omni-lpr

---

Omni-LPR 是一个可自托管的服务，通过 REST API 和 Model Context Protocol (MCP) 提供自动车牌识别（ALPR）能力。它既可以用作独立的 ALPR 微服务，也可以作为 AI Agent 和大模型（LLM）的 ALPR 工具箱。

为什么选择 Omni-LPR？

使用 Omni-LPR 可以带来以下好处：

• 解耦。 你的主应用可以使用任何编程语言。它无需与 Python 或特定的机器学习依赖纠缠在一起，因为服务会处理所有这些事情。

• 多种接口。 你不会被锁定在一种通信方式中。你可以在任何应用中使用标准 REST API，也可以使用专为 AI Agent 集成而设计的 MCP。

• 开箱即用。 你无需从零开始构建。已预构建的 Docker 镜像易于部署，可立即开始使用。

• 硬件加速。 该服务针对你所拥有的硬件进行了优化。它支持通用 CPU（ONNX）、Intel CPU（OpenVINO）和 NVIDIA GPU（CUDA）。

• 异步 I/O。 它基于 Starlette 构建，这意味着它具有高性能、非阻塞的 I/O。它可以处理大量并发请求而不会陷入停滞。

• 可扩展性。 由于它是一个独立的服务，因此可以独立于你的主应用进行扩展。如果你突然需要更强的 ALPR 能力，可以扩展 Omni-LPR 而无需改动任何其他部分。

请参阅 ROADMAP.md 以了解已实现和计划中的功能列表。

重要

Omni-LPR 处于早期开发阶段，因此预计会出现缺陷和破坏性 API 变更。 请使用 issues 页面 报告缺陷或请求功能。

---

快速开始

按照下面描述的步骤，你可以在几分钟内开始使用 Omni-LPR。

1. 安装服务

你可以使用 pip 安装 Omni-LPR：

pip install omni-lpr

2. 启动服务

安装完成后，使用单条命令启动服务：

omni-lpr

默认情况下，服务将监听 http://127.0.0.1:8000。 你可以通过访问健康检查端点来确认它正在运行：

curl http://127.0.0.1:8000/api/health
# Sample expected output: {"status": "ok", "version": "0.3.4"}

3. 识别车牌

现在你可以发送请求，从图像中识别车牌。 下面的示例使用了一个公开可用的图像 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

你应该会收到一个包含检测到的车牌信息的 JSON 响应。

用法

Omni-LPR 将其能力以 "工具" 的形式暴露出来，可通过 REST API 或 MCP 调用。

可用工具

服务提供的工具可用于列出模型、从图像数据识别车牌，以及从路径识别车牌。

• list_models：列出可用的检测器和 OCR 模型。

• 处理图像数据的工具（以 Base64 或文件上传形式提供）：

  • recognize_plate：从预先裁剪的车牌图像中识别文本。
  • detect_and_recognize_plate：检测并识别完整图像中的所有车牌。

• 处理图像路径的工具（URL 或本地文件路径）：

  • recognize_plate_from_path：从给定路径的预先裁剪的车牌图像中识别文本。
  • detect_and_recognize_plate_from_path：检测并识别给定路径下完整图像中的车牌。

有关如何使用不同工具以及如何提供图像数据的更多详细信息，请参阅 API 文档。

REST API

REST API 提供了与服务交互的标准方式。所有工具端点都位于 /api/v1 前缀下。服务运行后，你可以在 Swagger UI 中访问交互式 API 文档，网址为 http://127.0.0.1:8000/api/v1/apidoc/swagger。

MCP 接口

服务还通过 MCP 暴露其工具，以便与 AI Agent 和大模型集成。MCP 端点位于 http://127.0.0.1:8000/mcp/，通过可流式 HTTP 访问。

你可以使用 MCP Inspector 之类的工具来探索可用的 MCP 工具。

集成

你可以将任何支持 MCP 协议的客户端连接到服务。 以下示例展示了如何将服务与 LM Studio 配合使用。

LM Studio 配置

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

工具用法示例

在 LM Studio 中使用 list_models 工具列出 APLR 可用模型的截图。

下面的截图展示了在 LM Studio 中使用 detect_and_recognize_plate_from_path 工具，从网络上可用的图像中检测并识别 车牌。

---

文档

Omni-LPR 文档可在此处获取。

示例

请查看 examples 目录以获取用法示例。

---

贡献

欢迎任何形式的贡献！ 请参阅 CONTRIBUTING.md 了解如何开始。

许可证

Omni-LPR 基于 MIT 许可证授权（请参阅 LICENSE）。

致谢

• 本项目使用了出色的 fast-plate-ocr 和 fast-alpr Python 库。
• 项目 logo 来自 SVG Repo。