EasyPR是一个中文的开源车牌识别系统，其目标是成为一个简单、高效、准确的车牌识别引擎。

相比于其他的车牌识别系统，EasyPR有如下特点：

• 它基于openCV这个开源库。这意味着你可以获取全部源代码，并且移植到opencv支持的所有平台。
• 它能够识别中文。例如车牌为苏EUK722的图片，它可以准确地输出std:string类型的"苏EUK722"的结果。
• 它的识别率较高。图片清晰情况下，车牌检测与字符识别可以达到80%以上的精度。

本次更新是1.3 测试版，主要改进在于几个方面：

1.增加了50张左右的新图片。见下图：

2.增加了extreme_test文件夹，这里的图片以极端难处理情况为主。见下图：

3.重构了整体架构，将EasyPR核心以静态库的方式编译，分离出通用接口等等。此部分改善由Micooz贡献。见下图：

4.代码优化，提高易懂与可读性。

下个版本会正式发布1.3 正式版。

目前除了windows平台以外，还有以下其他平台的EasyPR版本。一些平台的版本可能会暂时落后于主平台。

EasyPR是基于opencv2.4.8版本开发的，2.4.8以上的版本应该可以兼容，以前的版本可能会存在不兼容的现象。opencv3.0的版本还没有经过测试。

假设我们有如下的原始图片，需要识别出中间的车牌字符与颜色：

经过EasyPR的第一步处理车牌检测（PlateDetect）以后，我们获得了原始图片中仅包含车牌的图块：

接着，我们对图块进行OCR过程，在EasyPR中，叫做字符识别（CharsRecognize）。我们得到了一个包含车牌颜色与字符的字符串：

“蓝牌：苏EUK722”

EasyPR的源代码与训练数据遵循Apache v2.0协议开源。

EasyPR的resources/image/general_test文件夹下的图片数据遵循GDSL协议（通用数据共享协议）进行开放。

请确保在使用前了解以上协议的内容。

以下表格是本工程中所有目录的解释:

以下表格是resources/image目录中子目录的解释:

以下表格是src目录中子目录的解释:

以下表格是src目录下一些核心文件的解释与关系:

以下表格是test目录下文件的解释:

EasyPR的所有源代码可在Github上的项目主页直接打包下载得到，如果你熟悉git版本控制工具，可以使用下面的命令来克隆代码：

$ git clone https://github.com/liuruoze/EasyPR

EasyPR支持当前主流的操作系统，通常不需要对源代码进行更改就可以编译运行，尽管如此，不同平台上IDE的配置也是有很大差异的，下面主要说明Windows，Linux以及Mac OS下的编译方法。

Note: 无论在哪个平台使用EasyPR，都要安装对应平台版本的opencv，建议使用正式稳定版本。

Windows下的配置以Visual Studio 2013为例，其他版本大同小异。

• 打开项目目录下的解决方案文件EasyPR.sln。

Note: 该解决方案会加载两个项目，一个是EasyPR，用于编译src/下的源文件生成静态库libeasypr.lib；另一个是Demo，用来编译test/下的main.cpp，并链接libeasypr.lib生成可执行程序。

• 配置OpenCV库

OpenCV for Windows通常会将使用VS编译好二进制文件放到opencv\build\目录下。

EasyPR两个项目的Debug和Release模式都会引用opencv.props属性表，用属性表管理器打开，修改用户宏里面的OpenCV项，使之指向你的OpenCV的build目录。

Note: 如果你使用的opencv版本不是2.4.11，请修改属性表下的链接器-输入-附加依赖项，调整为对应版本的lib。

Note: 如果你要使用X64的opencv库或者其他版本的VS，请修改链接器-常规-附加库目录，调整为对应的版本。

• 生成解决方案

默认情况下，生成出现的libeasypr.lib和easypr_test.exe会放在bin\debug(release)下。

Note: 直接双击运行程序会出现找不到opencv动态库的情况，这个时候只需要在opencv\build\x86(x64)\vc(..)\bin下找到缺失的dll放到执行目录即可。

EasyPR使用CMake在Linux及Mac OS下进行构建，确保系统安装了最新版本的CMake，然后在任意目录(将存放编译所需的Makefile)执行：

$ cmake path/to/EasyPR

完成后在同一目录下执行编译命令：

$ make

CMake将首先把EasyPR/src下的源文件编译打包为静态库libeasypr.a，然后编译test/main.cpp，链接静态库生成可执行程序easypr_test。

Note: 你可以直接利用EasyPR/include和这个静态库来调用EasyPR提供的函数接口编写自己的程序。

运行Demo：

$ ./easypr_test // 进入菜单交互界面
$ ./easypr_test ? // 查看CLI帮助

可以向easypr_test[.exe]传递命令行参数来完成你想要的工作，目前Demo支持四个子命令，其他功能如字符识别将逐步加入。对于每个子命令的帮助信息可以传入-h参数来获取。

车牌识别

# 利用提供的SVM和ANN模型来识别一张图片里面的所有车牌
$ ./easypr_test recognize -p resources/image/plate_recognize.jpg --svm resources/model/svm.xml --ann resources/model/ann.xml
# 或者更简单一些(注意模型路径)
$ ./easypr_test recognize -p resources/image/plate_recognize.jpg

SVM训练

# 首先生成训练用图片
$ ./easypr_test svm --create --in raw/ --out learn/
# 接下来给训练用图片打标签，自动把“是”车牌的图块放到has/，“不是”车牌的图块放到no/里，注意这里要使用svm.xml的原因是为了简化你的分类工作量，你也可以手动对图块分类
$ ./easypr_test svm --tag --source=learn/ --has=has/ --no=no/ --svm=resources/model/svm.xml
# 接下来就是训练过程了，--divide意味着训练程序会对两个目录下的图块进行划分，默认是70%的训练数据，30%的测试数据，分别放在
# has/train(70%), has/test; 
# no/train(70%), no/test
# Note: 目前你需要自己建立子目录
$ ./easypr_test svm --train --has-plate=has/ --no-plate=no/ --divide --svm=save/to/svm.xml

详细的开发与教程请见介绍与开发教程。

如果你在使用过程中遇到任何问题，请在这里告诉我们。

• liuruoze：1.0-1.2版作者，1.3版整合工作

• 海豚嘎嘎：1.3alpha-beta版主要贡献者，提升了车牌定位与字符识别的准确率

• Micooz：架构优化，代码重构，linux与mac的跨平台编译等

• jsxyhelu：deface版本一

• zhoushiwei：deface版本二

• ahccom：新的plateLocate函数

• 阿水：1.3版整合，数据标注等工作

taotao1233，邱锦山，唐大侠，jsxyhelu，如果有一天(zhoushiwei)，学习奋斗，袁承志，

圣城小石匠，goldriver，Micooz，梦里时光，Rain Wang，任薛纪，ahccom，星夜落尘，海豚嘎嘎