English | 简体中文

PP-Vehicle车牌识别模块

车牌识别，在车辆应用场景中有着非常广泛的应用，起到车辆身份识别的作用，比如车辆出入口自动闸机。PP-Vehicle中提供了车辆的跟踪及其车牌识别的功能，并提供模型下载：

任务	算法	精度	预测速度(ms)	预测模型下载链接
车辆检测/跟踪	PP-YOLOE-l	mAP: 63.9	-	下载链接
车牌检测模型	ch_PP-OCRv3_det	hmean: 0.979	-	下载链接
车牌识别模型	ch_PP-OCRv3_rec	acc: 0.773	-	下载链接

跟踪模型使用PPVehicle数据集（整合了BDD100K-MOT和UA-DETRAC），是将BDD100K-MOT中的car, truck, bus, van和UA-DETRAC中的car, bus, van都合并为1类vehicle(1)后的数据集。
车牌检测、识别模型使用PP-OCRv3模型在CCPD2019、CCPD2020混合车牌数据集上fine-tune得到。

使用方法

从上表链接中下载模型并解压到PaddleDetection/output_inference路径下，并修改配置文件中模型路径，也可默认自动下载模型。设置deploy/pipeline/config/infer_cfg_ppvehicle.yml中VEHICLE_PLATE的enable: True

infer_cfg_ppvehicle.yml中配置项说明：

VEHICLE_PLATE:                                                            #模块名称
  det_model_dir: output_inference/ch_PP-OCRv3_det_infer/                  #车牌检测模型路径
  det_limit_side_len: 480                                                 #检测模型单边输入尺寸
  det_limit_type: "max"                                                   #检测模型输入尺寸长短边选择，"max"表示长边
  rec_model_dir: output_inference/ch_PP-OCRv3_rec_infer/                  #车牌识别模型路径
  rec_image_shape: [3, 48, 320]                                           #车牌识别模型输入尺寸
  rec_batch_num: 6                                                        #车牌识别batchsize
  word_dict_path: deploy/pipeline/ppvehicle/rec_word_dict.txt             #OCR模型查询字典
  basemode: "idbased"                                                     #流程类型，'idbased'表示基于跟踪模型
  enable: False                                                           #功能是否开启

图片输入时，启动命令如下(更多命令参数说明，请参考快速开始-参数说明)。 ```python #单张图片 python deploy/pipeline/pipeline.py --config deploy/pipeline/config/infer_cfg_ppvehicle.yml \ --image_file=test_image.jpg \ --device=gpu \

#图片文件夹 python deploy/pipeline/pipeline.py --config deploy/pipeline/config/infer_cfg_ppvehicle.yml

                                               --image_dir=images/ \
                                               --device=gpu \


3. 视频输入时，启动命令如下
```python
#单个视频文件
python deploy/pipeline/pipeline.py --config deploy/pipeline/config/infer_cfg_ppvehicle.yml \
                                                   --video_file=test_video.mp4 \
                                                   --device=gpu \

#视频文件夹
python deploy/pipeline/pipeline.py --config deploy/pipeline/config/infer_cfg_ppvehicle.yml \
                                                   --video_dir=test_videos/ \
                                                   --device=gpu \

若修改模型路径，有以下两种方式：
- 方法一：./deploy/pipeline/config/infer_cfg_ppvehicle.yml下可以配置不同模型路径，车牌识别模型修改VEHICLE_PLATE字段下配置
- 方法二：命令行中--config配置项后面增加-o VEHICLE_PLATE.det_model_dir=[YOUR_DETMODEL_PATH] VEHICLE_PLATE.rec_model_dir=[YOUR_RECMODEL_PATH]修改模型路径。

测试效果如下：

方案说明

目标检测/多目标跟踪获取图片/视频输入中的车辆检测框，模型方案为PP-YOLOE，详细文档参考PP-YOLOE
通过车辆检测框的坐标在输入图像中截取每个车辆
使用车牌检测模型在每张车辆截图中识别车牌所在位置，同理截取车牌区域，模型方案为PP-OCRv3_det模型，经CCPD数据集在车牌场景fine-tune得到。
使用字符识别模型识别车牌中的字符。模型方案为PP-OCRv3_rec模型，经CCPD数据集在车牌场景fine-tune得到。

性能优化措施：

使用跳帧策略，每10帧做一次车牌检测，避免每帧做车牌检测的算力消耗。
车牌结果稳定策略，避免单帧结果的波动，利用同一个id的历史所有车牌识别结果进行投票，得到该id最大可能的正确结果。

参考资料

PaddeDetection特色检测模型PP-YOLOE。
Paddle字符识别模型库PaddleOCR。

ppvehicle_plate.md 5.5 KB Előzmények Nyers

PP-Vehicle车牌识别模块

使用方法

方案说明

参考资料

ppvehicle_plate.md 5.5 KB

Előzmények Nyers