CV / LPRNet

LPRNet

RKNN recognizes cropped Chinese plates with a PP-OCR fallback, while the Hailo pipeline combines Tiny-YOLOv4 plate detection with LPRNet numeric OCR.

15 次下载

精度

RKNN / Hailo HEF

选择你正在使用的设备，设置指南和文档将相应更新。

平台

推理引擎

快速开始

部署

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

REST API

使用 REST API 进行推理。复制以下命令。

Curl

curl http://localhost:8080/v1/chat/completions -d '{
  "model": "lprnet-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'

Python

import requests

resp = requests.post(
    "http://localhost:8080/v1/chat/completions",
    json={"model": "lprnet-rknn", "messages": [{"role": "user", "content": "Hello"}]},
)
print(resp.json())

模型详情

在 reComputer RK3576 和 RK3588 上运行 LPRNet

该服务基于 reComputer-RK-CV 中的 LPRNet 模块。它使用 LPRNet 识别中国彩色车牌，并可将浅色或国际车牌交由内置的 PP-OCR 识别器处理。

模型信息

组件	文件
中国车牌识别器	`model/lprnet.rknn`
国际/浅色车牌备用识别器	`model/ppocr_rec.rknn`
PP-OCR 字典	`model/ppocr_keys_v1.txt`
输出	车牌文本、识别器、分数、边界框和拒绝信息

Web 界面提供四点选择工具。识别前会对所选四边形进行透视校正。

运行服务

RK3576

bash

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

RK3588

bash

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

打开 http://<BOARD_IP>:8000 或 /docs。摄像头 ID 对应 /dev/videoN。本地视频模式接受 --video 或 --video_path，且优先级高于摄像头。

启动参数

参数	默认值	说明
`--platform`	必填	`rk3576` 或 `rk3588`。
`--model_dir`	`model`	包含两个识别器、字典和预热图像。
`--camera_id`	`-1`	摄像头索引；`-1` 表示仅允许上传。
`--video`, `--video_path`	无	循环播放的本地 MP4；优先级高于摄像头。
`--host` / `--port`	`0.0.0.0` / `8000`	服务地址和端口。

Web 四点选择器允许独立移动每个角点。所选四边形会经过透视校正，并作为一张车牌进行识别。

REST API

端点： POST /api/models/lprnet/predict

bash

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

重要字段包括 manual_quad、manual_box、plate_layout、min_score、max_plates 和 min_text_length。plate_layout=auto 会为中国彩色车牌选择 LPRNet，为浅色/国际车牌选择 PP-OCR。

manual_quad 是由四个源图像坐标点组成的 JSON 数组。manual_box 为 [x1,y1,x2,y2]，会跳过自动定位。whole_image=true 表示图像已经裁剪为车牌区域。min_score 可用于相对筛选，但并不是经过校准的概率。

响应示例：

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"
  }
}

GET/POST /api/config 用于管理 min_score、max_plates、min_text_length 和 plate_layout。其他端点包括 GET /api/results/latest、MJPEG、MP4 上传、分析、进度、列表和下载。

适用范围和限制

内置的两个识别器都不是端到端车牌检测器。上传场景图像时应使用四点工具或 manual_quad。本地视频帧会被视为已裁剪的车牌，而摄像头场景框依赖轻量级 OpenCV 启发式方法。生产场景部署应加入专用车牌检测器。服务会优先排序明亮车牌候选区域，使其排在交通灯和尾灯之前，但这些图像处理启发式方法不能替代训练得到的检测器。

本地构建

bash

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

输入与输出

RKNN: cropped plate or selected region to recognized text. Hailo: traffic frame to detected plate box and CTC-decoded numeric plate text.