前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Serverless实践系列(九):“灰常”简单的车牌识别 API 制作

Serverless实践系列(九):“灰常”简单的车牌识别 API 制作

作者头像
腾讯云serverless团队
发布2019-09-18 12:40:35
1.3K1
发布2019-09-18 12:40:35
举报

本文的真正目的,其实并非要做一个完善的车牌识别工具,而是想要通过一些简单的 package 组合(包括深度学习框架等),实现一个简单的对外接口,用它来进行车牌识别。

这个项目的小难点在于 —— 如何打包依赖(包含需要 .so 的依赖)。

包含 .so 的依赖,通常是某些依赖需要编译一些文件(非纯 Python 实现的),此时,「稍有不慎」就会让我们无法执行代码。所以这个时候可以使自己的打包环境与云函数一致:CentOS + Python 3.6。


本地测试

编写代码:

执行结果:


打包上传

CentOS + Python 3.6 的基本环境下:

建立文件夹并进入:

代码语言:javascript
复制
mkdir mytest && cd mytest

安装依赖:

安装 opencv-python

代码语言:javascript
复制
sudo pip install opencv-python -t /home/dfounderliu/code/mytest

安装 hyperlpr(这是一个基于 DNN 的深度学习模块。该模块的使用,也充分说明了,云函数 SCF 可以执行深度学习的项目模型,完美......)

代码语言:javascript
复制
sudo pip install hyperlpr -t /home/dfounderliu/code/mytest

建立测试:

vim index.py

编写内容:

代码语言:javascript
复制
from hyperlpr import *
import cv2

保存,并且打包,上传至云函数 SCF:

代码语言:javascript
复制
zip -r index.zip .

云函数测试:

表面上看起来似乎失败了,但实际上,它是成功的。因为失败的是我们的方法没有建立,而我们的 import 已经正确导入了(就是说没有在添加依赖部分报错!)


编写函数

代码语言:javascript
复制
# 导入包
from hyperlpr import *
import cv2
import base64
import json
import urllib.parse

def save_picture(base64data):
    try:
        imgdata = base64.b64decode(urllib.parse.unquote(base64data))
        file = open('/tmp/picture.png', 'wb')
        file.write(imgdata)
        file.close()
        return True
    except Exception as e:
        return str(e)


def ana_picture():
    print(cv2.imread("/tmp/picture.png"))
    return {"resulr": HyperLPR_PlateRecogntion(cv2.imread("/tmp/picture.png"))}


def main_handler(event, context):
    save_result = save_picture(event["body"].replace("image=",""))
    if  save_result == True:
        return ana_picture()
    else:
        return save_result
   
    # return save_picture

测试结果:

测试图像转 base64 代码:

代码语言:javascript
复制
#image转base64
import base64
with open("2.png","rb") as f:#转为二进制格式
    base64_data = base64.b64encode(f.read())#使用base64进行加密
    print(base64_data)
    file=open('1.txt','wt')#写成文本格式
    file.write(base64_data)
    file.close()

测试时 API 网关参数:


对接 API 网关

然后发布到测试环境,即可。


编写测试

测试代码:

代码语言:javascript
复制
import base64
import urllib.request
import urllib.parse


with open("1.png","rb") as f:
    base64_data = base64.b64encode(f.read())  # 使用base64进行加密


url = "http://service-l2ksmbje-1256773370.gz.apigw.tencentcs.com/test/picture"
data = {
    "image": base64_data.decode("utf-8")
}

print(urllib.parse.unquote(urllib.request.urlopen(urllib.request.Request(url, data=urllib.parse.urlencode(data).encode("utf-8"))).read().decode("utf-8")))

测试结果:

依赖包下载:https://myblog-1256773370.cos.ap-guangzhou.myqcloud.com/opencv_numpy_hyperlpr.zip


总结

本文的主要作用,其实就是通过一些简单的 package 组合,实现对外接口并以此进行车牌识别。一方面,这说明了云函数 SCF 可以做深度学习相关的预测工作,另一方面,也进一步巩固了依赖的打包和与云 API 网关的结合使用。

当然,这个接口如果经过完善后,还可以和 Iot 等进行结合使用。最后,希望各位小伙伴们自行探索 Serverless 的新世界!


推荐阅读:

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-09-17,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 ServerlessCloudNative 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
API 网关
腾讯云 API 网关(API Gateway)是腾讯云推出的一种 API 托管服务,能提供 API 的完整生命周期管理,包括创建、维护、发布、运行、下线等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档