# AgentCLPR
## 简介
* 一个基于 [ONNXRuntime](https://github.com/microsoft/onnxruntime)、[AgentOCR](https://github.com/AgentMaker/AgentOCR) 和 [License-Plate-Detector](https://github.com/zeusees/License-Plate-Detector) 项目开发的中国车牌检测识别系统。
## 车牌识别效果
* 支持多种车牌的检测和识别（其中单层车牌识别效果较好）：
* 单层车牌：
[[[[373, 282], [69, 284], [73, 188], [377, 185]], ['苏E05EV8', 0.9923506379127502]]]
[[[[393, 278], [318, 279], [318, 257], [393, 255]], ['VA30093', 0.7386096119880676]]]
[[[[[487, 366], [359, 372], [361, 331], [488, 324]], ['皖K66666', 0.9409016370773315]]]]
[[[[304, 500], [198, 498], [199, 467], [305, 468]], ['鲁QF02599', 0.995299220085144]]]
[[[[309, 219], [162, 223], [160, 181], [306, 177]], ['使198476', 0.9938704371452332]]]
[[[[957, 918], [772, 920], [771, 862], [956, 860]], ['陕A06725D', 0.9791222810745239]]]
* 双层车牌：
[[[[399, 298], [256, 301], [256, 232], [400, 230]], ['浙G66666', 0.8870148431461757]]]
[[[[398, 308], [228, 305], [227, 227], [398, 230]], ['陕A00087', 0.9578166644088313]]]
[[[[352, 234], [190, 244], [190, 171], [352, 161]], ['宁A66666', 0.9958433652812175]]]
## 快速使用
* 快速安装
```bash
# 安装 AgentCLPR
$ pip install agentclpr
# 根据设备平台安装合适版本的 ONNXRuntime
# CPU 版本（推荐非 win10 系统，无 CUDA 支持的设备安装）
$ pip install onnxruntime
# GPU 版本（推荐有 CUDA 支持的设备安装）
$ pip install onnxruntime-gpu
# DirectML 版本（推荐 win10 系统的设备安装，可实现通用的显卡加速）
$ pip install onnxruntime-directml
# 更多版本的安装详情请参考 ONNXRuntime 官网
```
* 简单调用：
```python
# 导入 CLPSystem 模块
from agentclpr import CLPSystem
# 初始化车牌识别模型
clp = CLPSystem()
# 使用模型对图像进行车牌识别
results = clp('test.jpg')
```
* 服务器部署：
* 启动 AgentCLPR Server 服务
```shell
$ agentclpr server
```
* Python 调用
```python
import cv2
import json
import base64
import requests
# 图片 Base64 编码
def cv2_to_base64(image):
data = cv2.imencode('.jpg', image)[1]
image_base64 = base64.b64encode(data.tobytes()).decode('UTF-8')
return image_base64
# 读取图片
image = cv2.imread('test.jpg')
image_base64 = cv2_to_base64(image)
# 构建请求数据
data = {
'image': image_base64
}
# 发送请求
url = "http://127.0.0.1:5000/ocr"
r = requests.post(url=url, data=json.dumps(data))
# 打印预测结果
print(r.json())
```
