Omni Lpr

🚀 Omni-LPR

Omni-LPR 是一個可自託管的服務器，它通過 REST API 和模型上下文協議（MCP）提供自動車牌識別（ALPR）功能。它既可以作為獨立的 ALPR 微服務使用，也可以作為 AI 代理和大語言模型（LLM）的 ALPR 工具箱。

🚀 快速開始

你可以按照以下步驟在幾分鐘內開始使用 Omni-LPR。

1. 安裝服務器

你可以使用 pip 安裝 Omni-LPR：

pip install omni-lpr

2. 啟動服務器

安裝完成後，使用以下命令啟動服務器：

omni-lpr

默認情況下，服務器將監聽 http://127.0.0.1:8000。你可以通過訪問健康檢查端點來確認服務器是否正在運行：

curl http://127.0.0.1:8000/api/health
# 示例預期輸出: {"status": "ok", "version": "0.3.4"}

3. 識別車牌

現在你可以發送請求來識別圖像中的車牌。以下示例使用了一個公開可用的圖像 URL。

curl -X POST \
  -H "Content-Type: application/json" \
  -d '{"path": "https://www.olavsplates.com/foto_n/n_cx11111.jpg"}' \
  http://127.0.0.1:8000/api/v1/tools/detect_and_recognize_plate_from_path/invoke

你應該會收到一個包含檢測到的車牌信息的 JSON 響應。

✨ 主要特性

使用 Omni-LPR 具有以下好處：

• 解耦：你的主應用程序可以使用任何編程語言。它無需與 Python 或特定的機器學習依賴項糾纏在一起，因為服務器會處理所有這些。
• 多接口：你不會侷限於一種通信方式。你可以從任何應用程序使用標準的 REST API，也可以使用專為 AI 代理集成設計的 MCP。
• 即開即用：你無需從頭開始構建。有預構建的 Docker 鏡像，易於部署並立即開始使用。
• 硬件加速：服務器針對你擁有的硬件進行了優化。它支持通用 CPU（ONNX）、英特爾 CPU（OpenVINO）和 NVIDIA GPU（CUDA）。
• 異步 I/O：它基於 Starlette 構建，這意味著它具有高性能的非阻塞 I/O。它可以處理許多併發請求而不會陷入困境。
• 可擴展性：因為它是一個獨立的服務，所以可以獨立於你的主應用程序進行擴展。如果你突然需要更多的 ALPR 處理能力，可以擴展 Omni-LPR 而無需觸及其他任何內容。

查看 ROADMAP.md 以獲取已實現和計劃實現的功能列表。

⚠️ 重要提示

Omni-LPR 處於早期開發階段，因此預計會出現錯誤和 API 重大變更。請使用 問題頁面 報告錯誤或請求功能。

📚 詳細文檔

使用方法

Omni-LPR 將其功能作為“工具”公開，可以通過 REST API 或 MCP 調用。

可用工具

服務器提供了用於列出模型、從圖像數據識別車牌以及從路徑識別車牌的工具。

• list_models：列出可用的檢測器和 OCR 模型。
• 處理圖像數據的工具（以 Base64 或文件上傳形式提供）：
  • recognize_plate：從預裁剪的車牌圖像中識別文本。
  • detect_and_recognize_plate：檢測並識別完整圖像中的所有車牌。
• 處理圖像路徑的工具（URL 或本地文件路徑）：
  • recognize_plate_from_path：從給定路徑的預裁剪車牌圖像中識別文本。
  • detect_and_recognize_plate_from_path：檢測並識別給定路徑的完整圖像中的車牌。

有關如何使用不同工具和提供圖像數據的更多詳細信息，請參閱 API 文檔。

REST API

REST API 提供了與服務器交互的標準方式。所有工具端點都在 /api/v1 前綴下可用。服務器啟動後，你可以在 Swagger UI（http://127.0.0.1:8000/api/v1/apidoc/swagger）中訪問交互式 API 文檔。

MCP 接口

服務器還通過 MCP 公開其工具，以便與 AI 代理和 LLM 集成。MCP 端點可通過可流式傳輸的 HTTP 在 http://127.0.0.1:8000/mcp/ 訪問。

你可以使用 MCP Inspector 等工具來探索可用的 MCP 工具。

集成

你可以將任何支持 MCP 協議的客戶端連接到服務器。以下示例展示瞭如何在 LM Studio 中使用該服務器。

LM Studio 配置

{
    "mcpServers": {
        "omni-lpr-local": {
            "url": "http://127.0.0.1:8000/mcp/"
        }
    }
}

工具使用示例

以下是在 LM Studio 中使用 list_models 工具列出 APLR 可用模型的截圖（文檔中未提供截圖，此處可根據實際情況補充）。

以下截圖展示了在 LM Studio 中使用 detect_and_recognize_plate_from_path 工具從 網絡上的圖像 中檢測並識別車牌的情況（文檔中未提供截圖，此處可根據實際情況補充）。

文檔

Omni-LPR 文檔可在 此處 查看。

示例

查看 示例 目錄以獲取使用示例。

🤝 貢獻

歡迎貢獻代碼！有關如何開始的詳細信息，請參閱 CONTRIBUTING.md。

📄 許可證

Omni-LPR 採用 MIT 許可證（請參閱 LICENSE）。

🙏 致謝

• 本項目使用了很棒的 fast-plate-ocr 和 fast-alpr Python 庫。
• 項目徽標來自 SVG Repo。