Serverless實踐系列（九）：“灰常”簡單的車牌識别 API 制作

本文的真正目的，其實并非要做一個完善的車牌識别工具，而是想要通過一些簡單的 package 組合（包括深度學習架構等），實作一個簡單的對外接口，用它來進行車牌識别。

這個項目的小難點在于 —— 如何打包依賴（包含需要 .so 的依賴）。

包含 .so 的依賴，通常是某些依賴需要編譯一些檔案（非純 Python 實作的），此時，「稍有不慎」就會讓我們無法執行代碼。是以這個時候可以使自己的打包環境與雲函數一緻：CentOS + Python 3.6。

本地測試

編寫代碼：

執行結果：

打包上傳

CentOS + Python 3.6 的基本環境下：

建立檔案夾并進入：

mkdir mytest && cd mytest

複制

安裝依賴：

安裝 opencv-python

sudo pip install opencv-python -t /home/dfounderliu/code/mytest

複制

安裝 hyperlpr（這是一個基于 DNN 的深度學習子產品。該子產品的使用，也充分說明了，雲函數 SCF 可以執行深度學習的項目模型，完美......）

sudo pip install hyperlpr -t /home/dfounderliu/code/mytest

複制

建立測試：

vim index.py

編寫内容：

from hyperlpr import *
import cv2

複制

儲存，并且打包，上傳至雲函數 SCF：

zip -r index.zip .

複制

雲函數測試：

表面上看起來似乎失敗了，但實際上，它是成功的。因為失敗的是我們的方法沒有建立，而我們的 import 已經正确導入了（就是說沒有在添加依賴部分報錯！）

編寫函數

# 導入包
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

複制

測試結果：

測試圖像轉 base64 代碼：

#image轉base64
import base64
with open("2.png","rb") as f:#轉為二進制格式
    base64_data = base64.b64encode(f.read())#使用base64進行加密
    print(base64_data)
    file=open('1.txt','wt')#寫成文本格式
    file.write(base64_data)
    file.close()

複制

測試時 API 網關參數：

對接 API 網關

然後釋出到測試環境，即可。

編寫測試

測試代碼：

import base64
import urllib.request
import urllib.parse


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


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")))

複制

測試結果：

依賴包下載下傳：https://myblog-1256773370.cos.ap-guangzhou.myqcloud.com/opencv_numpy_hyperlpr.zip

總結

本文的主要作用，其實就是通過一些簡單的 package 組合，實作對外接口并以此進行車牌識别。一方面，這說明了雲函數 SCF 可以做深度學習相關的預測工作，另一方面，也進一步鞏固了依賴的打包和與雲 API 網關的結合使用。

當然，這個接口如果經過完善後，還可以和 Iot 等進行結合使用。最後，希望各位小夥伴們自行探索 Serverless 的新世界！