocr/segmentation将车牌区域内的字符逐一分割其参数由地区配置文件中的char_analysis_*、segmentation_*控制OCR 识别ocr基于 Tesseract 识别每个字符runtime_data/ocr/tessdata 中的l*.traineddata文件即各国车牌专用的 OCR 语言模型后处理postprocess结合 runtime_data/postprocess 中的模式对候选结果进行筛选与排序输出最终 Top N。仓库的测试用例 src/tests/test_api.cpp 验证了AlprResults/AlprPlateResult与 JSON 之间的序列化/反序列化往返一致性可作为理解结果对象结构的参考。常见问题与调试技巧识别结果不准确先确认-c国家代码与车牌所属地区一致检查 runtime_data/config 中对应国家的配置是否与真实车牌尺寸相符对倾斜拍摄的固定机位使用 openalpr-utils-calibrate 工具生成prewarp参数写入配置。处理速度慢调整max_detection_input_width/height缩小检测输入增大detection_iteration_increase设置detection_mask_image将搜索限定在固定区域对实时视频使用--motion运动检测。需要更多候选用-n增大 TopN或调整 us.conf 中的postprocess_min_confidence降低过滤阈值。排错配置文件中有一系列debug_*开关debug_detector、debug_char_segment、debug_ocr、debug_postprocess等置 1 后可输出各阶段的中间结果帮助定位问题发生在检测、分割还是识别环节。参与贡献对 OpenALPR 的改进始终欢迎除了代码贡献也可以向项目上传车牌图像数据集用于训练或参与车牌图像的标注工作。仓库根目录的 CONTRIBUTING.md 提供了贡献指南许可协议为 AGPLv3见 LICENSE商业友好授权可通过官方渠道联系获取。赞分享人工智能计算机视觉OCR【免费下载链接】openalprAutomatic License Plate Recognition library项目地址https://gitcode.com/gh_mirrors/op/openalpr点击查看免费下载相关推荐5分钟上手OpenALPR车牌识别API从调用到实战轻松构建智能交通应用5分钟上手OpenALPR车牌识别API从调用到实战轻松构建智能交通应用 OpenALPRAutomatic License Plate Recognit人工智能计算机视觉OCROpenALPR多国家车牌识别配置实战指南10分钟快速上手多国车牌检测OpenALPR多国家车牌识别配置实战指南10分钟快速上手多国车牌检测 OpenALPR是一个强大的开源自动车牌识别库支持全球多个国家和地区的车牌检测与识别人工智能计算机视觉OCROpenALPR移动端SDK开发iOS平台实践指南OpenALPR移动端SDK开发iOS平台实践指南 OpenALPR是一个开源的 自动车牌识别Automatic License Plate Recogni人工智能计算机视觉OCR上一篇gRPC-Java 开源项目入门指南下一篇3步打造完美中文Kodi媒体中心视频搜索与字幕解决方案创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考