基于百度云AI开发车型识别车牌识别案例详解
关键字： 车牌识别 车型识别 百度AI SpringBoot Vue Java SDK文章目录1.创建百度AI应用2.通过Access_token密码调用百度AI接口（车型识别）3.Java客户端AipImageClassifyClient调用AI接口4.车型识别接口说明5.Java后端Controller层接收图片6.Java后端Service层访问AI接口7.基于VUE的前端开发车牌识别和车型
关键字： 车牌识别 车型识别 百度AI SpringBoot Vue Java SDK
文章目录
1.创建百度AI应用
进入百度AI官网https://ai.baidu.com/，点击右上角控制台，用百度账号登录。如果没有百度账号，需要首先创建一个百度账号。
在控制台可以看到各种百度提供的AI应用接口。找到需要的应用接口，点进去可以创建一个相应的应用。
图像识别提供一个组合API接口，支持多种垂类识别服务的灵活组合调用。
然后会提供给该应用一个API Key 和Secret Key，它是我们调用接口必须的两个参数。
以下是本次开发中用到的车型识别的应用。百度AI的车牌识别需要另外申请一个应用。需要注意的是不同的应用有不同的AppID等参数。
2.通过Access_token密码调用百度AI接口（车型识别）
车型识别功能检测图片中的车辆，识别具体车型，包括车辆品牌体型号、颜色、年份、位置信息。
车辆识别为例。它的请求url为： https://aip.baidubce.com/rest/2.0/image-classify/v1/car
调用方式一定为POST。同时我们要在后面添加以下参数：
access_token：即前面获取的密码
在请求头中设置Content-Type参数
Content-Type：设置为application/x-www-form-urlencoded
在请求体Body中设置image图片的信息参数
1.image：图片信息参数，它是通过图片路径找到图片转为字节，然后经过Base64编码最后形成的字符串。如下代码
//获取图片的路径
String filePath = Path;
//将图片转为字节数组
byte[] imgData = FileUtil.readFileByBytes(filePath);
//将图片字节数组转为Base64编码的字符串换
String imgStr = Base64Util.encode(imgData);
//将经过Base64编码的图片字符串转为UTF-8编码的字符串。可以直接传给image参数
String imgParam = URLEncoder.encode(imgStr, “UTF-8”);
2.top_num：设置返回的信息的数量，默认5，因为车辆识别会得出多个结果，按几率得到，我们可以获取前n个的数据
3.baike_num：设置返回的百科的信息数，默认不返回
3.Java客户端AipImageClassifyClient调用AI接口
以上方法是采用接口直接调用，下面的方法是使用JAVA客户端进行访问。首先需要安装ImageClassify Java SDK，可以在官方网站下载Java SDK压缩工具包。
然后，新建AipImageClassifyClient，AipImageClassifyClient是图像识别的Java客户端，为使用图像识别的开发人员提供了一系列的交互方法。
用户可以参考如下代码新建一个AipImageClassifyClient,初始化完成后建议单例使用,避免重复获取access_token：
public class Sample {
//设置APPID/AK/SK
public static final String APP_ID = "你的 App ID";
public static final String API_KEY = "你的 Api Key";
public static final String SECRET_KEY = "你的 Secret Key";
public static void main(String[] args) {
// 初始化一个AipImageClassifyClient
AipImageClassifyClient client = new AipImageClassifyClient(APP_ID, API_KEY, SECRET_KEY);
// 可选：设置网络连接参数
client.setConnectionTimeoutInMillis(2000);
client.setSocketTimeoutInMillis(60000);
// 可选：设置代理服务器地址, http和socket二选一，或者均不设置
client.setHttpProxy("proxy_host", proxy_port); // 设置http代理
client.setSocketProxy("proxy_host", proxy_port); // 设置socket代理
// 调用接口
String path = "test.jpg";
JSONObject res = client.objectDetect(path, new HashMap<String, String>());
System.out.println(res.toString(2));
}
}
在上面代码中，常量APP_ID在百度智能云控制台中创建，常量API_KEY与SECRET_KEY是在创建完毕应用后，系统分配给用户的，均为字符串，用于标识用户，为访问做签名验证，可在AI服务控制台中的应用列表中查看。
4.车型识别接口说明
识别图片中车辆的具体车型，可识别常见的3000+款车型（小汽车为主），输出车辆的品牌型号、颜色、年份、位置信息；支持返回对应识别结果的百度百科词条信息，包含词条名称、百科页面链接、百科图片链接、百科内容简介。
当前只支持单主体识别，若图片中有多个车辆，则识别目标最大的车辆。
百度官方文档提供了调用的示例，提交参数的方式有本地路径和二进制数组。
public void sample(AipImageClassify client) {
// 传入可选参数调用接口
HashMap<String, String> options = new HashMap<String, String>();
options.put("top_num", "3");
options.put("baike_num", "5");
// 参数为本地路径
String image = "test.jpg";
JSONObject res = client.carDetect(image, options);
System.out.println(res.toString(2));
// 参数为二进制数组
byte[] file = readFile("test.jpg");
res = client.carDetect(file, options);
System.out.println(res.toString(2));
}
车型识别 请求参数详情
| 参数名称 | 是否必选 | 类型 | 默认值 | 说明 |
|---|---|---|---|---|
| image | 是 | mixed | - | 本地图片路径或者图片二进制数据 |
| top_num | 否 | String | 5 | 返回预测得分top结果数，默认为5 |
| baike_num | 否 | String | 0 | 返回百科信息的结果数，默认不返回 |
车型识别 返回数据参数详情
| 字段 | 是否必选 | 类型 | 说明 |
|---|---|---|---|
| log_id | 是 | uint64 | 唯一的log id，用于问题定位 |
| color_result | 是 | string | 车身颜色 |
| result | 是 | car-result() | 车型识别结果数组 |
| +name | 是 | string | 车型名称，示例：宝马x6 |
| +score | 是 | double | 置信度，取值范围0-1，示例：0.5321 |
| +year | 是 | string | 年份 |
| +baike_info | 否 | object | 对应识别结果的百科词条名称 |
| ++baike_url | 否 | string | 对应识别结果百度百科页面链接 |
| ++image_url | 否 | string | 对应识别结果百科图片链接 |
| ++description | 否 | string | 对应识别结果百科内容描述 |
| location_result | 是 | string | 车辆在图片中的位置信息 |
| +width | 是 | float | 车辆区域的宽度 |
| +height | 是 | float | 车辆区域的高度 |
| +left | 是 | float | 车辆区域离左边界的距离 |
| +top | 是 | float | 车辆区域离上边界的距离 |
车型识别 返回示例
{
"log_id": 4086212218842203806,
"location_result": {
"width": 447,
"top": 226,
"height": 209,
"left": 188
},
"result": [{
"baike_info": {
"baike_url": "http://baike.baidu.com/item/%E5%B8%83%E5%8A%A0%E8%BF%AAChiron/20419512",
"description": "布加迪Chiron是法国跑车品牌布加迪出品的豪华超跑车。配置四涡轮增压发动机，420 公里每小时，有23种颜色的选择，售价高达260万美元。"
},
"score": 0.98793351650238,
"name": "布加迪Chiron",
"year": "无年份信息"
},
{
"score": 0.0021970034576952,
"name": "奥迪RS5",
"year": "2011-2017"
},
{
"score": 0.0021096928976476,
"name": "奥迪RS4",
"year": "无年份信息"
},
{
"score": 0.0015581247862428,
"name": "奥迪RS7",
"year": "2014-2016"
},
{
"score": 0.00082337751518935,
"name": "布加迪威航",
"year": "2004-2015"
}],
"color_result": "颜色无法识别"
}
车型识别的错误码可见：https://ai.baidu.com/ai-doc/VEHICLE/Gk3hb3ifo
⚠ 车牌识别的调用方式和以上车型识别的方式大同小异，这里略过。
5.Java后端Controller层接收图片
本次开发的后端应用基于SpringBoot v2.4.1，Controller层的开发内容如下所示。
/**
* @Author Jarrett Luo
* @Date 2021/1/28 18:26
* @Version 1.0
*/
@RestController
@RequestMapping(value = "/recognition")
public class RecognitionController {
@Resource
RecognitionService recognitionService;
@CrossOrigin
@PostMapping
public ApiResult save(@RequestParam(value="file", required=false) MultipartFile multipartFile)
throws IOException {
byte[] imgBytes = multipartFile.getBytes();
if(imgBytes!=null){
return recognitionService.find(imgBytes);
}
else {
return ApiResult.error(201,"数据为空!");
}
}
}
byte[] imgBytes = multipartFile.getBytes();将前端传递的数据转换为二进制数组，以便于后面进行调用。
必须进行非空判断后才能进入下一步，否则会出现没有返回值的错误。ApiResult是自己写的一个工具，用于返回结果，如果传入的空数据，则返回201的错误码。
6.Java后端Service层访问AI接口
根据百度AI控制页创建的应用，设置每个应用的APP_ID, API_KEY, SECRET_KEY。这里需要注意的是百度AI提交的不同接口需要创建不同的应用。
我们对文件的大小进行了限制，这里仅处理10MB以下的图片。
public ApiResult find(byte[] image) {
if(image.length>10048575) {
return ApiResult.error(201, "文件过大！");
}
// 初始化一个AipOcr
AipOcr client = new AipOcr(APP_ID, API_KEY, SECRET_KEY);
HashMap<String, String> options = new HashMap<String, String>();
JSONObject res = client.plateLicense(image, options);
String number;
if(res.has("words_result")) {
JSONObject jsonData = res.getJSONObject("words_result");
number = jsonData.getString("number");
}else {
number = null;
}
// 初始化一个AipImageClassify
AipImageClassify client1 = new AipImageClassify(APP_ID_1, API_KEY_1, SECRET_KEY_1);
// 传入可选参数调用接口
HashMap<String, String> options1 = new HashMap<String, String>();
options.put("top_num", "1");
// 参数为本地路径
JSONObject res1 = client1.carDetect(image, options1);
String color;
String name;
String year;
if(res1.has("result")) {
JSONArray jsonData = res1.getJSONArray("result");
JSONObject vehicle = jsonData.getJSONObject(0);//获取数组第一个元素
year = vehicle.getString("year");
name = vehicle.getString("name");
color = res1.getString("color_result");
if(year.equals("无年份信息")){
year = null;
}
if(name.equals("非车类")) {
name = null;
}
if(color.equals("无车辆颜色信息")) {
color = null;
}
}else {
year = null;
name = null;
color = null;
}
RecognitionDTO recognitionDTO = new RecognitionDTO(number,
name,
year,
color);
return ApiResult.success(recognitionDTO);
}
注意以上代码的ApiResult是自己写的一个结果转换的工具类。关于ApiResult的详细内容可以查看作者github的详细介绍。
7.基于VUE的前端开发车牌识别和车型识别
根据开发需求，在页面中增加一个拍照自动识别按钮，用户点击按钮后可以选择拍照或者相册中的照片。相应的HTML代码如下所示。
/**
* 图片拍照识别上传
* @author: 罗佳瑞
*/
uploadFile() {
var that = this;
var inputDOM = that.$refs.imageInput;
var file = inputDOM.files;
var formData = new FormData();
formData.append('file', file[0]);
this.uploadImage(formData)
Indicator.open({
text: '识别中...',
spinnerType: 'fading-circle'
});
setTimeout(()=>{
Indicator.close();
},15000)
},
以下是采用异步方式提交数据到后台服务器，提交数据的函数时recorgnizeRequest。如果成功返回数据该函数将回调uploadImageResult，关于该回调函数下文将会介绍。
/**
* 异步提交数据到后台
* @author: 罗佳瑞
*/
async uploadImage(formData) {
await vehiclePageRequest.recorgnizeRequest(formData)
.then(res => {
this.uploadImageResult(res)
})
.catch(err => {
Toast("" + err)
})
},
采用axios提交数据到相应的URL。VUE中采用Promise提交数据，采用这种方式提交更好的看到提交成功和识别的结果。特别要注意，为了避免axios对formdata进行转换，因此最好加上tansformRequest。
function recorgnizeRequest(FormData) {
return new Promise((resolve, reject) => {
axios({
url: RECORGNIZE_URL,
method: 'POST',
headers: {
'Content-Type': "multipart/form-data",
// token: sessionStorage.getItem('token')
},
//这部分非常重要，否则formdata会被转格式
transformRequest: [function(){
return FormData;
}],
params: {},
data: FormData,
})
.then((res) => {
// 成功
resolve(res.data)
})
.catch((res) => {
// 失败
reject(res)
})
})
}
后端返回的数据采用如下代码映射到表单中。由于返回的结果中可能没有识别到车辆，或者图片中没有车辆信息，因此在这一步进行非空判断。
Indicator是前端框架的指示器，用于告知用户当前识别进度以及识别结果。
uploadImageResult(res) {
if(res.code==200) {
var recorgnizeResult = res.data
var rln = recorgnizeResult.licenseNumber
var rvb = recorgnizeResult.name
var rvc = recorgnizeResult.color;
var rvy = recorgnizeResult.year;
var resultStr = "";
if(rln!=null){
this.vehicleInfo.vehiclePlate = rln;
resultStr = resultStr + "车牌可能是：" + rln + ";\n"
}
if(rvb!=null) {
this.vehicleInfo.vehicleBrand = rvb;
resultStr = resultStr + "品牌可能是：" + rvb + ";\n"
}
if(rvc!=null) {
this.vehicleInfo.vehicleColor = rvc;
resultStr = resultStr + "颜色可能是：" + rvc + ";\n"
}
if(rvy!=null) {
var rvyFormat = rvy.substr(0,4)
resultStr = resultStr + "年代可能是：" + rvyFormat + "年;\n"
}
Indicator.close();
Indicator.open({
text: "识别成功\n" + resultStr,
spinnerType: 'fading-circle'
});
setTimeout(()=>{
Indicator.close();
},7500)
}else{
Toast({
message: "连接超时！"
})
}
}
前端页面开发结果如下。用户点击拍照自动识别后，选择拍照或者相册，提交照片等待返回结果。
服务器返回的结果会自动输入到下图中的车牌号，汽车品牌，车身颜色。
8.总结与展望
-
本文从访问百度AI接口出发，详细阐述了后端如何调用百度接口，实现一次图片上传得到车牌识别和车型识别的结果。
-
本文的前端开发作为示例，提供了一种思路，更多的如客户端，安卓，IOS应用等等都可以采用如此方法开发。
-
采用百度AI提供的接口，可以拓展更多丰富的应用；多种接口的叠加让用户一次上传便得到多种结果。
-
通过成熟的AI算法，识别的准确度和速度都比较令人满意。
-
以上过程中存在的不足是，由于用户拍照后直接上传的图片是比较大的，导致在传输过程中比较慢，甚至会出现超时的情况，用户体验不够好。改进的方法是前端页面首先对大文件进行压缩后再上传。
-
百度AI提供了组合调用AI的方式，前端可以采用该种方式发起请求。在此应用中需要保存用户的图片，因此没有采用该方式。
如果您觉得上面的内容对您有帮助欢迎点赞、评论、转发！
更多内容请查阅作者博客：https://jiaruiblog.com
或者star作者github: https://github.com/Jarrettluo?tab=repositories
前往低代码交流专区
更多推荐
3
0- 0
已为社区贡献2条内容
所有评论(0)