使用 GCP 的 Cloud Vision 进行车牌识别

Question

我们正在开发一个移动应用程序，允许用户上传将存储在 GCP 存储桶中的图像。然而，在保存到存储桶之前，我们想要模糊掉可能存在的任何面孔和车牌。我们一直在调用 GCP 的 Cloud Vision 服务来对图像中的人脸进行注释，效果非常好。然而，车牌标注变得更具挑战性。没有专门检测车牌的选项，但我们似乎仅限于捕获车牌的文本检测，但也包括图像中的所有其他文本。这不是我们想要的。

关于我们如何更好地将文本识别范围缩小到仅车牌的任何指示？

这是我们目前用于检测和收集面部和文本注释数据的 Python 代码示例：

from google.cloud import vision
...
def __annotate(image_storage_url):
    result = []

    client = vision.ImageAnnotatorClient()

    response = client.annotate_image({
        'image': {'source': {'image_uri': image_storage_url}},
        'features': [
            {'type': vision.enums.Feature.Type.FACE_DETECTION}, #works great
            {'type': vision.enums.Feature.Type.TEXT_DETECTION}, #too broad
        ],
    })

    # record facial annotations
    faces = response.face_annotations
    for face in faces:
        vertices = [(vertex.x, vertex.y)
                    for vertex in face.bounding_poly.vertices]
        result.append(vertices)

    # record plate annotations
    texts = response.text_annotations
    for text in texts:
        vertices = [(vertex.x, vertex.y)
                    for vertex in text.bounding_poly.vertices]
        result.append(vertices)

    return result

谢谢

更新 2020 年 4 月 28 日 多亏了下面 Obed Macallums 的回答（现在标记为回答），我现在可以使用 GCP Cloud Vision 来检测和模糊上传到 GCP 存储的图像上的车牌。 Python 代码。这是相关的 Python 代码：

from google.cloud import vision
...

def __annotate(image_storage_url, img_dimensions):
    result = []

    client = vision.ImageAnnotatorClient()

    response = client.annotate_image({
        'image': {'source': {'image_uri': image_storage_url}},
        'features': [
            {'type': vision.enums.Feature.Type.FACE_DETECTION},
            {'type': vision.enums.Feature.Type.TEXT_DETECTION},
            {'type': vision.enums.Feature.Type.OBJECT_LOCALIZATION},
        ],
    })

    # Blur faces
    faces = response.face_annotations
    for face in faces:
        vertices = [(vertex.x, vertex.y)
                    for vertex in face.bounding_poly.vertices]
        LOGGER.debug('Face detected: %s', vertices)
        result.append(vertices)

    # Blur license plates
    # Note: localized_object_annotations use normalized_vertices which represent the relative-distance
    # (between 0 and 1) and so must be multiplied using the image's height and width
    lo_annotations = response.localized_object_annotations
    for obj in lo_annotations:
        if obj.name == 'License plate':
            vertices = [(int(vertex.x * img_dimensions['width']), int(vertex.y * img_dimensions['height']))
                        for vertex in obj.bounding_poly.normalized_vertices]
            LOGGER.debug('License plate detected: %s', vertices)
            result.append(vertices)

    return result

Answer 1

您必须创建一个自定义模型，上传您的图像训练集（在本例中为车牌）并对其进行训练以生成模型，然后您可以使用该模型发送图像并取回信息。 ..

看看Google Object Detection

Answer 2

尝试在同一张图片中使用OBJECT_LOCALIZATION、FACE_DETECTION和TEXT_DETECTION，并在OBJECT_LOCALIZATION中使用"License plate"进行过滤，这样就可以了应有尽有。

使用 GCP 的 Cloud Vision 进行车牌识别

License plate recognition using GCP's Cloud Vision

python

image-processing

google-cloud-platform

google-cloud-vision