Установка зависимостей

cmake >= 3.10.0 opencv >= 3.0.0 openmp

Инструкции по установке на платформе x86 Linux

git clone https://github.com/lqian/light-LPR
cd light-LPR && mkdir build && cd build
cmake ../
make

Инструкции по установке на платформе ARM Linux

git clone https://github.com/lqian/light-LPR
cd light-LPR && mkdir build && cd build
cmake ../ -DLIGHT_LPR_ARCH=arm
make

Инструкции по установке на Windows

• Скачайте и установите версию cmake 3.10 или выше.
• Установите компилятор C++ для Visual Studio 2017 или Native Builder Tool for Visual Studio 2017.
• Если вы используете 64-битную систему, скачайте opencv-3.4.2-install-win64.zip, если 32-битную — opencv-3.4.2-install-win32.zip. Распакуйте файлы в любой каталог.
• Клонируйте исходный код MNN с GitHub.
• Загрузите flatc_windows_exe.zip и скопируйте файл flatc.exe в папку {MNN}/3rd_party/flatbuffers/tmp.
• Откройте PowerShell с правами администратора и выполните команду set-executionpolicy -executionpolicy unrestricted. Нажмите Y.
• В файле CMakelist.txt в каталоге исходного кода MNN закомментируйте строку COMMAND powershell ${CMAKE_CURRENT_SOURCE_DIR}/schema/generate.ps1 -lazy, примерно на 461 строке.

> cd MNN
> schema\enerate.ps1
> mkdir build 
> cd build

Нажмите Win и найдите командную строку x86 native tools command prompt for VS 2017 либо x64 native tools command prompt for VS 2017 в зависимости от ваших потребностей.
> cmake -G "NMake Makefiles" -DCMAKE_BUILD_TYPE=Release ../
> nmake 

Скопируйте файлы MNN.dll и MNN.lib из папки сборки в директорию lib проекта light-LPR.
> cd light-LPR && mkdir build && cd build
> set OpenCV_DIR=/path/to/opencv-install/directory
> cmake -G "NMake Makefiles" ..
> nmake

Запуск тестов

./examples/demo ../models/ [/path/to/a/image] Проект успешно протестирован на Fedora 29, CentOS 7.6, Windows 10 64 бит (домашняя версия), Ubuntu 18.04 mate для платформы ARM.

Ссылки и источники

• Alibaba MNN (https://github.com/alibaba/MNN)
• License-Plate-Detect-Recognition-via-Deep-Neural-Networks-accuracy-up-to-99.9 (https://github.com/zhubenfu/License-Plate-Detect-Recognition-via-Deep-Neural-Networks-accuracy-up-to-99.9)
• Caffe_OCR (https://github.com/senlinuc/caffe_ocr)
• MNN MTCNN CPU OPENCL (https://github.com/liushuan/MNN-MTCNN-CPU-OPENCL)