• 入门

  • Android
    • 示例应用
      • 基准测试 (Java)
      • VideoParallel (Java)
      • VideoSequential (Java)
      • ImageSnap (Java)
    • 试用示例
    • 将SDK添加到您的项目
    • 使用Java API

• 树莓派（Raspbian OS）、Linux、NVIDIA Jetson、Windows及其他

  • 示例应用
    • 基准测试 (C++)
    • 识别器 (C++、C#、Java和Python)
  • 使用C++ API

• 获取帮助

• 在线Web演示：https://www.doubango.org/webapps/alpr/

• SDK完整文档：https://www.doubango.org/SDKs/anpr/docs/

• 支持的语言（API）：C++、C#、Java和Python

• 开源计算机视觉库：https://github.com/DoubangoTelecom/compv

---

关键词: 夜视图像增强 (IENV)、车牌识别 (LPR)、车牌国家/地区识别 (LPCI)、车辆颜色识别 (VCR)、车辆品牌型号识别 (VMMR)、车辆车身样式识别 (VBSR)、车辆方向跟踪 (VDT) 和 车辆速度估计 (VSE)

---

您是否见过基于深度学习的[ANPR/ALPR（自动车牌识别）]引擎在99美元的ARM设备上以64fps运行（Khadas VIM3，720p视频分辨率）？

UltimateALPR 是市场上最快的ANPR/ALPR实现。速度快固然重要，但准确度才是关键。

我们采用最先进的深度学习技术，提供无与伦比的准确性和精度。相比之下，它比OpenALPR在Android上的实现快33倍。（更多信息请参阅基准测试部分）。

无需专用或独立的GPU，所有计算均在CPU上完成，并结合了SIMD ARM NEON优化、定点数学运算和多线程处理。这为在摄像头端直接运行功能齐全的[ITS（智能交通系统）]解决方案打开了大门，而无需依赖云端。能够在设备端运行所有ITS应用，将显著降低此类系统的采购、部署和维护成本。有关如何降低成本的详细信息，请参阅基于设备与基于云的解决方案一节。

下一个视频展示了识别器示例在Windows上的运行情况：

---

得益于CUDA、NVIDIA TensorRT以及Intel OpenVINO，该代码可在CPU、GPU、VPU和FPGA上加速运行。

除了车牌识别 (LPR)之外，我们还支持夜视图像增强 (IENV)、车牌国家/地区识别 (LPCI)、车辆颜色识别 (VCR)、车辆品牌型号识别 (VMMR)、车辆车身样式识别 (VBSR)、车辆方向跟踪 (VDT)以及车辆速度估计 (VSE)。

在高端NVIDIA GPU（如Tesla V100）上，帧率可达315 fps，即每次推理仅需3.17毫秒。而在高端CPU（如Intel Xeon）上，得益于OpenVINO，最大帧率可达237 fps。而在低端CPU（如Raspberry Pi 4）上，平均帧率约为12 fps。

不妨亲自体验我们的实现。无需注册、许可证密钥或互联网连接，只需克隆代码并开始编码和测试即可。所有处理都在本地设备上完成，数据不会离开您的计算机。此处发布的代码附带大量现成的示例，适用于Android、树莓派、Linux和Windows，帮助您轻松入门。

您还可以查看我们的在线基于云的实现（无需注册），在开始使用SDK之前先了解其准确性和精度。

请查阅完整文档：https://www.doubango.org/SDKs/anpr/docs/

入门

该SDK支持多种平台，并提供对多种编程语言的支持，但接下来的部分将重点介绍Android以及树莓派、Linux和Windows。

Android

以下内容主要针对Android平台及Java API。

示例应用（Android）

源代码包含4个Android示例应用：基准测试、VideoParallel、VideoSequential和ImageSnap。

基准测试（Android）

此应用程序用于检查一切是否正常运行，并确保其速度达到预期。通过该应用可以查看最大帧率信息（Intel Xeon 上为 237fps，Khadas VIM3 上为 64fps，树莓派 4 上为 12fps）。它是一个开源项目，无需注册或许可证密钥。

VideoParallel（Android）

任何希望在其产品中集成 ultimateALPR 的开发者都应将此应用用作参考代码。它展示了如何使用摄像头的实时视频流进行车牌的实时检测与识别。有关并行模式的更多信息，请参阅 并行与串行处理章节。

VideoSequential（Android）

与 VideoParallel 相同，但以串行模式运行，因此速度较慢。提供此应用是为了便于比较并行与串行两种模式。

ImageSnap（Android）

此应用会读取并显示来自摄像头的实时视频流，但仅在需要时从视频流中识别一张图像。

在 Android 上试用示例应用

要在 Android 上试用示例应用：

1. 打开 Android Studio，选择“打开现有 Android Studio 项目”。

2. 导航到 ultimateALPR-SDK/samples，选择 android 文件夹并点击 确定。

3. 选择您想要试用的示例（例如 videoparallel），然后点击“运行”。为了获得更好的体验，请确保设备处于 横屏模式。

将 SDK 添加到您的项目（Android）

SDK 以 Android Studio 模块的形式分发，您可以将其作为引用添加，也可以构建它并将 AAR 文件添加到您的项目中。不过，最简单的方法是直接包含源代码来添加 SDK。

在您的 build.gradle 文件中添加：

android {

      # 这是需要添加到 "android { } " 部分的代码块
      sourceSets {
         main {
             jniLibs.srcDirs += ['path-to-your-ultimateALPR-SDK/binaries/android/jniLibs']
             java.srcDirs += ['path-to-your-ultimateALPR-SDK/java/android']
             assets.srcDirs += ['path-to-your-ultimateALPR-SDK/assets/models']
         }
      }
}

使用 Java API（Android）

使用该 API 并不困难，因为它只有三个有用的方法：init、process 和 deInit。

C++ API 的定义请参见 此处。

	import org.doubango.ultimateAlpr.Sdk.ULTALPR_SDK_IMAGE_TYPE;
	import org.doubango.ultimateAlpr.Sdk.UltAlprSdkEngine;
	import org.doubango.ultimateAlpr.Sdk.UltAlprSdkParallelDeliveryCallback;
	import org.doubango.ultimateAlpr.Sdk.UltAlprSdkResult;

	final static String CONFIG = "{" +
		"\"debug_level\": \"info\"," + 
		"\"gpgpu_enabled\": true," + 
		"\"openvino_enabled\": true," +
		"\"openvino_device\": \"CPU\"," +

		"\"detect_minscore\": 0.1," + 
		"\"detect_quantization_enabled\": true," + 
		
		"\"pyramidal_search_enabled\": true," +
		"\"pyramidal_search_sensitivity\": 0.28," +
		"\"pyramidal_search_minscore\": 0.5," +
		"\"pyramidal_search_quantization_enabled\": true," +

		"\"klass_lpci_enabled\": true," +
		"\"klass_vcr_enabled\": true," +
		"\"klass_vmmr_enabled\": true," +

		"\"recogn_score_type\": \"min\"," + 
		"\"recogn_minscore\": 0.3," + 
		"\"recogn_rectify_enabled\": false," + 
		"\"recogn_quantization_enabled\": true" + 
	"}";

	/**
	* 并行回调函数，用于通知新结果。
	* 此回调将在调用 process 函数后几毫秒内（即下一帧尚未完全处理之前）被调用。
	*/
	static class MyUltAlprSdkParallelDeliveryCallback extends UltAlprSdkParallelDeliveryCallback {
		@Override
		public void onNewResult(UltAlprSdkResult result) { }
	}

	final MyUltAlprSdkParallelDeliveryCallback mCallback = new MyUltAlprSdkParallelDeliveryCallback(); // 设置为 null 以禁用并行模式

	@Override
	protected void onCreate(Bundle savedInstanceState) {
		super.onCreate(savedInstanceState);
		

		// 初始化引擎
		assert UltAlprSdkEngine.init(
				getAssets(),
				CONFIG,
				mCallback
		).isOK();
	}

	// 摄像头监听器：https://developer.android.com/reference/android/media/ImageReader.OnImageAvailableListener
	final ImageReader.OnImageAvailableListener mOnImageAvailableListener = new ImageReader.OnImageAvailableListener() {

		@Override
		public void onImageAvailable(ImageReader reader) {
				try {
				    final Image image = reader.acquireLatestImage();
				    if (image == null) {
				        return;
				    }

				    // ANPR/ALPR 识别
				    final Image.Plane[] planes = image.getPlanes();
				    final UltAlprSdkResult result = UltAlprSdkEngine.process(
				        ULTALPR_SDK_IMAGE_TYPE.ULTALPR_SDK_IMAGE_TYPE_YUV420P,
				        planes[0].getBuffer(),
				        planes[1].getBuffer(),
				        planes[2].getBuffer(),
				        image.getWidth(),
				        image.getHeight(),
				        planes[0].getRowStride(),
				        planes[1].ROWStride(),
				        planes[2].ROWStride(),
				        planes[1].getPixelStride()
				    );
				    assert result.isOK();

				    image.close();

				} catch (final Exception e) {
				   e.printStackTrace();
				}
		}
	};

	@Override
	public void onDestroy() {
		// 反初始化引擎
		assert UltAlprSdkEngine.deInit().isOK();

		super.onDestroy();
	}

再次提醒，有关更多信息，请参阅适用于 Android、树莓派、Linux 和 Windows 的示例应用，以及完整的 文档。

树莓派（Raspbian OS）、Linux、NVIDIA Jetson、Windows 等

示例应用（树莓派、Linux、NVIDIA Jetson、Windows 等）

源代码附带 #2 C++ 示例应用：基准测试 和 识别器。这些示例应用可在所有支持的平台上使用：Android、Windows、树莓派、iOS、OSX、Linux……

基准测试（树莓派、Linux、NVIDIA Jetson、Windows 等）

此应用程序用于检查系统是否正常运行，并确保其速度达到预期。您可以通过该应用查看最大帧率信息（Intel Xeon 上为 237fps，Snapdragon 855 上为 47fps，Jetson NX 上为 152fps，Khadas VIM3 上为 64fps，Jetson Nano 上为 30fps，树莓派 4 上为 12fps）。

该应用为开源软件，无需注册或许可证密钥。

有关如何构建和运行此示例的更多信息，请参阅 samples/c++/benchmark。

识别器（树莓派、Linux、NVIDIA Jetson、Windows 等）

这是一个命令行应用程序，用于从任何 JPEG/PNG/BMP 图像中检测并识别车牌。

有关如何构建和运行此示例的更多信息，请参阅：

• C++：samples/c++/recognizer。
• C#：samples/csharp/recognizer。
• Java：samples/java/recognizer。
• Python：samples/python/recognizer。

使用 C++ API

C++ API 的定义位于 https://www.doubango.org/SDKs/anpr/docs/cpp-api.html。

	#include <ultimateALPR-SDK-API-PUBLIC.h> // 包含 API 头文件

	// JSON 配置字符串
	// 更多信息请参见 https://www.doubango.org/SDKs/anpr/docs/Configuration_options.html
	static const char* __jsonConfig =
	"{"
	"\"debug_level\": \"info\","
	"\"debug_write_input_image_enabled\": false,"
	"\"debug_internal_data_path\": \".\","
	""
	"\"num_threads\": -1,"
	"\"gpgpu_enabled\": true,"
	"\"openvino_enabled\": true,"
	"\"openvino_device\": \"CPU\","
	""
	"\"detect_roi\": [0, 0, 0, 0],"
	"\"detect_minscore\": 0.1,"
	""
	"\"pyramidal_search_enabled\": true,"
	"\"pyramidal_search_sensitivity\": 0.28,"
	"\"pyramidal_search_minscore\": 0.3,"
	"\"pyramidal_search_min_image_size_inpixels\": 800,"
	""
	"\"klass_lpci_enabled\": true,"
	"\"klass_vcr_enabled\": true,"
	"\"klass_vmm_enabled\": true,"
	""
	"\"recogn_minscore\": 0.3,"
	"\"recogn_score_type\": \"min\""
	"}";

	// 局部变量
	UltAlprSdkResult result;

	// 初始化引擎（只需执行一次）
	ULTALPR_SDK_ASSERT((result = UltAlprSdkEngine::init(
		__jsonConfig
	)).isOK());

	// 处理（检测 + 识别）
	// 对每一帧视频调用此函数
	const void* imageData = nullptr;
	ULTALPR_SDK_ASSERT((result = UltAlprSdkEngine::process(
			ULTMICR_SDK_IMAGE_TYPE_RGB24,
			imageData,
			imageWidth,
			imageHeight
		)).isOK());

	// 反初始化
	// 在退出应用程序前调用此函数以释放已分配的资源
	// 调用此函数后不得再调用 process()
	ULTALPR_SDK_ASSERT((result = UltAlprSdkEngine::deInit()).isOK());

再次提醒，有关如何使用 API 的更多信息，请参阅 示例应用。

技术问题

请访问我们的 讨论组 或 Twitter 账号。

ultimateALPR-SDK 快速上手指南

ultimateALPR 是一款基于深度学习的高性能自动车牌识别（ANPR/ALPR）引擎，支持在 CPU、GPU、VPU 和 FPGA 上加速运行。它无需联网或云端服务，完全在本地设备运行，适用于 Android、Linux、Windows、Raspberry Pi 等平台。

环境准备

系统要求

• Android: Android Studio, API Level 21+
• Linux/Windows/Raspberry Pi:
  • 操作系统：Ubuntu 18.04+, Raspbian, Windows 10+
  • 编译器：GCC/G++ (C++11 或更高版本) 或对应语言的运行时环境
  • 可选加速库：CUDA (NVIDIA GPU), TensorRT, Intel OpenVINO

前置依赖

• Android: 无特殊依赖，SDK 包含所需 JNI 库
• 其他平台:
  • CMake 3.10+
  • Git
  • Python 3.x (如需使用 Python API)
  • .NET Core (如需使用 C# API)

注意：本项目为纯本地运行，无需注册、License Key 或互联网连接。

安装步骤

方式一：Android 项目集成

1. 克隆仓库：

git clone https://github.com/DoubangoTelecom/ultimateALPR-SDK.git

2. 在 Android Studio 中打开项目：

   • 选择 File -> Open
   • 导航至 ultimateALPR-SDK/samples/android 目录
   • 选择示例应用（如 videoparallel）并点击 OK

3. 将 SDK 添加到你的项目： 在你的 build.gradle 文件中添加以下配置：

android {
    sourceSets {
        main {
            jniLibs.srcDirs += ['path-to-your-ultimateALPR-SDK/binaries/android/jniLibs']
            java.srcDirs += ['path-to-your-ultimateALPR-SDK/java/android']
            assets.srcDirs += ['path-to-your-ultimateALPR-SDK/assets/models']
        }
    }
}

请将 path-to-your-ultimateALPR-SDK 替换为实际路径。

方式二：其他平台 (Linux/Windows/Raspberry Pi)

1. 克隆仓库：

git clone https://github.com/DoubangoTelecom/ultimateALPR-SDK.git
cd ultimateALPR-SDK

2. 编译示例程序（以 C++ 为例）：

mkdir build && cd build
cmake ..
make -j4

3. 运行示例：

# 运行识别器示例
./samples/cpp/recognizer --input=video.mp4

基本使用

Android (Java API)

核心流程仅需三个步骤：初始化 (init)、处理 (process) 和销毁 (deInit)。

import org.doubango.ultimateAlpr.Sdk.ULTALPR_SDK_IMAGE_TYPE;
import org.doubango.ultimateAlpr.Sdk.UltAlprSdkEngine;
import org.doubango.ultimateAlpr.Sdk.UltAlprSdkParallelDeliveryCallback;
import org.doubango.ultimateAlpr.Sdk.UltAlprSdkResult;

// 配置 JSON 字符串
final static String CONFIG = "{" +
    "\"debug_level\": \"info\"," + 
    "\"gpgpu_enabled\": true," + 
    "\"openvino_enabled\": true," +
    "\"openvino_device\": \"CPU\"," +
    "\"detect_minscore\": 0.1," + 
    "\"detect_quantization_enabled\": true," + 
    "\"pyramidal_search_enabled\": true," +
    "\"pyramidal_search_sensitivity\": 0.28," +
    "\"pyramidal_search_minscore\": 0.5," +
    "\"pyramidal_search_quantization_enabled\": true," +
    "\"klass_lpci_enabled\": true," +
    "\"klass_vcr_enabled\": true," +
    "\"klass_vmmr_enabled\": true," +
    "\"recogn_score_type\": \"min\"," + 
    "\"recogn_minscore\": 0.3," + 
    "\"recogn_rectify_enabled\": false," + 
    "\"recogn_quantization_enabled\": true" + 
"}";

// 定义回调处理结果
static class MyUltAlprSdkParallelDeliveryCallback extends UltAlprSdkParallelDeliveryCallback {
    @Override
    public void onNewResult(UltAlprSdkResult result) {
        // 在此处处理识别结果，例如获取车牌号
        if (result != null && result.text != null) {
            Log.d("ALPR", "识别结果：" + result.text);
        }
    }
}

final MyUltAlprSdkParallelDeliveryCallback mCallback = new MyUltAlprSdkParallelDeliveryCallback();

@Override
protected void onCreate(Bundle savedInstanceState) {
    super.onCreate(savedInstanceState);
    
    // 1. 初始化引擎
    assert UltAlprSdkEngine.init(
            getAssets(),
            CONFIG,
            mCallback
    ).isOK();
    
    // 2. 处理图像帧 (在相机回调中调用)
    // UltAlprSdkEngine.process(imageData, width, height, ULTALPR_SDK_IMAGE_TYPE.NV21);
    
    // 3. 销毁引擎 (在 onDestroy 中调用)
    // UltAlprSdkEngine.deInit();
}

其他平台 (C++ API 简述)

#include "UltAlprSdk.h"

int main() {
    std::string config = R"({
        "debug_level": "info",
        "gpgpu_enabled": true,
        "detect_minscore": 0.1
    })";

    // 初始化
    if (!UltAlprSdk::init(config)) {
        return -1;
    }

    // 处理图像 (伪代码)
    // UltAlprSdk::process(imageData, width, height, callback);

    // 销毁
    UltAlprSdk::deInit();
    return 0;
}

提示：更多详细文档请访问 官方文档，在线演示可访问 Web Demo。