第四期【百度大脑新品体验】车牌号识别

第四期【百度大脑新品体验】车牌号识别
作者：才能我浪费99

1.功能描述：

支持对中国大陆机动车车牌的识别，包括地域编号和车牌号

2.平台接入

具体接入方式比较简单，可以参考我的另一个帖子，这里就不重复了：
http://ai.baidu.com/forum/topic/show/943327

3.调用攻略（Python3）及评测

3.1首先认证授权：

在开始调用任何API之前需要先进行认证授权，具体的说明请参考：

http://ai.baidu.com/docs#/Auth/top

具体Python3代码如下：

-- coding: utf-8 --

#!/usr/bin/env python

import urllib
import base64
import json
#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】

#获取token
def get_token():
host = ‘https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=’ + client_id + ‘&client_secret=’ + client_secret
request = urllib.request.Request(host)
request.add_header(‘Content-Type’, ‘application/json; charset=UTF-8’)
response = urllib.request.urlopen(request)
token_content = response.read()
if token_content:
token_info = json.loads(token_content)
token_key = token_info[‘access_token’]
return token_key

3.2车牌号识别分析接口调用：

详细说明请参考： https://ai.baidu.com/docs#/OCR-API/5116ac95

说明的比较清晰，这里就不重复了。

大家需要注意的是：
API访问URL：https://aip.baidubce.com/rest/2.0/ocr/v1/license_plate
图像数据，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过4M，最短边至少15px，最长边最大4096px,支持jpg/jpeg/png/bmp格式

Python3调用代码如下：

#画出车牌识别结果
def draw_plate(draw,plate):
i=0
for point in plate[‘vertexes_location’]:
if i==0:
start_x=point[‘x’]
start_y=point[‘y’]
origin_x=point[‘x’]
origin_y=point[‘y’]
#draw.text((start_x,start_y), plate[‘number’] ,plate[‘color’])
else:
draw.line((start_x, start_y, point[‘x’], point[‘y’]), ‘red’)
start_x=point[‘x’]
start_y=point[‘y’]
i=i+1
draw.line((start_x, start_y, origin_x, origin_y), ‘red’)
return draw

def draw_plates(originfilename,plates,resultfilename,multi_detect):
from PIL import Image, ImageDraw

image_origin = Image.open(originfilename)
draw =ImageDraw.Draw(image_origin)
if multi_detect=='false':
    #print (plate)
    draw_plate(draw,plates)
else:
    for plate in plates:
        #print (plate)
        draw_plate(draw,plate)
    
#draw.line((0,0) +Image1.size, fill=128)
#image_origin.show()
image_origin.save(resultfilename, "JPEG")

#车牌号
#filename:图片名（本地存储包括路径），
#multi_detect是否检测多张车牌，默认为false，当置为true的时候可以对一张图片内的多张车牌进行识别
def license_plate(filename,resultfilename,multi_detect=‘false’):
request_url = “https://aip.baidubce.com/rest/2.0/ocr/v1/license_plate”

# 二进制方式打开图片文件
f = open(filename, 'rb')
img = base64.b64encode(f.read())

params = dict()
params['image'] = img
params['multi_detect'] = multi_detect
params = urllib.parse.urlencode(params).encode("utf-8")

access_token = get_token()

begin = time.perf_counter()
request_url = request_url + "?access_token=" + access_token
request = urllib.request.Request(url=request_url, data=params)
request.add_header('Content-Type', 'application/x-www-form-urlencoded')
response = urllib.request.urlopen(request)
content = response.read()
end = time.perf_counter()

print('处理时长:'+'%.2f'%(end-begin)+'秒')

if content:
    #print(content)
    content=content.decode('utf-8')
    #print(content)
    data = json.loads(content)
    #print(data)

    words_result=data['words_result']
    if multi_detect=='false':
        print ('颜色',':',words_result['color'])
        print ('车牌号',':',words_result['number'])
    else:
        for item in words_result:
            print ('颜色',':',item['color'])
            print ('车牌号',':',item['number'])
            print ('-------------')
            print(item['vertexes_location'])
            
    draw_plates(filename,words_result,resultfilename,multi_detect)    

license_plate(’…/img/plate3.jpg’,’…/img/plate3_draw.jpg’,‘false’)

4.功能评测：
选用不同的数据对效果进行测试，具体效果如下（以下例子均来自网上）：

蓝牌：

处理时长:2.52秒
颜色 : blue
车牌号 : 陕K75555

绿牌：

处理时长:1.44秒
颜色 : green
车牌号 : 冀FF01717

多张：

处理时长:0.94秒
颜色 : blue
车牌号 : 京NB2012

[{‘y’: 106, ‘x’: 26}, {‘y’: 135, ‘x’: 352}, {‘y’: 244, ‘x’: 345}, {‘y’: 216, ‘x’: 20}]
颜色 : blue
车牌号 : 京NB2013

[{‘y’: 367, ‘x’: 20}, {‘y’: 367, ‘x’: 371}, {‘y’: 473, ‘x’: 370}, {‘y’: 473, ‘x’: 20}]

5.测试结论和建议

测试下来，整体识别效果不错。对于车牌号有较强的识别能力，效果很好，速度也很快。可以广泛的应用于：
停车场闸机识别：在停车场的闸机上使用车牌识别，自动识别车牌号码实现无卡、无人的停车场管理，方便快捷
道路违章检测：在交通道路上的摄像头中加入车牌识别结合违章判断，对违章的车辆号码进行自动识别，实现自动化的违章审计

等领域，对于提高工作效率会有很大的帮助。