PlateRecognition_ncnn

struct Detection_Yolov5 {
    float bbox[4];           // [x1, y1, x2, y2] - 边界框
    float class_confidence;  // 置信度
    int label;               // 0=单层车牌, 1=双层车牌
    float landmark[8];       // 4个关键点 [x0,y0, x1,y1, x2,y2, x3,y3]
};

struct Detection_Yolov7 {
    PlateRect bbox;              // {xmin, ymin, xmax, ymax}
    int label;                   // 0=单层车牌, 1=双层车牌
    float confidence;            // 置信度
    std::vector<float> key_points; // 动态关键点数组 [x0,y0, x1,y1, ...]
};

// 省份简称（31个）
"京", "沪", "津", "渝", "冀", "晋", "蒙", "辽", "吉", "黑", 
"苏", "浙", "皖", "闽", "赣", "鲁", "豫", "鄂", "湘", "粤", 
"桂", "琼", "川", "贵", "云", "藏", "陕", "甘", "青", "宁", "新"

// 特殊字符
"学", "警", "港", "澳", "挂", "使", "领", "民", "航", "危", "险", "品"

// 字母（24个，不含I和O）
A-Z (除 I, O)

// 数字（10个）
0-9

// 空白符
"#" (CTC空白符)

std::vector<std::string> plate_color_list = {
    "黑色",  // 0 - 使馆车、领馆车
    "蓝色",  // 1 - 普通小型车
    "绿色",  // 2 - 新能源车
    "白色",  // 3 - 军车、警车、特种车
    "黄色"   // 4 - 大型车、教练车
};

class PlateAlgorithm {
public:
    // YOLOv5 检测+识别
    int PlateRecognition_yolov5(Plate_ImageData* img, PlateDet* PlateDets);
    
    // YOLOv7 检测+识别
    int PlateRecognition_yolov7(Plate_ImageData* img, PlateDet* PlateDets);
    
private:
    std::unique_ptr<Detector_Yolov5plate> yolov5_plate;
    std::unique_ptr<Detector_Yolov7plate> yolov7_plate;
    std::unique_ptr<PlateRecognition> plate_recognition;
};

// 输入图像
typedef struct {
    unsigned char* image;  // 图像数据指针
    int width;             // 宽度
    int height;            // 高度
    int channels;          // 通道数 (通常为3)
} Plate_ImageData;

// 输出结果
typedef struct {
    PlateRect bbox;            // 边界框
    int label;                 // 0=单层, 1=双层
    float confidence;          // 置信度
    float key_points[8];       // 4个关键点
    char plate_color[32];      // 车牌颜色
    char plate_license[32];    // 车牌号
    int plate_index;           // 车牌数量
} PlateDet;

cv::Mat get_split_merge(cv::Mat &img) {
    // 1. 分割上层（前5/12高度）
    cv::Rect upper_rect = cv::Rect(0, 0, img.cols, int(5.0/12 * img.rows));
    cv::Mat img_upper = img(upper_rect);
    
    // 2. 分割下层（后2/3高度）
    cv::Rect lower_rect = cv::Rect(0, int(1.0/3 * img.rows), 
                                   img.cols, img.rows - int(1.0/3 * img.rows));
    cv::Mat img_lower = img(lower_rect);
    
    // 3. 上层resize到与下层相同大小
    cv::resize(img_upper, img_upper, img_lower.size());
    
    // 4. 水平拼接
    cv::Mat out(img_lower.rows, img_lower.cols + img_upper.cols, CV_8UC3);
    img_upper.copyTo(out(cv::Rect(0, 0, img_upper.cols, img_upper.rows)));
    img_lower.copyTo(out(cv::Rect(img_upper.cols, 0, img_lower.cols, img_lower.rows)));
    
    return out;
}

// 使用 YOLOv5
#define USE_YOLOV7  0

// 使用 YOLOv7
#define USE_YOLOV7  1

// YOLOv5/YOLOv7 检测器
const float prob_threshold = 0.25f;  // 置信度阈值
const float nms_threshold = 0.5f;    // NMS IOU阈值
const int target_size = 640;         // 输入尺寸

// 车牌识别
const int INPUT_W = 168;  // 识别输入宽度
const int INPUT_H = 48;   // 识别输入高度