概述

通过开源库HyperLPR可以快速的读取车牌号码，为了方便我们可以将Python脚本封装成WEBAPI接口，采用轻量级Flask实现，方便第三方应用对接使用，以下是python关键代码，其它权限控制简略。
主要实现：通过API接口上传一张含有车牌号码的照片，API接口给出车牌识别结果。同时提供图片在线查看URL，对车牌进行标注。
HyperLPR官方地址：https://github.com/zeusees/HyperLPR

安装库环境

安装 Anaconda

Anaconda是1个常用的python包管理程序，里面可以设置好多个python环境。
下载 Anaconda 安装脚本

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.05-Linux-x86_64.sh --no-check-certificate

下载完成后，执行安装，会提示你阅读授权，一直按回车就可以了

sh Anaconda3-2021.05-Linux-x86_64.sh

然后提示你是否同意，输入yes
安装过程中会询问你安装的位置，一般不用更改，输入回车就行，它会自动解压缩
最后会提示是否初始化Anaconda的一些配置，记得输入yes

安装好了之后，把Anaconda配置到环境变量，就可以用快捷 conda 命令了

vim ~/.bashrc #编辑环境配置文件export PATH="~/anaconda3/bin:$PATH" # 在第一行加入这个

vim 输入 i 可以编辑，编辑好了之后按 Esc, 然后输入 :wq 保存修改

保存好了之后更新环境变量，在命令行输入：

source ~/.bash_profile

最后验证一下是否配置成功，没有保存的话就是配置成功了！

安装好了之后，创建一个 python3.8的环境,执行一下命令，会有一个确认，输入 y ，然后回车就可以了

conda create --name hyperlpr_env python=3.8 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

激活 paddle_env 环境

conda activate hyperlpr_env

安装 Hyperlpr和Flask

#更新pip源
pip3 install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple
#安装HyperLPR
pip3 install hyperlpr -i https://pypi.tuna.tsinghua.edu.cn/simple
#安装HyperLPR指定的opencv版本
pip3 install opencv-python==3.4.9.31 -i https://pypi.tuna.tsinghua.edu.cn/simple
#安装flask框架用于搭建WebApi接口
pip3 install flask -i https://pypi.tuna.tsinghua.edu.cn/simple

部署Python脚本代码

import base64
import flask
import json
import cv2
import numpy as np
from flask import Flask, request, make_response
from hyperlpr import *

sever = Flask(__name__)

@sever.route("/hyperlpr_file.do", methods=["post"])
def upload():
    # 上传文件，取一个名字，再给名字一个默认值None
    f = flask.request.files.get('file', None)
    if f:
        # 如果文件不为空
        image = np.asarray(bytearray(f.read()), dtype="uint8")
        image = cv2.imdecode(image, cv2.IMREAD_COLOR)
        # 识别结果
        plates = HyperLPR_plate_recognition(image)
        print(plates)
        # [['川A00000', 0.9829636641911098, [256, 184, 391, 231]]]
        arr = []
        for plate in plates:
            label = plate[0]
            confidence = plate[1]
            point = plate[2]
            arr.append({'label': label, 'confidence': confidence, 'point': point})
        plates_info = {'plates': arr}
        res = {"rc": 0, 'data': plates_info}
    else:
        # 如果文件为空
        res = {"rc": -1}
    return json.dumps(res, ensure_ascii=False)  # 防止出现乱码

@sever.route("/hyperlpr_base64.do", methods=["post"])
def hyperlpr_base64():
    # 上传文件，取一个名字，再给名字一个默认值None
    raw_data = flask.request.get_data("data")
    if raw_data:
        # print(raw_data)
        raw_json = json.loads(raw_data)
        image_base64 = raw_json['images'][0]
        # print(image_base64)
        image_bytes = np.asarray(bytearray(base64.b64decode(image_base64)), dtype="uint8")
        # print(image_bytes)
        image = cv2.imdecode(image_bytes, cv2.IMREAD_COLOR)
        # 识别结果
        plates = HyperLPR_plate_recognition(image)
        print(plates)
        # [['川A00000', 0.9829636641911098, [256, 184, 391, 231]]]
        arr = []
        for plate in plates:
            label = plate[0]
            confidence = plate[1]
            point = plate[2]
            arr.append({'label': label, 'confidence': confidence, 'point': point})
        plates_info = {'plates': arr}
        res = {"rc": 0, 'data': plates_info}
        # res = {"rc": 0}
    else:
        # 如果文件为空
        res = {"rc": -1}
    return json.dumps(res, ensure_ascii=False)  # 防止出现乱码


sever.run(host='0.0.0.0', port=8888)

将以上脚本拷贝到服务器某个目录下，这里拷贝到/home/hyperlpr/下，新建文件hyperlpr_server.py

image.png

开启后台服务

nohup python -u hyperlpr_server.py > log.log 2>&1 &

查看进程

ps -ef|grep python

关闭进程

kill -9 19913

查看日志

tail -f 1000 log.log

如何查看端口占用

$: netstat -anp | grep 8888
tcp        0      0 127.0.0.1:8888          0.0.0.0:*               LISTEN      13404/python3       
tcp        0      1 172.17.0.10:34036       115.42.35.84:8888       SYN_SENT    14586/python3 

强制杀掉进程：通过pid

$: kill -9 13404
$: kill -9 14586
$: netstat -anp | grep 8888
$:

远程调用演示

• 采用Postman提交演示数据

  
  
  image.png

返回结果：

{
    "rc": 0,
    "data": {
        "plates": [
            {
                "label": "京G65467",
                "confidence": 0.9797496455056327,
                "point": [
                    203,
                    440,
                    302,
                    473
                ]
            }
        ]
    }
}