LPRNet

Snel aan de slag

1. Docker installeren

Voer de volgende opdrachten op het ontwikkelbord uit om Docker te installeren:

# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
# Aliyun
sudo sh get-docker.sh --mirror Aliyun
# systemd
sudo systemctl enable docker
sudo systemctl start docker

2. Het project uitvoeren (één opdracht, voorbeeld in twee modi)

Deze service is gebaseerd op de LPRNet-module in reComputer-RK-CV. Hij herkent gekleurde Chinese kentekenplaten met LPRNet en kan lichte of internationale platen doorsturen naar de meegeleverde PP-OCR-herkenner.

Modelinformatie

De webinterface bevat een selectiegereedschap met vier punten. De geselecteerde vierhoek wordt vóór herkenning perspectivisch rechtgezet.

Stap A: Images ophalen

sudo docker pull ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-lprnet:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-lprnet:latest

Stap B: Met één klik uitvoeren

Voor RK3576:

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  --device /dev/dri/renderD129:/dev/dri/renderD129 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-lprnet:latest \
  python web_service.py --platform rk3576 --model_dir /app/model \
  --camera_id -1 --host 0.0.0.0 --port 8000

Voor RK3588:

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  --device /dev/dri/renderD129:/dev/dri/renderD129 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-lprnet:latest \
  python web_service.py --platform rk3588 --model_dir /app/model \
  --camera_id -1 --host 0.0.0.0 --port 8000

Open http://<BOARD_IP>:8000 of /docs. Camera-ID’s komen overeen met /dev/videoN. De lokale-videomodus accepteert --video of --video_path en heeft voorrang op de camera.

🔌 API-documentatie

1. Kentekenherkenning (Predict)

Endpoint: POST /api/models/lprnet/predict

Aanvraagparameters (Multipart/Form-Data):

Upload file; beheer herkenning met whole_image, plate_layout, manual_quad, manual_box, min_score, max_plates en min_text_length.

Gebruiksvoorbeelden:

curl -X POST "http://<BOARD_IP>:8000/api/models/lprnet/predict" \
  -F "file=@plate.jpg" -F "whole_image=true" \
  -F "plate_layout=auto"

Belangrijke velden zijn manual_quad, manual_box, plate_layout, min_score, max_plates en min_text_length. plate_layout=auto kiest LPRNet voor gekleurde Chinese platen en PP-OCR voor lichte/internationale platen.

manual_quad is een JSON-array met vier punten in de bronafbeelding. manual_box is [x1,y1,x2,y2] en slaat automatische lokalisatie over. whole_image=true markeert een al uitgesneden plaat. min_score is bruikbaar voor relatieve filtering, maar is geen gekalibreerde kans.

Antwoordformaat (JSON):

{
  "success": true,
  "model": "lprnet",
  "result": {
    "plates": [
      {
        "text": "京A12345",
        "recognition_score": 0.91,
        "candidate_score": 1.0,
        "recognizer": "lprnet",
        "box": [0, 0, 94, 24]
      }
    ],
    "count": 1,
    "source_mode": "plate_crop"
  }
}

2. Interface voor systeemconfiguratie (Config)

GET/POST /api/config beheert min_score, max_plates, min_text_length en plate_layout. Andere endpoints zijn GET /api/results/latest, MJPEG, MP4-upload, analyse, voortgang, lijst en download.

3. Opdrachtregelargumenten

Met de vierpuntsk selector kan elke hoek afzonderlijk worden verplaatst. De vierhoek wordt perspectivisch gecorrigeerd en als één plaat herkend.

Realtime videostream (Video Feed)

Haal de nieuwste geannoteerde MJPEG-stream op voor de browserweergave:

• Endpoint: GET /api/video_feed
• Voorbeeldgebruik: <img src="http://<BOARD_IP>:8000/api/video_feed">

🛠️ Ontwikkelaarshandleiding (aanbevelingen voor productie)

Bereik en beperkingen

Geen van beide meegeleverde herkenners is een end-to-end kentekendetector. Gebruik voor geüploade scènebeelden het vierpuntsgereedschap of manual_quad. Lokale videoframes worden als al uitgesneden platen behandeld, terwijl cameravakken op lichte OpenCV-heuristieken vertrouwen. Voeg voor productie een specifieke kentekendetector toe. De service geeft heldere plaatkandidaten voorrang boven verkeerslichten en achterlichten, maar deze heuristieken vervangen geen getrainde detector.

Lokaal bouwen

docker build -f docker/rk3576/lprnet.dockerfile \
  -t rk3576-lprnet:local src/rk3576_lprnet

docker build -f docker/rk3588/lprnet.dockerfile \
  -t rk3588-lprnet:local src/rk3588_lprnet