PlateRecApp

车牌识别系统 PlateRecApp

基于 HyperLPR3 / MNN 的嵌入式 C++ 车牌识别平台，运行于树莓派5 + Ubuntu 24.04
版本: fix27 v44 | 最后更新: 2026-08-30
Gogs 仓库: https://git.zhonjin.com:40717/steven_roc/PlateRecApp

系统概述

PlateRecApp 是一套面向工业园区/物流场站的全功能车牌识别与称重管理系统，支持多路 RTSP 视频流实时识别、飞书消息推送、MQTT 数据上报、Web 管理后台、登录认证、frpc 内网穿透管理等核心功能。

核心能力

模块	功能说明
车牌识别	HyperLPR3 + MNN 推理引擎，支持低位摄像头 ROI 推理
视频流	4路独立 RTSP 视频流 + Web 端 ROI 手动调整
飞书推送	进出站消息推送，支持携带重量信息，独立开关控制
MQTT	数据上报，独立开关控制，v43 并行模式支持
称重系统	重量调度器（promise/future 异步机制），15秒超时
Web 管理	登录认证、系统监控、日志管理、frpc 管理、SSH 密钥管理
站点锁	交替锁定机制，防止重复抓拍竞态
日志管理	logrotate 自动清理，系统指标历史记录

系统架构

┌─────────────────────────────────────────────────────┐
│                    PlateRecApp                       │
├──────────┬──────────┬──────────┬────────────────────┤
│ 车牌识别  │ 重量调度  │ Web服务   │ 飞书/MQTT推送      │
│ HyperLPR3│ 异步引擎  │ 认证+监控 │ 独立开关控制       │
├──────────┴──────────┴──────────┴────────────────────┤
│              统一配置管理 (config.ini)                │
├─────────────────────────────────────────────────────┤
│  SQLite DB  │  MQTT Client  │  RTSP Capture        │
└─────────────────────────────────────────────────────┘

运行环境

项目	要求
硬件	树莓派5 8G（兼容 Ubuntu-24.04 / Raspberry Pi OS）
编译器	GCC 11+, C++17
核心依赖	OpenCV 4.x, MNN ≥2.0, HyperLPR3 SDK
其他依赖	cJSON, cpp-httplib, bcrypt, ini-parser, FFmpeg, FreeType2, mosquitto
数据库	SQLite3
网络	飞书 API, MQTT Broker, RTSP 视频流, cURL, OpenSSL

项目结构

PlateRecApp/
├── src/                          # 源代码
│   ├── main.cpp                  # 主程序入口
│   ├── common.cpp/h              # 公共定义与全局变量
│   ├── config.cpp/h              # 配置文件解析 (config.ini)
│   ├── plate_recognizer.cpp/h    # 车牌识别核心 (HyperLPR3+MNN)
│   ├── rtsp_capture.cpp/h        # RTSP 视频流采集
│   ├── web_server.cpp/h          # Web 管理服务器 (cpp-httplib)
│   ├── database.cpp/h            # SQLite 数据库操作
│   ├── feishu_client.cpp/h       # 飞书消息推送客户端
│   ├── mqtt_client.cpp/h         # MQTT 客户端
│   ├── weight_dispatcher.cpp/h   # 重量调度器 (promise/future)
│   ├── weight_scale.cpp/h        # 称重模块
│   ├── station_lock.cpp/h        # 站点交替锁定机制
│   ├── system_monitor.cpp/h      # 系统监控 (CPU/内存/温度)
│   ├── system_metrics_manager.cpp/h  # 系统指标管理+历史记录
│   ├── log_manager.cpp/h         # 日志管理+logrotate
│   ├── frpc_manager.cpp/h        # frpc 内网穿透管理
│   ├── ssh_manager.cpp/h         # SSH 密钥管理
│   ├── network_client.cpp/h      # 网络客户端 (API上传)
│   ├── utils.cpp/h               # 工具函数
│   ├── auth_api.cpp/h            # 认证 API
│   ├── auth_db.cpp/h             # 认证数据库
│   ├── auth_session.cpp/h        # 会话管理
│   ├── auth_middleware.cpp/h     # 认证中间件
│   ├── auth_crypto.cpp/h         # 加密工具 (bcrypt)
│   ├── auth_rate_limiter.h       # 速率限制
│   └── bcrypt/                   # bcrypt 密码哈希库
├── config/                       # 配置示例
│   ├── config一号门.ini           # 一号门配置模板
│   └── config二号门.ini           # 二号门配置模板
├── scripts/                      # 部署脚本
│   ├── deploy.sh                 # 一键部署脚本
│   ├── reset_passwords.py        # Web 管理密码重置工具
│   └── setup_frpc_sudoers.sh     # frpc sudoers 配置
├── third_party/                  # 第三方依赖源码
│   ├── cJSON.c/h                 # JSON 解析
│   ├── cvxFont.cpp/h             # OpenCV 中文字体
│   ├── httplib.h                 # cpp-httplib 头文件库
│   ├── hyper_lpr_sdk.h           # HyperLPR3 SDK 头文件
│   ├── ini.c/h                   # INI 配置解析
│   └── md5ex1.c/h                # MD5 工具
├── assets/web/                   # Web 前端资源 (HTML/CSS/JS)
├── CMakeLists.txt                # CMake 构建配置
├── CHANGELOG.md                  # 详细变更日志
└── README.md                     # 本文件

---

依赖安装详解（MNN + HyperLPR3）

本项目车牌识别核心依赖 MNN（阿里移动神经网络推理框架）和 HyperLPR3（中文车牌识别SDK）。以下是在树莓派5（aarch64 / Ubuntu 24.04）上的完整安装流程。

依赖关系

PlateRecApp
    ├── HyperLPR3 SDK  → libhyperlpr3.so（车牌检测+识别）
    │       └── MNN    → libMNN.so（底层推理引擎）
    ├── OpenCV 4.x     → 图像处理
    ├── FFmpeg         → RTSP流解码（DRM硬解/H.264软解）
    ├── SQLite3        → 数据持久化
    ├── cURL + OpenSSL → API通信 / HTTPS
    ├── mosquitto      → MQTT消息推送
    ├── FreeType2      → 中文字体渲染（水印）
    ├── cJSON          → JSON解析
    └── libcrypt       → bcrypt密码哈希

第一步：安装系统级依赖

# 更新系统
sudo apt update && sudo apt upgrade -y

# 编译工具链
sudo apt install -y build-essential cmake git wget pkg-config

# OpenCV 4.x
sudo apt install -y libopencv-dev libopencv-core-dev libopencv-imgproc-dev \
    libopencv-imgcodecs-dev libopencv-highgui-dev libopencv-videoio-dev

# FFmpeg（RTSP视频流解码）
sudo apt install -y libavformat-dev libavcodec-dev libavutil-dev libswscale-dev

# SQLite3
sudo apt install -y libsqlite3-dev

# cURL + OpenSSL
sudo apt install -y libcurl4-openssl-dev libssl-dev

# FreeType2（中文字体渲染）
sudo apt install -y libfreetype-dev

# cJSON
sudo apt install -y libcjson-dev

# MQTT客户端
sudo apt install -y libmosquitto-dev libmosquittopp-dev

# Protobuf（MNN编译需要）
sudo apt install -y libprotobuf-dev protobuf-compiler

# libcrypt（bcrypt认证）
sudo apt install -y libcrypt-dev

第二步：编译安装 MNN

MNN 是阿里巴巴开源的轻量级深度学习推理引擎，为 HyperLPR3 提供底层模型推理能力。

📌 官方仓库：https://github.com/alibaba/MNN

2.1 克隆源码

cd ~
git clone --depth=1 https://github.com/alibaba/MNN.git
cd MNN

2.2 编译（树莓派5 / aarch64 Linux）

# 生成 schema（首次编译必须执行）
./schema/generate.sh

# 创建构建目录
mkdir build && cd build

# CMake 配置（关键参数说明见下方表格）
cmake .. \
    -DMNN_BUILD_CONVERTER=OFF \
    -DMNN_SEP_BUILD=OFF \
    -DMNN_ARM82=ON \
    -DMNN_OPENMP=ON

# 编译（-j4 适配树莓派4核）
make -j4

# 安装到系统
sudo make install
sudo ldconfig

2.3 关键编译参数说明

参数	值	说明
MNN_SEP_BUILD	OFF	关闭分离构建，生成单个 libMNN.so（推荐）
MNN_ARM82	ON	启用 ARMv8.2 半精度浮点(fp16)加速，树莓派5必开
MNN_OPENMP	ON	启用 OpenMP 多线程加速（默认开启）
MNN_BUILD_CONVERTER	OFF	本项目不需要模型转换工具，关闭减小体积
MNN_OPENCL	OFF	GPU加速（树莓派无可用OpenCL，保持关闭）
MNN_VULKAN	OFF	Vulkan加速（树莓派支持有限，建议关闭）

2.4 验证 MNN 安装

# 检查库文件
ls /usr/local/lib/libMNN*
# 预期输出: libMNN.so  (或 libMNN.a 如果静态编译)

# 检查头文件
ls /usr/local/include/MNN/
# 预期输出: Interpreter.hpp, MNNDefine.h, ...

第三步：安装 HyperLPR3 SDK

HyperLPR3 是基于深度学习的中文车牌识别框架。本项目使用其 C++ SDK 动态库。

📌 官方仓库：https://github.com/HyperInspire/HyperLPR3
📌 国内镜像：https://gitee.com/zeusees/HyperLPR

3.1 方式一：使用预编译 SDK（推荐）

HyperLPR3 官方提供多平台预编译SDK包，包含头文件、动态库和模型文件。

下载地址（官方百度网盘）：

平台	说明
Linux-x86_64	x86_64 桌面/服务器
Linux-aarch64	树莓派5 / ARM64 开发板（本项目使用）
Linux-armv7l	32位ARM
macOS-x86	Intel Mac

下载后解压，目录结构应为：

hyperlpr3/                    # 放置于 PlateRecApp 项目根目录
├── include/                  # SDK 头文件
│   └── hyper_lpr_sdk.h      # 核心API头文件
├── lib/                      # 动态库
│   └── libhyperlpr3.so      # 车牌识别SDK
└── resource/                 # 模型文件 + 测试图片
    └── models/               # 检测+识别模型（.mnn格式）
        ├── det/              # 车牌检测模型
        ├── rec/              # 车牌识别模型
        └── ...

安装步骤：

# 1. 将SDK解压到项目根目录
cd /path/to/PlateRecApp
# 假设下载的SDK压缩包名为 hyperlpr3-linux-aarch64.zip
unzip hyperlpr3-linux-aarch64.zip -d .

# 2. 确认目录结构正确
ls hyperlpr3/include/hyper_lpr_sdk.h  # 头文件
ls hyperlpr3/lib/libhyperlpr3.so      # 动态库
ls hyperlpr3/resource/models/          # 模型文件

# 3. 设置运行时库搜索路径
echo "/path/to/PlateRecApp/hyperlpr3/lib" | sudo tee /etc/ld.so.conf.d/hyperlpr3.conf
sudo ldconfig

3.2 方式二：从源码编译 HyperLPR3 SDK

如果预编译SDK不可用，可自行编译。

# 1. 克隆源码
cd ~
git clone --depth=1 https://github.com/HyperInspire/HyperLPR3.git
cd HyperLPR3

# 2. 下载第三方依赖包（官方百度网盘，code: eu31）
#    解压后放置到项目根目录，或通过软链接引入
#    依赖包含预编译的 MNN 和 OpenCV 静态库

# 3. 编译动态库
sh command/build_release_linux_share.sh

# 4. 编译产物位于
#    build/linux/install/hyperlpr3/
#    ├── include/    头文件
#    ├── lib/        动态库 (libhyperlpr3.so)
#    └── resource/   模型文件

# 5. 将产物拷贝到 PlateRecApp 项目目录
cp -r build/linux/install/hyperlpr3 /path/to/PlateRecApp/

3.3 模型文件说明

HyperLPR3 需要以下模型文件（.mnn 格式，由 MNN 推理引擎加载）：

模型	功能	位置
车牌检测模型 (det)	定位图片中的车牌区域	resource/models/det/
车牌识别模型 (rec)	识别车牌字符	resource/models/rec/
车牌分割模型 (seg)	分割粘连车牌字符	resource/models/seg/（可选）

⚠️ 模型文件必须与可执行文件在同一路径或配置路径下，否则运行时会报模型加载失败。

第四步：验证完整编译环境

安装完所有依赖后，执行以下检查：

cd /path/to/PlateRecApp

# 检查所有依赖是否就绪
echo "=== 依赖检查 ==="
echo -n "OpenCV:     " && pkg-config --modversion opencv4 2>/dev/null || echo "❌ 未安装"
echo -n "SQLite3:    " && pkg-config --modversion sqlite3 2>/dev/null || echo "❌ 未安装"
echo -n "cURL:       " && curl --version | head -1 || echo "❌ 未安装"
echo -n "OpenSSL:    " && openssl version || echo "❌ 未安装"
echo -n "FFmpeg:     " && pkg-config --modversion libavformat 2>/dev/null || echo "❌ 未安装"
echo -n "FreeType2:  " && pkg-config --modversion freetype2 2>/dev/null || echo "❌ 未安装"
echo -n "cJSON:      " && pkg-config --modversion libcjson 2>/dev/null || echo "❌ 未安装"
echo -n "Mosquitto:  " && dpkg -l | grep libmosquitto-dev | awk '{print $3}' || echo "❌ 未安装"
echo -n "MNN:        " && ls /usr/local/lib/libMNN.so >/dev/null 2>&1 && echo "✅ 已安装" || echo "❌ 未安装"
echo -n "HyperLPR3:  " && ls hyperlpr3/lib/libhyperlpr3.so >/dev/null 2>&1 && echo "✅ 已安装" || echo "❌ 未安装"
echo -n "HyperLPR3头文件: " && ls hyperlpr3/include/hyper_lpr_sdk.h >/dev/null 2>&1 && echo "✅ 存在" || echo "❌ 缺失"
echo -n "模型文件:   " && ls hyperlpr3/resource/models/ >/dev/null 2>&1 && echo "✅ 存在" || echo "❌ 缺失"

第五步：编译 PlateRecApp

cd /path/to/PlateRecApp

# 创建构建目录
mkdir -p build && cd build

# CMake 配置
cmake .. \
    -DCMAKE_BUILD_TYPE=Release

# 编译（-j4 适配树莓派4核）
make -j4

# 编译产物
ls -la PlateRecApp
# 可执行文件约 2-5 MB（Release 模式 strip 后）

常见问题排查

问题	原因	解决方案
fatal error: MNN/Interpreter.hpp: No such file	MNN 头文件路径未配置	sudo make install 后 sudo ldconfig
undefined reference to hyperlpr3_xxx	HyperLPR3 库未链接	确认 hyperlpr3/lib/libhyperlpr3.so 存在
libhyperlpr3.so: cannot open shared object	运行时找不到动态库	echo "路径" > /etc/ld.so.conf.d/hyperlpr3.conf && sudo ldconfig
模型加载失败	模型文件路径不正确	确认 hyperlpr3/resource/models/ 目录存在且包含 .mnn 文件
OpenCV 版本不匹配	系统安装多版本 OpenCV	pkg-config --modversion opencv4 确认版本 ≥ 4.0
MNN ARM82 编译报错	汇编宏嵌套过深	参考 MNN Issue，手动展开 FMAX/FMIN 宏调用
cJSON 找不到	未安装或 pkg-config 缺失	sudo apt install libcjson-dev
mosquittopp 找不到	MQTT C++ 库未安装	sudo apt install libmosquittopp-dev

---

快速开始

1. 克隆仓库

git clone https://git.zhonjin.com:40717/steven_roc/PlateRecApp.git
cd PlateRecApp

2. 编译

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

3. 配置

# 复制配置模板并修改
cp config/config一号门.ini config.ini
# 编辑 config.ini 填入实际参数

4. 部署

sudo bash scripts/deploy.sh

5. 验证

sudo systemctl status PlateRecApp
# 访问 Web 管理: http://<设备IP>:8080

配置文件说明

核心配置通过 config.ini 管理：

[rtsp]
# RTSP 视频流地址（支持4路）
URL_1 = rtsp://...
URL_2 = rtsp://...

[feishu]
ENABLED = 1              # 1=启用飞书消息推送，0=禁用
WEBHOOK_URL = https://open.feishu.cn/open-apis/bot/v2/hook/xxx

[MQTT]
MQTT_ENABLED = 1         # 1=启用MQTT消息推送，0=禁用
MQTT_HOST = xxx
MQTT_PORT = 1883

[weight]
flagWeight = 1           # 飞书消息是否携带重量信息 (1=是)

[web]
PORT = 8080              # Web 管理端口

Web 管理功能

功能	路径	说明
首页仪表盘	/	系统概览、最新抓拍
登录认证	/login	超级管理员/普通用户双角色
系统监控	/monitor	CPU/内存/磁盘/温度实时监控
frpc 管理	/frpc	内网穿透服务管理
SSH 密钥	/ssh	Web 端 SSH 密钥管理
日志管理	/logs	在线查看 + logrotate
ROI 调整	/roi	Web 端 4 路视频 ROI 手动调整
视频预览	/video	实时视频流预览
称重记录	/weight	称重数据查询

账号说明

角色	用户名	密码	权限
超级管理员	admin	zhonjin188A	所有页面
普通用户	zhonjin	zhonjin	基础页面

首次部署后建议通过 scripts/reset_passwords.py 修改默认密码

安全规则

• ✅ 所有管理操作必须经过超级管理员登录认证
• ✅ frpc admin API 仅允许本机 127.0.0.1 调用，禁止通过 frp 隧道暴露到公网
• ✅ 永久失败告警受飞书开关 (g_feishu_enabled) 控制
• ✅ 认证系统使用 bcrypt 密码哈希 + 速率限制

版本历史

版本	日期	主要内容
fix27 v44	2026-08-30	飞书消息携带重量、水印居中、MQTT修复、内存泄漏修复
fix26 v44	2026-08-30	飞书/MQTT独立开关
fix25 v44	2026-08-30	P0 prelock 优化
fix24 v43	2026-08-30	系统指标历史、日志管理
fix24 v32-v41	2026-07~08	Web管理、认证系统、frpc管理
fix24 v21	2026-07-03	P0 时间对齐 bug 修复
fix18	2026-07-06	重复抓拍竞态、4路视频流、MQTT合并
V5 fix19	2026-06-25	基础版本

详细变更记录请查看 CHANGELOG.md

自动同步

项目包含 sync_to_gogs.sh 脚本，每次代码更新后执行即可自动同步到 Gogs 仓库：

bash sync_to_gogs.sh

许可证

本项目为内部使用项目。

联系方式

• 作者: steven_roc
• 邮箱: steven_roc@126.com
• Gogs: https://git.zhonjin.com:40717/steven_roc/PlateRecApp