自动车牌识别软件（ALPR、ANPR）

获取高精度、开发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系统的核心基于最先进的深度神经网络架构。

• 从图像中读取车牌
  • 处理来自FTP或SFTP服务器的图像
  • 模糊车牌与信息遮盖
  • 基准测试
• 在视频或摄像头流上进行号牌识别
• 自动图像传输
• 代码示例

我们的机器学习软件：

• 可以处理黑暗、低分辨率、模糊的图像以及复杂角度，适用于所有类型的车辆等。请参阅我们的完整ALPR结果。
• 能够解码车牌号码、车辆类型（如SUV、面包车、皮卡）、车辆品牌和型号（如本田雅阁）、颜色和方向。同时会忽略保险杠贴纸、车内标志等干扰因素。
• 针对全美50个州、印度、巴西以及全球90多个国家和地区进行了优化。

Snapshot：在60分钟内从图像中获取车牌识别结果：

• 提供一个简单的REST API，便于在8种编程语言中集成。
• 通过JSON响应或Webhook返回结果。
• 具有快速推理速度，最快可达21毫秒。
• 支持本地部署，可在Linux、Windows、Mac、Jetson、Kubernetes、树莓派、Zynq、96Boards、LattePanda等平台上运行。

Stream：从摄像头或视频流中获取号牌识别结果：

• 通过CSV文件或Webhook返回车牌结果。
• 在中端PC上可同时处理4路摄像头。
• 支持本地部署，可在Linux、Windows、Mac以及Jetson平台上运行。

ALPR、ANPR软件非常适合用于停车场管理、高速公路监控、收费站、警方监控、社区安防等场景。我们的车牌识别（LPR）软件还可以将结果转发至我们的完整ALPR仪表盘以及停车场管理软件解决方案ParkPow。立即注册免费试用（无需信用卡），或访问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，并运行以下命令。

如需了解脚本的设置说明，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

结果包含每个车牌的边界框（围绕物体的矩形）和plate值。您可以在我们的文档中查看详细结果。

[
  {
    "version": 1,
    "results": [
      {
        "box": {
          "xmin": 85,
          "ymin": 85,
          "ymax": 211,
          "xmax": 331
        },
        "plate": "ABC123",
        "score": 0.904,
        "dscore": 0.92
      }
    ],
    "filename": "car.jpg"
  }
]

针对特定地区的查询

您可以匹配特定地区的车牌格式。

python plate_recognition.py --api-key MY_API_KEY --regions fr --regions it /path/to/car.jpg

处理多个文件（批量模式）

您也可以一次性对多个文件运行车牌识别程序。要对目录中的所有图像运行脚本，请使用：

python plate_recognition.py --api-key MY_API_KEY /path/to/car1.jpg /path/to/car2.jpg /path/to/trucks*.jpg

在本地运行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

车牌模糊处理与遮盖

脚本 number_plate_redaction.py 与默认的预测脚本不同，因为它还能检测几乎无法识别和/或非常小的车牌。它会返回所有车牌的边界框，这些边界框可用于对车牌进行模糊处理或遮盖。

此外，该脚本还可以将图像分割成更小的块，以便更好地处理高分辨率图像。这样每次处理时会进行3次查询，而不是仅1次。要使用此选项，请添加 --split-image 参数。

--save-blurred 选项允许您保存模糊后的图像。这些图像会被保存为带有 _blurred 后缀的新文件。

--ignore-regexp 选项允许您指定一个正则表达式，用于忽略某些车牌的模糊处理。此选项可以多次指定。

--ignore-no-bb 选项允许您在模糊处理时忽略那些没有车辆边界框的识别结果。

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 服务器。有关详细信息，请参阅我们的 FTP 集成文档。

如果您希望使用自己的 FTP 或 SFTP 服务器，另一种选择是使用 ftp_and_sftp_processor.py 脚本来处理图像：

有关该脚本的设置说明，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，该脚本适用于处理 FTP 服务器中的图像；如果需要处理 SFTP 服务器中的图像，则需添加 --protocol sftp 参数。

若要在处理完成后从 FTP 或 SFTP 服务器中删除图像，可添加 --delete 参数。

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格式。
-s, --sdk-url	自托管 SDK 的 URL。例如，http://localhost:8080
-c, --protocol	使用的协议，可选值为 '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 服务器中删除图像。可选地指定超时时间（以秒为单位）。
-f, --folder	指定 FTP 服务器上存放图像的文件夹。
-o, --output-file	将结果保存到文件。
-i, --interval	按照指定的时间间隔定期从服务器获取新图像。
--camera-id	来源摄像头的名称。
--cameras-root	包含动态摄像头的根目录。
--format	结果格式，可选值为 'json'（默认）或 'csv'
--mmc	预测车辆的品牌和型号（仅限 SDK）。必须启用。
--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，它运行我们的 ALPR 引擎。它可以监控一个文件夹，并在图像被添加时自动进行处理（云端或 SDK）。处理完成后，图像会被移动到归档目录。它还可以将结果转发到我们的停车管理服务 Parkpow。

开始使用：python transfer.py --help

代码示例

请参阅我们的示例项目，以便快速上手 API。

• C++ 示例程序。
• C# 示例程序。
• Java 示例程序。
• Android 应用，可拍摄照片并发送至我们的 API。
• Kotlin 版 Android 应用。
• 在我们的文档中查看如何与其他语言集成。
• 用于车牌识别的 Node-RED 节点 plate-recognizer。
• 或者使用 curlconverter.com 将 curl 示例转换为其他语言。

---

您有任何问题吗？请通过 联系我们 告诉我们，我们将竭诚为您服务。

由 Plate Recognizer 提供，它是 ParkPow 的子公司。

deep-license-plate-recognition 快速上手指南

deep-license-plate-recognition 是一款基于深度神经网络的高精度自动车牌识别（ALPR/ANPR）工具。它支持从图片或视频流中识别车牌、车型、颜色等信息，适用于停车管理、交通监控等场景。

环境准备

• 操作系统：支持 Linux、Windows、macOS。也可运行于 Raspberry Pi、NVIDIA Jetson 等设备。
• Python 版本：建议 Python 3.6 及以上。
• 前置依赖：
  • pip (Python 包管理工具)
  • requests (HTTP 请求库)
  • pillow (图像处理库)
• API Key：使用前需前往 Plate Recognizer 注册并获取 API Key（提供免费试用，无需信用卡）。
  • 注：若需离线本地部署，需自行搭建 SDK 服务（Docker 容器），本指南主要介绍云端 API 调用方式。

安装步骤

1. 克隆项目代码

   git clone https://github.com/parkpow/deep-license-plate-recognition.git
   cd deep-license-plate-recognition
   

2. 安装 Python 依赖

   pip install requests pillow
   

   国内加速提示：若下载速度较慢，可使用国内镜像源安装： pip install requests pillow -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

以下示例展示如何识别单张车辆图片中的车牌。

1. 准备图片：确保你有一张包含车辆的图片（例如 vehicle.jpg）。

2. 执行识别命令： 将命令中的 MY_API_KEY 替换为你在官网获取的真实 API Key，并将 /path/to/vehicle.jpg 替换为实际图片路径。

   python plate_recognition.py --api-key MY_API_KEY /path/to/vehicle.jpg
   

3. 查看结果： 程序将输出 JSON 格式的结果，包含车牌位置坐标 (box)、识别出的车牌号 (plate) 以及置信度分数 (score)。

   输出示例：

   [
     {
       "version": 1,
       "results": [
         {
           "box": {
             "xmin": 85,
             "ymin": 85,
             "ymax": 211,
             "xmax": 331
           },
           "plate": "ABC123",
           "score": 0.904,
           "dscore": 0.92
         }
       ],
       "filename": "car.jpg"
     }
   ]
   

进阶用法简述

• 指定识别区域：提高特定国家/地区车牌的识别准确率。

  python plate_recognition.py --api-key MY_API_KEY --regions fr --regions it /path/to/car.jpg
  

• 批量处理：一次性处理目录下的多张图片。

  python plate_recognition.py --api-key MY_API_KEY /path/to/car1.jpg /path/to/car2.jpg /path/to/trucks*.jpg
  

• 本地 SDK 模式：如果你部署了本地 SDK 服务，可通过 --sdk-url 指定地址，无需消耗云端配额。

  python plate_recognition.py --sdk-url http://localhost:8080 /path/to/vehicle.jpg