超详细中文车牌识别开源库EasyPR入门实战（win10_VS2019_opencv34）

中文车牌识别库EasyPR配置全过程及编译问题解决（win10_VS2019_opencv34）

一.开源库介绍

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java等平台。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。

二.准备工作

EasyPR源码下载

使用git或者直接在github仓库下载压缩包。地址如下：
EasyPR

Opencv下载与编译

在windows下使用opencv库方法主要分为两种：1.从源码使用cmake进行编译，过程比较复杂。常见于使用非VS的idle如用mingw使用opencv；2.直接使用编译好的lib库和和可执行文件dll。本文在VS2019下使用opencv，所以使用编译好的文件以求便捷。具体过程如下：

首先，进入opencv官方的库分发地址中，下载opencv3.4的最新windows安装文件。下载地址

将下载好的压缩包解压到合适的地方，得到下列文件，下文将介绍如何使用：

软件环境配置

解压好EasyPR库文件，文件目录一目了然，打开程序的sln文件：
)
过程中如果出现新旧VS版本的提示问题，点确定即可：
)
可以看到有两个子模块：

首先右键单击demo，选择其属性，选择release_64位进行配置，选择合适的sdk版本，不然会报很多缺少头文件的错误。

接下来，分别将头文件目录，库文件目录和链接添加到VS工程相应的属性设置中。

将opencv的头文件和库本身的本地头文件添加到包含目录中，如下：

库目录选择VS2019对应的vc15里的lib文件夹：\opencv\build\x64\vc15\lib，如下：

将系统里的原有的链接器修改为自己对应的版本，比如本文的版本为：
)

对libeasypr做同样的配置，这里不再赘述。注意因为libeasypr生成的是lib文件，所以不需要配置链接器。
当运行未出现以下错误时，说明基本配置成功。

三.编译中的几个问题

1.明明配置完成还是找不到opencv.hpp

本文配置试下64位的release下，查看是否在其他运行，如下：

2.出现ANN_MLP有关的问题

这个是由于opencv版本的问题，作者已经在主页中进行说明，具体解决方法为：

对于Opencv3.2或以上版本，如果碰到编译问题，例如“ANN_MLP”相关的错误，尝试将config.h中将#define CV_VERSION_THREE_ZERO改为#define CV_VERSION_THREE_TWO试试.

3.检测到“RuntimeLibrary”的不匹配项: 值“MD_DynamicRelease”不匹配值“MT_StaticRelease”

这个为生成lib对应的是debug而不是release，解决方法：libeasypr工程上右键-》属性-》c/c+±》代码生成-》运行库改成（release为MT，debug为MTD）即可解决：

4.找不到opencv_world3413.dll

使用opencv常见的错误，具体原理大致为程序链接了该dll库，但是自己可用的地址中找不到。所以有两种解决方式：1.将该\opencv\build\x64\vc15\bin文件夹添加到系统环境变量。2.本文推荐，将\opencv\build\x64\vc15\bin下的opencv_world3413.dll直接复制到本工程和exe的同目录，如：

四.简单的运行结果

进行编译运行：

当出现此界面时，恭喜你基本已经编译完成，但是当选择1-1的定位测试时，程序可能没有反应，这是因为两个原因：1.测试图片的相对路径是在linux下的路径方式，虽然说相对路劲等价，但是直接使用总是会有点问题；2.查看demo主程序中写的路径，demo文件下并没有此文件夹，这个resources文件在系统目录下，而且训练好的模型model的文件也在EasyPR下，所以我们使用命令行的方式进行EasyPR的识别功能的简单测试，训练功能以后再尝试。
下面是官方提供的使用示例：官方使用说明

#利用提供的SVM和ANN模型来识别一张图片里面的所有车牌
$ ./demo recognize -p resources/image/plate_recognize.jpg --svm model/svm.xml --ann model/ann.xml
#或者更简单一些(注意模型路径)
$ ./demo recognize -p resources/image/plate_recognize.jpg
1
2
3
4

将model文件夹和resource文件夹放入demo.exe的同名文件夹下：

在地址栏输入cmd并回车，或者使用任何其他的命令行在此文件下打开：

因为windows下的地址是反斜杠而且可执行文件不同，所以略微有一些区别：

$ .\demo.exe recognize -p resources\image\plate_recognize.jpg
1

识别成功：

其他相应的功能，可以输入.\demo.exe -h进行查看。
在网上随便找一张车牌图片，改名为test.jpg放在demo.exe同目录下：

数字识别成功，但是汉字失败，说明还有不少改进的空间：
同时，由于已经将model和resources文件夹放好，所以批量测试是可以使用的：
在命令行中选择2.批量测试—1.general_test，可以执行。

五.后续工作

因为时间和篇幅的问题，本文暂时结束于此，后续有机会将介绍如何在自己的C++程序中调用、集成该库以及自己数据的训练过程。
希望本文对大家有所帮助！