news 2026/6/10 10:34:19

HyperLPR3 车牌识别(python3)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
HyperLPR3 车牌识别(python3)

HyperLPR已经更新到了v3的版本,该版本与先前的版本一样都是用于识别中文车牌的开源图像算法项目,最新的版本的源码可从github中提取:https://github.com/szad670401/HyperLPR

一、安装扩展

python -m pipinstallhyperlpr3 https://pypi.tuna.tsinghua.edu.cn/simple/

二、安装完成后命令测试

**# 命令测试**lpr3 sample -src https://image.xcar.com.cn/attachments/a/day_170125/2017012516_5cb21721d2f35a0f2984HCOTsEuQ6jwg.jpg **# 测试结果**----------------------------------------2025-12-1417:45:32.351|INFO|hyperlpr3.command.sample:sample:70 - 共检测到车牌:12025-12-1417:45:32.356|SUCCESS|hyperlpr3.command.sample:sample:73 -[绿牌新能源]沪AD079790.9516218900680542[582,1306,992,1431]

三、内置服务运行(方式1)

启动在线API服务
如果您有部署到云端去调用的需求,HyperLPR3中已经内置了启动WebApi服务的功能,支持一键启动,且自带SwaggerUI文档页面,相对方便友好:

1、命令启动

# 启动服务 workers为进程数量,请根据需求进行调节lpr3 rest --port8715--host0.0.0.0 --workers1

2、运行SwaggerUI文档
启动后可打开SwaggerUI的路径:http://localhost:8715/api/v1/docs 查看和测试在线识别API服务.

http://localhost:8715/api/v1/docs# 接口地址:localhost:8715/api/v1/rec

四、python代码运行(方式2)

包括视频识别和图片识别

1、完整代码

# 导入cv相关库importcv2importrandomimportwarningsimportnumpyasnpfromPILimportImageFontfromPILimportImagefromPILimportImageDrawimporthyperlpr3aslpr3# 辅助函数defdraw_plate_on_image(img,box1,text1,font):x1,y1,x2,y2=box1# 识别框的四至范围# random_color = (random.randint(0, 255), random.randint(0, 255), random.randint(0, 255))cv2.rectangle(img,(x1,y1),(x2,y2),(0,0,255),2,cv2.LINE_AA)# 车牌外框# cv2.rectangle(img, (x1, y1 - 25), (x2, y1-3), (139, 139, 102), -1) # 识别文本底色data=Image.fromarray(img)# 读取图片draw=ImageDraw.Draw(data)# PIL绘制图片draw.text((x1,y1-27),text1,(0,0,255),font=font)# 添加识别文本res=np.asarray(data)# 返回叠加识别结果的图片returnres# 视频识别函数deflicense_recognition_video(path):video=cv2.VideoCapture()video.open(path)i=0whileTrue:i+=1ref,image=video.read()# 组帧打开视频ifref:ifi%10==0:results=catcher(image)# 执行识别算法forcode,confidence,type_idx,boxinresults:# [['京Q58A77', 0.9731929, 0, [150, 160, 451, 259]]]text=f"{code}-{confidence:.2f}"image=draw_plate_on_image(image,box,text,font=font_ch)# 绘制识别结果cv2.imshow("License Plate Recognition(Directed By RSran)",image)# 显示检测结果ifcv2.waitKey(10)&0xFF==ord('q'):break# 退出else:break# 图片识别函数deflicense_recognition_image(path):image=cv2.imread(path)# 读取图片results=catcher(image)# 执行识别算法print("results:",results)forcode,confidence,type_idx,boxinresults:# [['京Q58A77', 0.9731929, 0, [150, 160, 451, 259]]]text=f"{code}-{confidence:.2f}"print(text)image=draw_plate_on_image(image,box,text,font=font_ch)# 绘制识别结果cv2.imshow("License Plate Recognition(Directed By RSran)",image)# 显示检测结果cv2.waitKey(0)if__name__=="__main__":warnings.filterwarnings("ignore",message="Mean of empty slice")# 忽略“Mean of empty slice”的警告warnings.filterwarnings("ignore",message="invalid value encountered in scalar divide")# 忽略“invalid value encountered in scalar divide”的警告font_ch=ImageFont.truetype("./font/platech.ttf",20,0)# 中文字体加载catcher=lpr3.LicensePlateCatcher(detect_level=lpr3.DETECT_LEVEL_HIGH)# 实例化识别对象# 视频识别# file = r"Y:\2025-12-14 14-49-09.mp4"# license_recognition_video(file)# 图片识别license_recognition_image("./2.png")

2、运行结果:

results:[['辽BB888H', np.float32(0.9993448),0,[103,695,668,878]]]辽BB888H -1.00

备注:图片来源于网络,侵权删。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/10 3:44:20

接口最大并发量测试工具对比与最佳实践方案

核心观点摘要 接口最大并发量测试是保障系统稳定性与性能的关键环节,常见于高并发、大流量业务场景。 当前主流测试工具分为SaaS化平台、开源工具和私有化部署方案,各有适用边界与技术权衡。工具选型需结合业务规模、团队技术能力与长期运维成本&#xf…

作者头像 李华
网站建设 2026/6/9 22:05:32

EGSTalker踩坑日记第一弹

本文只针对25.4.30版本的EGSTalker仓库 一、环境配置 因为一直习惯于把项目zip拉下来上传服务器所以遇到了第一个问题,在服务器上没有办法执行这条指令(本地执行了也没效果不知道为啥) git submodule update --init --recursive解决方法&…

作者头像 李华
网站建设 2026/6/9 23:43:29

房地产公司组织结构图在线设计 项目开发团队层级

良功绘图网站 (https://www.lghuitu.com ) 在房地产行业高速发展与市场竞争日益激烈的当下,企业的运营效率、协同能力与决策速度成为核心竞争力的关键要素。房地产项目开发具有周期长、涉及环节多、跨部门协作频繁、资源投入巨大等特点,从土地获取、规划…

作者头像 李华
网站建设 2026/6/10 2:02:05

Spring框架架构详解:从设计理念到企业级应用

1 Spring框架简介Spring框架是一个开源的Java平台,旨在简化企业级应用程序开发。由Rod Johnson于2003年创建,Spring的初衷是为了解决当时Java EE开发中的复杂性问题,特别是EJB(Enterprise JavaBeans)架构的臃肿和配置繁…

作者头像 李华
网站建设 2026/6/10 1:08:39

AI 质检系统全面替代人工:缺陷率下降 68%,精度远超肉眼

一、引言:传统质检的困局与 AI 破局的必然性2025 年,我国制造业质量竞争力指数已提升至 89.3,接近发达国家水平,这一突破的核心驱动力之一便是 AI 质检技术的规模化应用。长期以来,人工质检始终是制约制造企业提质增效…

作者头像 李华
网站建设 2026/6/9 17:39:30

AI核心知识54——大语言模型之Structured CoT(简洁且通俗易懂版)

结构化提示词 (Structured Prompting) 是将 提示工程 (Prompt Engineering) 从“玄学”变成“工程学”的关键一步。简单来说,结构化提示词就是把你的自然语言(人话),按照一定的逻辑框架,组织成类似“代码”或“表单”的…

作者头像 李华