# plate_detector

**Repository Path**: sunqiangAAA/plate_detector

## Basic Information

- **Project Name**: plate_detector
- **Description**: 车牌检测+车牌校正+车牌文字颜色识别
- **Primary Language**: C++
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: https://gitee.com/sunqiangAAA
- **GVP Project**: No

## Statistics

- **Stars**: 10
- **Forks**: 6
- **Created**: 2024-01-15
- **Last Updated**: 2025-08-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 车牌检测, 车牌校正, 车牌识别, Cpp, onnx

## README

# PlateDetection-onnxruntime-C++

车牌检测+车牌校正+车牌识别（文字和颜色）(有问题可以联系：18844182902@163.com（微信：SQ1341440495）)

## 支持:

- 1.单行蓝牌
- 2.单行黄牌
- 3.新能源车牌
- 4.白色警用车牌
- 5.教练车牌
- 6.武警车牌
- 7.双层黄牌
- 8.双层白牌
- 9.使馆车牌
- 10.港澳粤Z牌
- 11.双层绿牌
- 12.民航车牌

## 依赖:
- OpenCV 4.x
- ONNXRuntime 1.7+
- OS: Tested on Windows 10 and Ubuntu 20.04
- CUDA 11+ [Optional]
## 一、自己构建（不推荐）
### 构建
1、查看电脑对应版本的onnxruntime版本,查看地址：https://onnxruntime.ai/docs/execution-providers/CUDA-ExecutionProvider.html#requirements

2、下载自己电脑对应版本的ONNXRUNTIME（下载GPU版本需要cuda和cudnn对应，详见步骤1）,下载地址：https://github.com/microsoft/onnxruntime/releases

3、下载后解压，将include和lib文件覆盖项目中对应文件。

```bash
mkdir build
cd build
cmake .. 
cmake --build .
```

### 运行

```shell
# 获取帮助
yolo_ort -h
```

```shell
# 使用命令行参数指定模型路径(models)和图像路径(images)
./yolo_ort --model_path "<model_path>" --plate_path "<plate_path>" --image "<image_path>" --class_names "<class_names_path>" --gpu
```

- 使用CPU：

```shell
# 使用命令行参数指定模型路径(models)和图像路径(images)
./yolo_ort --model_path "<model_path>" --plate_path "<plate_path>" --image "<image_path>" --class_names "<class_names_path>"
```

## 二、Docker构建（推荐）

步骤1：从Docker Hub拉取镜像

```dockerfile
docker pull sunqiang188/plate_detector:latest
```

步骤2：运行Docker

```dockerfile
docker run -dt --name plate_detect --restart=always -m 8000M --gpus all --memory-swap -1 plate_detector:latest
```

步骤3：进入Docker的Shell

```
docker exec -it plate_detect /bin/bash
```

步骤4：执行命令

```shell
cd ./plate_detector
mkdir build && cd ./build
cmake ..
make 
```

步骤5：运行
```
# 获取帮助
./yolo_ort -h
# --model_path 车牌检测模型 --plate_path 车牌识别模型 --image 图片路径 --class_names 类别名称 --gpu 开启GPU推理
./yolo_ort --model_path "<model_path>" --plate_path "<plate_path>" --image "<image_path>" --class_names "<class_names_path>"
```

## 参考

- YOLO v5 repo: https://github.com/ultralytics/yolov5
- YOLOv5 Runtime Stack repo: https://github.com/zhiqwang/yolov5-rt-stack
- ONNXRuntime Inference examples: https://github.com/itsnine/yolov5-onnxruntime 
- 车牌检测训练：https://github.com/we0091234/Chinese_license_plate_detection_recognition
- 车牌识别训练：https://github.com/we0091234/crnn_plate_recognition