访问官网
Github
文档自动车牌识别软件（ALPR, ANPR）
获取高精度、开发者友好的自动车牌识别（ALPR）或自动号牌识别（ANPR）软件！我们的 ALPR、ANPR 系统核心基于最先进的深度神经网络架构。
我们的机器学习软件：
- 适用于黑暗、低分辨率、模糊图像和困难角度、所有车辆类型等。查看我们完整的 ALPR 结果。
- 解码车牌、车辆类型（如 SUV、面包车、皮卡车）、车辆品牌型号（如本田雅阁）、颜色和方向。忽略保险杠贴纸、车标等。
- 针对所有 50 个美国州、印度、巴西和全球 90 多个国家进行了优化。
Snapshot：60 分钟内获取图像车牌识别：
- 访问简单的 REST API，轻松集成 8 种编程语言。
- 通过 JSON 响应或 Webhooks 返回结果。
- 推理速度快，最快可达 21 毫秒。
- 可在Linux、Windows、Mac、Jetson**、**Kubernetes、树莓派、Zynq、96Boards、LattePanda 等平台上本地运行。
Stream：从摄像头或视频流获取车牌识别：
ALPR、ANPR 软件适用于停车场、高速公路监控、收费、警察监视、社区安保等场景。我们的车牌识别（LPR）软件还可以将结果转发到我们完整的 ALPR 仪表板和 停车管理软件解决方案 ParkPow。立即注册 免费试用（无需信用卡）或在 https://platerecognizer.com 了解更多。
从图像中读取车牌
从 Plate Recognizer 获取您的 API 密钥。将 MY_API_KEY 替换为您的 API 密钥，然后运行以下命令。
有关脚本的设置说明，请查看我们的指南 这里
# 开始使用！
git clone https://github.com/parkpow/deep-license-plate-recognition.git
cd deep-license-plate-recognition
pip install requests pillow
python plate_recognition.py --api-key MY_API_KEY /path/to/vehicle.jpg
结果包括每个车牌的边界框（对象周围的矩形）和plate值。在我们的文档中查看结果的详细信息。
[
{
"version": 1,
"results": [
{
"box": {
"xmin": 85,
"ymin": 85,
"ymax": 211,
"xmax": 331
},
"plate": "ABC123",
"score": 0.904,
"dscore": 0.92
}
],
"filename": "car.jpg"
}
]
特定地区的查询
您可以匹配特定地区的车牌模式。
python plate_recognition.py --api-key MY_API_KEY --regions fr --regions it /path/to/car.jpg
处理多个文件（批处理模式）
您还可以一次在多个文件上运行车牌识别。要在目录中的所有图像上运行脚本，请使用：
python plate_recognition.py --api-key MY_API_KEY /path/to/car1.jpg /path/to/car2.jpg /path/to/trucks*.jpg
本地运行 ALPR（SDK）
要使用本地托管的 SDK，请按如下方式传递 Docker 容器的 URL：
python plate_recognition.py --sdk-url http://localhost:8080 /path/to/vehicle.jpg
车牌模糊处理和编辑
脚本 number_plate_redaction.py 与默认预测脚本不同，因为它还可以检测几乎无法辨认和/或非常小的车牌。它返回所有车牌的边界框。这些可用于模糊或遮蔽车牌。
此外，它可以将图像分割成更小的图像，以更好地处理高分辨率图像。这将使用 3 次查询而不是仅 1 次。要使用此选项，请添加 --split-image。
选项 --save-blurred 允许您保存模糊处理后的图像。它们将保存为带有 _blurred 后缀的新文件。
选项 --ignore-regexp 允许您指定要忽略模糊处理的车牌的正则表达式。此选项可以多次指定。
选项 --ignore-no-bb 允许您忽略没有车辆边界框的识别结果的模糊处理。
python number_plate_redaction.py --help
python number_plate_redaction.py --api-key API_KEY vehicels.jpg
python number_plate_redaction.py --sdk-url http://localhost:8080 --split-image vehicels.jpg
python number_plate_redaction.py --api-key 77c### 58C5A57_14965463.jpg --save-blurred --ignore-regexp ^58c5a57$ --ignore-regexp ^[0-9][0-9]c5a57$
从 FTP 或 SFTP 服务器处理图像
您可以直接将图像发送到我们的 FTP。有关详细信息，请参阅我们的 FTP 集成。
如果您想使用自己的 FTP 或 SFTP 服务器，另一个选择是使用 ftp_and_sftp_processor.py 处理图像：
有关脚本的设置说明，请查看我们的指南 这里
python ftp_and_sftp_processor.py --api-key MY_API_KEY --hostname FTP_HOST_NAME --ftp-user FTP_USER --ftp-password FTP_USER_PASSWORD --folder /path/to/server_folder
默认情况下，脚本准备处理FTP服务器上的图像。如果您想处理SFTP服务器上的图像，请添加参数--protocol sftp。
要在处理后从FTP或SFTP服务器删除图像，请添加参数--delete。
| 参数 | 描述 |
|---|---|
| -h, --help | 显示帮助信息 |
| -a, --api-key | 您的API密钥 |
| -r, --regions | 匹配特定地区的车牌模式 |
| -s, --sdk-url | 自托管SDK的URL。例如，http://localhost:8080 |
| -c, --protocol | 使用的协议，可选择'ftp'（默认）或'sftp' |
| -t, --timestamp | 时间戳 |
| -H, --hostname | 主机 |
| -p, --port | 端口 |
| -U, --ftp-user | 传输协议服务器用户 |
| -P, --ftp-password | 传输协议服务器用户密码 |
| -d, --delete | 处理后从FTP服务器删除图像。可选择指定超时时间（秒） |
| -f, --folder | 指定FTP服务器上的图像文件夹 |
| -o, --output-file | 将结果保存到文件 |
| -i, --interval | 每隔指定秒数定期从服务器获取新图像 |
| --camera-id | 源摄像头名称 |
| --cameras-root | 包含动态摄像头的根文件夹 |
| --format | 结果格式，可选择'json'（默认）或'csv' |
| --mmc | 预测车辆品牌和型号（仅限SDK）。需要启用 |
| --pkey | SFTP私钥路径 |
自动图像传输
自动图像传输是一个命令行工具，运行我们的ALPR引擎。它监控文件夹并在添加图像时自动处理（云端或SDK）。处理完成后，图像会被移至归档目录。它还可以转发结果到我们的停车管理服务Parkpow。
开始使用：python transfer.py --help
代码示例
查看我们的示例项目，轻松开始使用API。
- C++示例程序。
- C#示例程序。
- Java示例程序。
- Android应用。允许您拍照并发送到我们的API。
- Kotlin编写的Android应用。
- 查看我们的文档了解如何与其他语言集成。
- 用于车牌识别的Node-RED节点。
- 或者转换curl示例到其他语言。
有问题吗？让我们知道如何帮助您。
由ParkPow的子公司Plate Recognizer提供。
