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。

从图像中读取车牌
视频或摄像头流的车牌识别
自动图像传输
代码示例

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：

通过 CSV 文件或 Webhooks 返回车牌结果。
中档 PC 可同时处理 4 个摄像头。
可在Linux、Windows、Mac 和 Jetson 上本地运行。

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