项目简介
在城市交通管理、视频监控、车辆识别和停车场管理中车辆检测与车牌识别是一项富有挑战而重要的任务。利用深度学习识别不同条件下的车辆及其车牌信息。更具体地说，实时目标检测网络（Yolov5）用于从车辆图像中提取特征并且通过训练对车辆进行实时目标检测，车牌识别神经网络（LPRnet）用于从车牌提取特征并且通过训练对车牌进行实时识别。通过对Yolov5提取的特征进行了分析，利用与视觉任务强相关的测试样本集对目标检测模型与车牌识别模型进行测试，能够为交通车辆识别与管理等作业提供可靠、高效的车辆信息。
项目亮点：
- 融合YOLOv5和LPRnet网络进行车牌识别
- 超轻量级检测模型（大小为1.12MB）
- 覆盖支持13种中文车牌的识别
1.单行蓝牌2.单行黄牌3.新能源车牌4.白色警用车牌5.教练车牌6.武警车牌7.双层黄牌8.双层武警9.使馆车牌10.港澳牌车11.双层农用车牌12.民航车牌13.摩托车牌
- 云端API部署，供给各端使用
- 支持onnx、openvino和tensorrt各种推理模式
项目预览：
云端部署
- 下载源代码：全面超轻量级车牌检测与识别云端API部署
- 开启服务端
python server.py
服务等待开启后即可，开启后会打印可以访问的在线页面：http://localhost:8090/ ，打开页面就可以看到：
3. 此时我们就可以模拟一个客户端向该api发送post请求：
import requests
import jsonurl = 'http://127.0.0.1:8090/detect'
files = {'file': open('./car.jpg', 'rb')}
r = requests.post(url, files=files)
print(r.text)
发送请求的图片：
发送请求后即可看到：
此时后端收到了服务请求，客户端返回了结果：
{"number plate":"京AG6156","status":1,"time":"0.6833s"}
本次演示在本地端进行，还可以快速部署在服务器端
