# 一键部署汽车车牌识别

**Repository Path**: sky66/oneStepDevops_carId

## Basic Information

- **Project Name**: 一键部署汽车车牌识别
- **Description**: 简单的脚本，利用docker，快速部署车牌识别api模块。让程序更简单的落地。
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: https://gitee.com/tangguangyao/oneStepDevops_carId
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 8
- **Created**: 2020-05-10
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 一键部署汽车车牌识别

#### 介绍
简单的脚本，利用docker，快速部署汽车识别api模块。
让复杂的程序更简单的落地。

### 说明
1. 利用docker，是为了解决各种环境问题
2. 部署的开源软件 https://gitee.com/zeusees/HyperLPR

### 意义
汽车车牌识别，目前在各种ai平台是一个比较通用的功能，我们自己部署的意义何在呢？我总结了下面几个优缺点，大家对照下是否需要自己部署。
优点：
1. 免费，平台提供的可能有免费的使用量，但是毕竟有各种限制。
2. 速度，如果部署在内网服务器上，网络耗时会远远低于平台提供的api，平台api的处理速度可能会很快，但是至少在网络上一个图片上传的耗时至少也是100ms起步的，稍微大一点图片2M这种级别的，至少500m起步。
3. 接入便捷性，平台申请和api对接也是成本，大厂的特点就是文档不是写个小白用户看的，都是写给高工们review完才能放出来的，如果文档太容易读，逼格也就上不去，怎么能上台面。本程序尽量能够一键搞定部署，demo写的也是尽量小白级别。
4. 数据安全，如果有在意自己的数据，不想外传，自己搭建私有化的还是很有必要的

缺点：
1. 大厂平台的api，我理解准确性可能会高于开源，毕竟是商用的
2. 试用场景会更多，比如车牌逆光，强光，暗光等效果可能好

总结：
如果环境不是特别苛刻，都是处理正常图片，比如99%的情况都是，正常情况下拍摄一张只有一个车牌的照片去识别，我理解自己部署效果和平台api的差距基本感受不到。


#### 软件架构
install.sh - 一键安装脚本
car.py - 简单demo


#### 安装教程

1. 安装docker

2. 安装ubuntu
```
docker pull ubuntu:18.04
```

安装完毕，能查到下面镜像

```
docker images 
```


ubuntu              18.04               c3c304cb4f22        8 days ago          64.2MB

3. 启动镜像，监听端口（demo 演示是86 端口）
```
docker run -it --name carid -p 86:86 -d ubuntu:18.04
```

4. 查看容器是否启动成功 
```
docker ps
```

deeb84373051        ubuntu:18.04        "/bin/bash"         17 seconds ago      Up 16 seconds       0.0.0.0:86->86/tcp

5. 进入容器
```
docker exec -it deeb84373051 /bin/bash
```

6. 进入home目录，做2步基础更新，下载程序
```
cd home

apt-get update

apt-get install wget

apt-get install unzip

wget https://gitee.com/tangguangyao/oneStepDevops_carId/repository/archive/master.zip

unzip master.zip

cd oneStepDevops_carId
```


#### 使用说明

1.  sh install.sh 安装依赖，大概半小时(建议使用 nohup sh install.sh & 在后台执行)
2.  python3 car.py 启动demo
3.  ip:port/ai_car 上传图片地址