WebAPI.py · testHpro/HyperLPR

代码拉取完成,页面将自动刷新

扫描微信二维码支付

取消

支付完成

richgiteeai

Watch

不关注关注所有动态仅关注版本发行动态关注但不提醒动态

1 Star 0 Fork 475

testHpro/HyperLPR

forked from 北京智云视图科技有限公司/HyperLPR

代码 Issues 0 Pull Requests 0 Wiki 统计流水线

服务

加入 Gitee

与超过 1400万开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)

免费加入

已有帐号? 立即登录

文件

master

分支 (2)

管理

master

克隆/下载

HTTPS SSH SVN SVN+SSH 下载ZIP

提示

下载代码请复制以下命令到终端执行

为确保你提交的代码身份被 Gitee 正确识别,请执行以下命令完成配置

git config --global user.name userName 
git config --global user.email userEmail

初次使用 SSH 协议进行代码克隆、推送等操作时,需按下述提示完成 SSH 配置

1 生成 RSA 密钥

2 获取 RSA 公钥内容,并配置到 SSH公钥中

在 Gitee 上使用 SVN,请访问使用指南

使用 HTTPS 协议时,命令行会出现如下账号密码验证步骤。基于安全考虑,Gitee 建议配置并使用私人令牌替代登录密码进行克隆、推送等操作

Username for 'https://gitee.com': userName

Password for 'https://userName@gitee.com': # 私人令牌

分支 2

标签 0

HyperLPR

WebAPI.py

WebAPI.py 1.41 KB

#coding=utf-8
from flask import Flask, render_template, request
from werkzeug.utils import secure_filename

import cv2
import numpy as np

#导入opencv

from hyperlpr_py3 import pipline
#导入车牌识别库

app = Flask(__name__)
#设置App name

def recognize(filename):
 image = cv2.imread(filename)
 #通过文件名读入一张图片 放到 image中
 return pipline.RecognizePlateJson(image)
 #识别一张图片并返回json结果

#识别函数

import base64

def recognizeBase64(base64_code):
 file_bytes = np.asarray(bytearray(base64.b64decode(base64_code)),dtype=np.uint8)
 image_data_ndarray = cv2.imdecode(file_bytes,1)
 return pipline.RecognizePlateJson(image_data_ndarray)

import time

@app.route('/uploader', methods=['GET', 'POST'])#设置请求路由
def upload_file():
 if request.method == 'POST':
 #如果请求方法是POST
 f = request.files['file']
 f.save("./images_rec/"+secure_filename(f.filename))
 #保存请求上来的文件
 t0 = time.time()
 res = recognize("./images_rec/"+secure_filename(f.filename))
 print("识别时间",time.time() - t0)
 return res
 #返回识别结果

# return 'file uploaded successfully'
 return render_template('upload.html')

if __name__ == '__main__':
 #入口函数
 app.run("0.0.0.0", port=8000, threaded=False, debug=False)
 #运行app 指定IP 指定端口

一键复制编辑原始数据按行查看历史

朱鹏飞提交于 2020年05月26日 13:55 +08:00 . 增加dockererfile文件,支持在docker中运行

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58

#coding=utf-8
from flask import Flask, render_template, request
from werkzeug.utils import secure_filename

import cv2
import numpy as np

#导入opencv

from hyperlpr_py3 import pipline
#导入车牌识别库


app = Flask(__name__)
#设置App name


def recognize(filename):
 image = cv2.imread(filename)
 #通过文件名读入一张图片 放到 image中
 return pipline.RecognizePlateJson(image)
 #识别一张图片并返回json结果

#识别函数

import base64


def recognizeBase64(base64_code):
 file_bytes = np.asarray(bytearray(base64.b64decode(base64_code)),dtype=np.uint8)
 image_data_ndarray = cv2.imdecode(file_bytes,1)
 return pipline.RecognizePlateJson(image_data_ndarray)


import time

@app.route('/uploader', methods=['GET', 'POST'])#设置请求路由
def upload_file():
 if request.method == 'POST':
 #如果请求方法是POST
 f = request.files['file']
 f.save("./images_rec/"+secure_filename(f.filename))
 #保存请求上来的文件
 t0 = time.time()
 res = recognize("./images_rec/"+secure_filename(f.filename))
 print("识别时间",time.time() - t0)
 return res
 #返回识别结果

 # return 'file uploaded successfully'
 return render_template('upload.html')


if __name__ == '__main__':
 #入口函数
 app.run("0.0.0.0", port=8000, threaded=False, debug=False)
 #运行app 指定IP 指定端口