cover

XLPR车牌识别开发包

汇智网 / hubwiz.com

自动定位并识别图像中的车牌号码和车牌颜色,提供Web API和原生API。

XLPR SDK适用于为各种应用增加车牌自动识别能力,支持多个区域检测,支持车牌颜色和号码输出,提供Web API和 原生API。

XLPR主要由三个主要部分构成:D-Net、R-NET和C-Net,分别负责车牌区域的检测、车牌号码识别 和车牌颜色识别,如下图所示:

xlpr arch

1、目录组织

XLPR开发包的目录组织说明如下:

xlpr_sdk    
  | - core                      # 核心代码目录
    | - d_net.py                  # 车牌检测网络
    | - r_net.py                  # 号码识别网络
    | - c_net.py                  # 颜色识别网络
    | - utils.py                  # 辅助模块
  | - weights                   # 预训练权重目录
    | - d-net-c.pt                # d_net权重
    | - r-net-c.pt                # r_net权重
    | - c-net-c.pt                # c_net权重
  | - samples                   # 测试图片目录
    | - test-1.jpg                
    | - ....
  | - serve.py                  # Web UI及API服务
  | - api_test.py               # Web API调用示例代码
  | - requirements.txt          # 依赖声明文件

在第一次使用之前,首先安装依赖文件:

pip install -r requirements.txt

2、使用Web UI

执行如下命令启动Web UI:

python serve.py

然后使用浏览器访问 http://127.0.0.1:7860,即可打开Web UI。

在Web UI中打开一个图像文件,然后点击[Submit]按钮,就可以进行识别,如下图所示:

webui

右侧的输出图像上叠加了检测到的车牌信息,输出结果为一个数组,每个成员包含如下字段:

  • bbox: 车牌的包围框
  • label: 车牌号码
  • color: 车牌颜色,blue:蓝色 | green: 绿色 | yellow: 黄色

下图是检测新能源车牌的示例:

webui green

下图是检测黄牌的示例:

webui yellow

3、使用Web API

api_name: /predict

输入参数:

  • img_in:输入图像

输出结果:

  • [0] :输出图像文件路径
  • [1] :检测结果数组,每个成员包含如下字段: bbox | label | color

Python调用示例如下:

from gradio_client import Client, handle_file

client = Client("http://127.0.0.1:7860/")
result = client.predict(
  img_in=handle_file('./samples/test-1.jpg'),
  api_name="/predict" )
print(result)

执行结果如下:

web api test

Web API特别适合将车牌识别能力集成到Java、C#、Javascript等其他语言开发的应用中。

4、使用原生API

除了Web API,XLPR SDK也提供了Python原生API。

4.1 入口类

XLpr是SDK的入口类,使用其predict()方法对传入的图片进行处理,并返回叠加 结果的图片和检测结果数据。

XLpr实例的predict()调用示例代码如下:

from core.xlpr import XLpr
import cv2

xlpr = XLpr()

img_in = cv2.imread('samples/test-1.jpg')
img_out, results = xlpr.predict(img_in)

4.2 车牌检测类

DetectionNetD-NET的实现类,使用其predict()方法对传入的图片进行处理,并 返回车牌包围框集合。

DetectionNet实例的predict()方法调用示例代码如下:

from core.d_net import DetectionNet
import cv2

d_net = DetectionNet()

img_list = [ cv2.imread('samples/test-1.jpg') ]
bbxs_list = d_net.predict(img_list)

4.3 车牌号码识别类

RecognitionNetR-NET的实现类,使用其predict_image_patches()方法对指定的 图片的多个区域进行号码识别。例如:

from core.d_net import DetectionNet
from core.r_net import RecognitionNet
import cv2

d_net = DetectionNet()
r_net = RecognitionNet()

img_list = [ cv2.imread('samples/test-1.jpg') ]
bbxs_list = d_net.predict(img_list)

img, bbxs = img_list[0], bbxs_list[0]
labels = r_net.predict_image_patches(img, bbxs)

4.4 车牌颜色识别类

ColorNetC-NET的实现类,使用其predict_image_patches()方法对指定的图片的多个 区域进行颜色识别。例如:

from core.d_net import DetectionNet
from core.c_net import ColorNet
import cv2

d_net = DetectionNet()
c_net = ColorNet()

img_list = [ cv2.imread('samples/test-1.jpg') ]
bbxs_list = d_net.predict(img_list)

img, bbxs = img_list[0], bbxs_list[0]
colors = c_net.predict_image_patches(img, bbxs)

声 明

本站所提供软件包仅用于学习和研究,请依法合规使用。

本站所提供软件包均提供完整源码,使用前请认真阅读源代码和文档以确保充分理解软件包的设计与功能实现,本站不承担 因不当使用本站所提供软件包而造成的任何法律风险或财产损失责任。

¥2499.00
查看授权信息
  • 付费成功自动开通下载
  • 三个月内代码免费升级
  • 专业人员在线技术支持
  • 支持按需定制(另付费)
下载代码包
版本发布日期地址
1.0.0 2024-7-13
下载最新版
QQ咨询
2860991437
9+