/
warnax
/
ANPR-System
Обзор
Документация
Войти
/
warnax
/
ANPR-System
Код
Запросы
0
Задачи
Вики
Пакеты
0
Релизы
0
Аналитика
Безопасность
main
inference.py
327 строк
15 KB
Runoi
feat: inferece
21 окт 2025, 20:41
21 окт 2025, 20:41
81a6e51
Код
Авторство
О чём код?
import argparse import os import time from typing import List, Dict, Any import cv2 import torch import torch.nn as nn from torchvision import transforms from ultralytics import YOLO import torch.ao.quantization.quantize_fx as quantize_fx from torch.ao.quantization import QConfigMapping import numpy as np class Config: """Класс для хранения всех конфигурационных параметров.""" YOLO_MODEL_PATH: str = 'models/yolo/model/best.pt' OCR_MODEL_PATH: str = 'models/ocr_crnn/quant/crnn_ocr_model_int8_fx.pth' OCR_IMG_HEIGHT: int = 32 OCR_IMG_WIDTH: int = 128 OCR_ALPHABET: str = '0123456789ABCEHKMOPTXY' DETECTION_CONFIDENCE_THRESHOLD: float = 0.5 DEVICE: torch.device = torch.device("cpu") class CRNN(nn.Module): def __init__(self, num_classes): super(CRNN, self).__init__() # --- CNN часть (Глаза) --- self.cnn = nn.Sequential( nn.Conv2d(1, 64, kernel_size=3, padding=1), nn.ReLU(True), nn.MaxPool2d(2, 2), # -> height: 16 nn.Conv2d(64, 128, kernel_size=3, padding=1), nn.ReLU(True), nn.MaxPool2d(2, 2), # -> height: 8 nn.Conv2d(128, 256, kernel_size=3, padding=1), nn.BatchNorm2d(256), nn.ReLU(True), nn.Conv2d(256, 256, kernel_size=3, padding=1), nn.ReLU(True), nn.MaxPool2d((2, 1), (2, 1)), # -> height: 4 nn.Conv2d(256, 512, kernel_size=3, padding=1), nn.BatchNorm2d(512), nn.ReLU(True), nn.Conv2d(512, 512, kernel_size=3, padding=1), nn.ReLU(True), nn.MaxPool2d((2, 1), (2, 1)) # -> height: 2. ЭТОГО СЛОЯ НЕ БЫЛО, ДОБАВЛЯЕМ ЕГО! ) # --- RNN часть (Мозг) --- self.rnn = nn.LSTM(512 * 2, 256, bidirectional=True, num_layers=2, batch_first=True) # --- Classifier (Рот) --- self.classifier = nn.Linear(512, num_classes) def forward(self, x): # Прогоняем через CNN x = self.cnn(x) # -> (batch, 512, 2, 32) # "Распрямляем" выход CNN для подачи в RNN # объединяем каналы и высоту batch, channels, height, width = x.size() # Заменяем .view() на .reshape() для большей надежности x = x.reshape(batch, channels * height, width) # Меняем оси местами для RNN, который ожидает (batch, seq_len, features) x = x.permute(0, 2, 1) # -> (batch, 32, 1024) # Прогоняем через RNN x, _ = self.rnn(x) # -> (batch, 32, 512) # Прогоняем через классификатор x = self.classifier(x) # -> (batch, 32, num_classes) # Для CTCLoss нам нужен формат (sequence_length, batch, num_classes) x = x.permute(1, 0, 2) # -> (32, batch, num_classes) x = nn.functional.log_softmax(x, dim=2) return x class YOLODetector: """Обертка для модели детекции YOLO.""" def __init__(self, model_path: str, device: torch.device): self.model = YOLO(model_path) self.model.to(device) self.device = device print("✅ Детектор YOLO успешно загружен.") def detect(self, frame: np.ndarray) -> List[Dict[str, Any]]: """Обнаруживает номера на ОДНОМ кадре (для изображений).""" detections = self.model.predict(frame, verbose=False, device=self.device) results = [] for det in detections[0].boxes.data: x1, y1, x2, y2, conf, _ = det.cpu().numpy() if conf >= Config.DETECTION_CONFIDENCE_THRESHOLD: results.append({ "bbox": [int(x1), int(y1), int(x2), int(y2)], "confidence": float(conf) }) return results def track(self, frame: np.ndarray) -> List[Dict[str, Any]]: """Отслеживает номера в ПОСЛЕДОВАТЕЛЬНОСТИ кадров (для видео).""" detections = self.model.track(frame, persist=True, verbose=False, device=self.device) results = [] if detections[0].boxes.id is None: return results track_ids = detections[0].boxes.id.int().cpu().tolist() boxes = detections[0].boxes.xyxy.cpu().numpy() confs = detections[0].boxes.conf.cpu().numpy() for box, track_id, conf in zip(boxes, track_ids, confs): if conf >= Config.DETECTION_CONFIDENCE_THRESHOLD: results.append({ "bbox": [int(box[0]), int(box[1]), int(box[2]), int(box[3])], "confidence": float(conf), "track_id": track_id }) return results class CRNNRecognizer: """Обертка для квантованной модели распознавания CRNN.""" def __init__(self, model_path: str, device: torch.device): self.device = device self.transform = transforms.Compose([ transforms.ToPILImage(), transforms.Grayscale(), transforms.Resize((Config.OCR_IMG_HEIGHT, Config.OCR_IMG_WIDTH)), transforms.ToTensor(), transforms.Normalize(mean=[0.5], std=[0.5]) ]) self.int_to_char = {i + 1: char for i, char in enumerate(Config.OCR_ALPHABET)} self.int_to_char[0] = '' # CTC Blank token num_classes = len(Config.OCR_ALPHABET) + 1 # 1. Создаем "пустой" скелет модели и переводим в режим инференса model_to_load = CRNN(num_classes).eval() # 2. Готовим его к квантизации точно так же, как при сохранении qconfig_mapping = QConfigMapping().set_global(torch.ao.quantization.get_default_qconfig('fbgemm')) example_inputs = (torch.randn(1, 1, Config.OCR_IMG_HEIGHT, Config.OCR_IMG_WIDTH),) model_prepared = quantize_fx.prepare_fx(model_to_load, qconfig_mapping, example_inputs) model_quantized = quantize_fx.convert_fx(model_prepared) # 3. И только теперь загружаем сохраненные веса model_quantized.load_state_dict(torch.load(model_path, map_location=device)) self.model = model_quantized print("✅ Распознаватель OCR (INT8) успешно загружен.") @torch.no_grad() def recognize(self, plate_image: np.ndarray) -> str: preprocessed_plate = self.transform(plate_image).unsqueeze(0).to(self.device) preds = self.model(preprocessed_plate) return self._decode(preds) def _decode(self, preds: torch.Tensor) -> str: preds = preds.permute(1, 0, 2).argmax(dim=2)[0] # Упрощаем и берем первый элемент батча decoded_seq = [] last_char_idx = 0 for char_idx in preds: char_idx = char_idx.item() if char_idx != 0 and char_idx != last_char_idx: decoded_seq.append(self.int_to_char.get(char_idx, '')) last_char_idx = char_idx return "".join(decoded_seq) class Visualizer: """Отвечает за отрисовку результатов.""" @staticmethod def draw_results(frame: np.ndarray, results: List[Dict[str, Any]]) -> np.ndarray: for res in results: x1, y1, x2, y2 = res['bbox'] text = res.get('text', '') cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(frame, text, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2) return frame from collections import Counter class ANPR_Pipeline: """Главный класс, управляющий процессом распознавания.""" def __init__(self, recognizer: CRNNRecognizer): self.recognizer = recognizer self.track_history = {} # {track_id: [list_of_texts]} self.TRACK_BUFFER_SIZE = 15 # --- МЕТОДЫ ДЛЯ КОРРЕКЦИИ ПЕРСПЕКТИВЫ --- def _order_points(self, pts: np.ndarray) -> np.ndarray: rect = np.zeros((4, 2), dtype="float32") s = pts.sum(axis=1) rect[0] = pts[np.argmin(s)] rect[2] = pts[np.argmax(s)] diff = np.diff(pts, axis=1) rect[1] = pts[np.argmin(diff)] rect[3] = pts[np.argmax(diff)] return rect def _four_point_transform(self, image: np.ndarray, pts: np.ndarray) -> np.ndarray: rect = self._order_points(pts) (tl, tr, br, bl) = rect widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2)) widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2)) maxWidth = max(int(widthA), int(widthB)) heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2)) heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2)) maxHeight = max(int(heightA), int(heightB)) if maxWidth <= 0 or maxHeight <= 0: return image dst = np.array([[0, 0], [maxWidth-1, 0], [maxWidth-1, maxHeight-1], [0, maxHeight-1]], dtype="float32") M = cv2.getPerspectiveTransform(rect, dst) return cv2.warpPerspective(image, M, (maxWidth, maxHeight)) def _preprocess_plate(self, plate_image: np.ndarray) -> np.ndarray: gray = cv2.cvtColor(plate_image, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5, 5), 0) _, thresh = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) contours, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if not contours: return plate_image contours = sorted(contours, key=cv2.contourArea, reverse=True) for contour in contours: peri = cv2.arcLength(contour, True) approx = cv2.approxPolyDP(contour, 0.02 * peri, True) if len(approx) == 4: return self._four_point_transform(plate_image, approx.reshape(4, 2)) return plate_image # --- МЕТОД ДЛЯ СТАБИЛИЗАЦИИ РЕЗУЛЬТАТА --- def _stabilize_text(self, track_id: int, new_text: str) -> str: if track_id not in self.track_history: self.track_history[track_id] = [] self.track_history[track_id].append(new_text) if len(self.track_history[track_id]) > self.TRACK_BUFFER_SIZE: self.track_history[track_id].pop(0) counts = Counter(self.track_history[track_id]) if not counts: return "" best_text, best_count = counts.most_common(1)[0] return best_text if best_count >= 3 else "" # --- ГЛАВНЫЙ МЕТОД ОБРАБОТКИ --- def process_frame(self, frame: np.ndarray, detections: List[Dict[str, Any]]) -> List[Dict[str, Any]]: for detection in detections: x1, y1, x2, y2 = detection['bbox'] roi = frame[y1:y2, x1:x2] if roi.size > 0: # 1. УЛУЧШАЕМ ПРЕПРОЦЕССИНГ processed_plate = self._preprocess_plate(roi) if processed_plate.size > 0: # 2. РАСПОЗНАЕМ current_text = self.recognizer.recognize(processed_plate) # 3. СТАБИЛИЗИРУЕМ (если есть track_id) if 'track_id' in detection: detection['text'] = self._stabilize_text(detection['track_id'], current_text) else: # Для одиночных фото detection['text'] = current_text return detections def process_source(pipeline: ANPR_Pipeline, detector: YOLODetector, source_path: str): """Обрабатывает источник, выбирая нужный метод (detect/track).""" is_video = source_path.endswith(('.mp4', '.avi', '.mov')) or source_path.isnumeric() if is_video: cap = cv2.VideoCapture(int(source_path) if source_path.isnumeric() else source_path) if not cap.isOpened(): raise IOError(f"Ошибка...") while True: ret, frame = cap.read() if not ret: break # --- ИСПОЛЬЗУЕМ ТРЕКИНГ ДЛЯ ВИДЕО --- detections = detector.track(frame) results = pipeline.process_frame(frame, detections) # Передаем detections в пайплайн frame = Visualizer.draw_results(frame, results) cv2.imshow("ANPR Result", frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() else: frame = cv2.imread(source_path) if frame is None: raise IOError(f"Ошибка...") # --- ИСПОЛЬЗУЕМ ДЕТЕКЦИЮ ДЛЯ ФОТО --- detections = detector.detect(frame) results = pipeline.process_frame(frame, detections) # Передаем detections в пайплайн print(f"\nНа изображении '{os.path.basename(source_path)}' распознаны номера:") if not results: print("- Номера не найдены.") for res in results: print(f"- {res['text']} (уверенность детектора: {res['confidence']:.2f})") frame = Visualizer.draw_results(frame, results) cv2.imshow("ANPR Result", frame) cv2.waitKey(0) cv2.destroyAllWindows() def main(): """Главная функция, точка входа в программу.""" parser = argparse.ArgumentParser(description="Распознавание автомобильных номеров.") parser.add_argument("--source", required=True, help="Путь к изображению, видеофайлу или ID веб-камеры (напр., '0').") args = parser.parse_args() try: detector = YOLODetector(Config.YOLO_MODEL_PATH, Config.DEVICE) recognizer = CRNNRecognizer(Config.OCR_MODEL_PATH, Config.DEVICE) pipeline = ANPR_Pipeline(recognizer) process_source(pipeline, detector, args.source) except (IOError, FileNotFoundError) as e: print(f"Критическая ошибка: {e}") except Exception as e: print(f"Непредвиденная ошибка: {e}") if __name__ == '__main__': main()