【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 
1.功能描述：
对机动车行驶证主页及副页所有21个字段进行结构化识别，包括号牌号码、车辆类型、所有人、品牌型号、车辆识别代码、发动机号码、核定载人数、质量、检验记录等。可应用于网约车或货车司机身份审查等场景，有效提升信息录入效率，降低用户输入成本，提升用户使用体验。
2.平台接入
具体接入方式比较简单，可以参考我的另一个帖子，这里就不重复了：
http://ai.baidu.com/forum/topic/show/943327
3.调用攻略（Python3）及评测
3.1首先认证授权：
在开始调用任何API之前需要先进行认证授权，具体的说明请参考：
http://ai.baidu.com/docs#/Auth/top
具体Python3代码如下：
# -*- coding: utf-8 -*-
#!/usr/bin/env python
import urllib
import base64
import json
#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】
#获取token
def get_token():
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret
request = urllib.request.Request(host)
request.add_header('Content-Type', 'application/json; charset=UTF-8')
response = urllib.request.urlopen(request)
token_content = response.read()
if token_content:
token_info = json.loads(token_content)
token_key = token_info['access_token']
return token_key
3.2行驶证识别分析接口调用：
详细说明请参考： https://ai.baidu.com/docs#/OCR-API/5116ac95
说明的比较清晰，这里就不重复了。
大家需要注意的是：
API访问URL：https://aip.baidubce.com/rest/2.0/ocr/v1/license_plate
图像数据，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过4M，最短边至少15px，最长边最大4096px,支持jpg/jpeg/png/bmp格式
Python3调用代码如下：
#行驶证
#filename:图片名（本地存储包括路径），
def vehicle_license(filename):
request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/vehicle_license"
# 二进制方式打开图片文件
f = open(filename, 'rb')
img = base64.b64encode(f.read())
params = dict()
params['image'] = img
params = urllib.parse.urlencode(params).encode("utf-8")
access_token = get_token()
begin = time.perf_counter()
request_url = request_url + "?access_token=" + access_token
request = urllib.request.Request(url=request_url, data=params)
request.add_header('Content-Type', 'application/x-www-form-urlencoded')
response = urllib.request.urlopen(request)
content = response.read()
end = time.perf_counter()
print('处理时长:'+'%.2f'%(end-begin)+'秒')
if content:
#print(content)
content=content.decode('utf-8')
#print(content)
data = json.loads(content)
#print(data)
words_result=data['words_result']
print ("识别结果")
for item in words_result:
print (item,':',words_result[item]['words'])
vehicle_license('../img/license2.jpg')
4.功能评测：
选用不同的数据对效果进行测试，具体效果如下（以下例子均来自网上）：
处理时长:1.77秒
识别结果
品牌型号 : 某某牌XXXXX
发证日期 : 20100000
使用性质 : 非营运
发动机号码 : 9999999
号牌号码 : A88888
所有人 : 代用名
住址 : 某某市某某区某某路某某号
注册日期 : 20100000
车辆识别代号 : XXXXX1234567890000
车辆类型 : 小型轿车
处理时长:2.26秒
识别结果
品牌型号 : 解放牌CA4257P2K2T1EA84
发证日期 : 20130722
使用性质 : 货运
发动机号码 : 51676680
号牌号码 : 蒙E76258
所有人 : 呼伦贝尔市晓明运输有限公司
住址 : 内蒙古自治区呼伦贝尔市鄂温克族自治旗巴彦托海镇八居安居小区5号楼2单元4层2号
注册日期 : 20101207
车辆识别代号 : LFWSRXNH6AAD38754
车辆类型 : 重型半挂牵引车
5.测试结论和建议
测试下来，整体识别效果不错。对于行驶证有较强的识别能力，效果很好，速度也很快。对于提高工作效率会有很大的帮助。
来源：oschina
链接：https://my.oschina.net/u/4438602/blog/3155274