OpenALPR 為一開源車牌辨識程式庫(github連結)。

最新的 Ubuntu 16.04 上已納入系統套件庫，可直接 apt-get 安裝，不過截至目前為止(2017/02) raspbian 上還沒有編譯好的套件，需要手動編譯安裝。

這裡亦列出 Ubuntu 16.04 上的套件安裝方法供參考

Ubuntu 16.04

$ sudo apt-get update && sudo apt-get install -y openalpr openalpr-daemon openalpr-utils libopenalpr-dev

用圖片檔測試結果：

$ wget http://plates.openalpr.com/ea7the.jpg
$ alpr -c us ea7the.jpg

$ wget http://plates.openalpr.com/h786poj.jpg
$ alpr -c eu h786poj.jpg

在 Raspberry Pi3 上安裝 OpenALPR

影像辨識向來都是 CPU intensive 應用，加上底下的程式編譯過程須花費長久時間，在 Pi3 上需要一個多小時的編譯時間，Pi2 應該也跑得動但編譯時間會增加，Pi1 就不建議了。

系統使用 raspbian jessie，OpenALPR 需要 OpenCV 與 tesseract-ocr，可分別獨立安裝。

安裝 OpenCV

在 Raspberry Pi3 安裝 OpenCV 最詳盡的 step by step 步驟莫過於這篇了。摘要如下：

確定記憶卡上有足夠的空間，下載與編譯需要用個 3~4G，我是用 8G 的卡安裝 raspbian lite，空間還夠用，記得使用 sudo raspi-config 設定將檔案系統擴展到使用整張記憶卡空間。

安裝編譯環境與工具

養成好習慣，先來個更新：

 $ sudo apt-get update
 $ sudo apt-get upgrade

安裝編譯環境與工具

 $ sudo apt-get install build-essential cmake pkg-config

一些必要的相依性套件

 $ sudo apt-get install libjpeg-dev libtiff5-dev libjasper-dev libpng12-dev
 $ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
 $ sudo apt-get install libxvidcore-dev libx264-dev

要使用 OpenCV 的 highgui 圖形介面的需要這個：

 $ sudo apt-get install libgtk2.0-dev

矩陣數值運算會用到

 $ sudo apt-get install libatlas-base-dev gfortran

需要 python 標頭檔

 $ sudo apt-get install python2.7-dev python3-dev

下載 OpenCV 與 OpenCV_contrib 程式庫原始碼檔案並解壓縮：

 $ cd ~
 $ wget -O opencv.zip https://github.com/Itseez/opencv/archive/3.1.0.zip
 $ unzip opencv.zip
 
 $ wget -O opencv_contrib.zip https://github.com/Itseez/opencv_contrib/archive/3.1.0.zip
 $ unzip opencv_contrib.zip

接著來搞定 Python 環境，建議使用 virtualenv + virtualenvwrapper 建立獨立環境，可避免干擾系統相關 Python 程式庫。

首先先重新手動安裝 pip，為什麼要手動安裝? 因為 raspbian 系統的 pip 版本太舊了!

 $ wget https://bootstrap.pypa.io/get-pip.py
 $ sudo python get-pip.py

安裝 virtualenv 與 virtualenvwrapper

 $ sudo pip install virtualenv virtualenvwrapper
 $ sudo rm -rf ~/.cache/pip

修改 ~/.profile，在檔案最後加入下列幾行：

 # virtualenv and virtualenvwrapper
 export WORKON_HOME=$HOME/.virtualenvs
 source /usr/local/bin/virtualenvwrapper.sh

想要不登出，重新載入系統環境變數，可用：

想要使用 python 2 的：

 $ mkvirtualenv cv2 -p python2

想要使用 python 3 的：

 $ mkvirtualenv cv3 -p python3

上面的 cv2/cv3 是自己取的名稱，方便辨識即可

爾後要切換不同 python 環境，使用 workon xx 即可，離開環境則使用 deactivate 指令，例如：

切換至名為 cv2 的 python 2 環境：

 $ workon cv2

切換至名為 cv3 的 python 3 環境：

 $ workon cv3

在系統提示符號前方會有一括號標示現在所處的 virtualenv 環境。

開始編譯安裝 OpenCV

 $ cd ~/opencv-3.1.0/
 $ mkdir build
 $ cd build
 $ cmake -D CMAKE_BUILD_TYPE=RELEASE \
     -D CMAKE_INSTALL_PREFIX=/usr/local \
     -D INSTALL_PYTHON_EXAMPLES=ON \
     -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib-3.1.0/modules \
     -D BUILD_EXAMPLES=ON ..
 $ make -j4
 $ sudo make install
 $ sudo ldconfig

注意 python 2 與 python 3 環境編譯安裝的 CV2.so 檔名有些不同，python 2 版本安裝於 /usr/local/lib/python2.7/site-packages/cv2.so， python 3 則安裝為 /usr/local/lib/python3.4/site-packages/cv2.cpython-34m.so

在 virtualenv 環境中建立 cvs.so 檔連結

python 2 環境：

 $ cd ~/.virtualenvs/cv/lib/python2.7/site-packages/
 $ ln -s /usr/local/lib/python2.7/site-packages/cv2.so cv2.so

python 3 環境：

 $ cd ~/.virtualenvs/cv/lib/python3.4/site-packages/
 $ ln -s /usr/local/lib/python3.4/site-packages/cv2.cpython-34m.so cv2.so

測試

 $ python
 >>> import cv2
 >>> cv2.__version__
 '3.1.0'
 >>>

大功告成!

安裝 tesseract-ocr 文字辨識程式庫

首先準備編譯工具，部分套件在安裝 OpenCV 時亦會安裝。

sudo apt-get install autoconf automake libtool
sudo apt-get install autoconf-archive
sudo apt-get install pkg-config
sudo apt-get install libpng12-dev
sudo apt-get install libjpeg8-dev
sudo apt-get install libtiff5-dev
sudo apt-get install zlib1g-dev

如果需要安裝辨識訓練工具，另需要下列套件

sudo apt-get install libicu-dev
sudo apt-get install libpango1.0-dev
sudo apt-get install libcairo2-dev

tesseract-ocr 需要 leptonica 影像演算法套件，先來安裝 leptonica 程式庫。

安裝 leptonica

2017/02 版本下載

下載後解壓縮

$ tar xvzf leptonica-1.74.1.tar.gz
$ cd leptonica-1.74.1

兩種安裝方式，擇一使用

使用 autoconf

 ./configure --prefix=/usr/local/
 make
 sudo make install

使用 cmake

 mkdir build
 cd build
 cmake ..
 make

安裝 tesseract-ocr

git clone --depth 1 https://github.com/tesseract-ocr/tesseract.git
cd tesseract
./autogen.sh
./configure --enable-debug LDFLAGS="-L/usr/local/lib" CFLAGS="-I/usr/local/include" 
make
sudo make install
sudo ldconfig

另外需要語言資料檔

可從 https://github.com/tesseract-ocr/tesseract/wiki/Data-Files 下載，存放於 tessdata 目錄

可設定環境變數指定資料檔路徑

export TESSDATA_PREFIX="/usr/local/share/"

安裝 OpenALPR

$ git clone https://github.com/openalpr/openalpr.git
$ cd openalpr/src

修改 CMakeLists.txt， 加入下列兩行：
SET (OpenCV_DIR "/home/pi/opencv-3.1.0/build")
SET (Tesseract_DIR "/home/pi/tesseract")

$ cmake ./

如果出現 lib4cplus 找不到，請 `sudo apt-get install lib4cplus-dev`

$ make

如果出現 curl.h 找不到，請 `sudo apt-get install libcurl4-openssl-dev`

$ sudo make install

完成後下載個車牌圖片進行測試，加上 --clock 參數，查看辨識計算時間

$ wget http://plates.openalpr.com/ea7the.jpg
$ alpr -c us ea7the.jpg --clock

底下是我的 Pi3 實際輸出結果，圖形處理加上辨識時間小於 1 秒，已達實用階段，如果再透過 GPIO 連接一些 sensor 與 relay 控制，應該可以實作出一簡易車牌辨識的停車場閘門系統吧? Oh Ye! Raspberry Pi 好棒棒!

[email protected]:~ $ alpr -c us ea7the.jpg --clock
Info in bmfCreate: Generating pixa of bitmap fonts from string
Total Time to process image: 482.089ms.
plate0: 10 results -- Processing Time = 143.435ms.
    - EA7THE     confidence: 91.0578
    - EA7TBE     confidence: 84.133
    - EA7T8E     confidence: 83.0083
    - EA7TRE     confidence: 82.7869
    - EA7TE      confidence: 82.5961
    - EA7TME     confidence: 80.2908
    - EA7TH6     confidence: 77.0045
    - EA7THB     confidence: 75.5779
    - EA7TH      confidence: 74.6576
    - EA7TB6     confidence: 70.0797

後記

影像辨識系統採用都是學習演算法，要提高精準度，就必須提供大量的圖片資料供學習，建立辨識樣式。然而每個國家與地區車牌樣式、尺寸、字體不盡相同，需針對每個地區的車牌建立學習資料庫。

OpenALPR 目前已內建幾個區域如 US、EU、KR、SG 等樣式資料庫，但沒有台灣地區。加上台灣 2015 年改版的 7 位數車牌，字體與以往的舊系統大不相同，增加了辨識複雜度。

實際以本地車牌測試，舊式車牌(2015年以前)，直接以 US 樣式比對，已有相當不錯的正確率，信心度最高的項目通常即為正確車牌，但若遇到新式車牌，則經常會有頭尾掉字或誤認情形。

待有空時再來建立一個本地的車牌學習資料庫...

用 Raspberry Pi3 打造車牌辨識系統