# traffic-violation-processor **Repository Path**: RichardLiew/traffic-violation-processor ## Basic Information - **Project Name**: traffic-violation-processor - **Description**: ~~~~~~~~~~~ - **Primary Language**: Unknown - **License**: MIT - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-04-14 - **Last Updated**: 2026-05-12 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 交通违法图片处理服务 自动识别交通违法截图中的车牌号和违法信息,生成Excel汇总表。 ## 功能特性 - 📦 支持多种压缩格式:ZIP、RAR、7Z、TAR、GZ、BZ2、XZ 等 - 🔍 自动识别车牌号(支持新能源车牌) - 📊 提取违法时间、地点、行为、记分、罚款等信息 - 📈 生成格式化的 Excel 汇总表 - 🐳 支持 Docker 部署 - 🚀 提供 REST API 接口 ## 快速开始 ### 方式一:Docker 部署(推荐) ```bash # 克隆项目 cd traffic_violation_processor # 启动服务 docker-compose up -d # 查看日志 docker-compose logs -f ``` ### 方式二:本地运行 ```bash # 安装依赖 pip install -r requirements.txt # 启动服务 python app/main.py ``` ## API 使用 ### 处理压缩包 ```bash curl -X POST \ -F "file=@traffic_violations.zip" \ http://localhost:8000/process ``` ### 响应示例 ```json { "success": true, "message": "成功处理 2/2 张图片", "total_images": 2, "successful": 2, "failed": 0, "failed_images": [], "output_file": "violation_records_20240115_143022.xlsx", "download_url": "/download/violation_records_20240115_143022.xlsx", "records": [ { "plate_number": "京AFL1089", "violation_time": "2026-04-06 10:06", "violation_location": "京津高速延长线K7公里处", "violation_behavior": "6094:驾驶校车、中型以上载客载...", "points": 0, "fine_amount": 0, "status": "未处理" } ] } ``` ### 下载Excel文件 ```bash curl -O http://localhost:8000/download/violation_records_20240115_143022.xlsx ``` ## 支持的图片格式 - JPG / JPEG - PNG - BMP - GIF - TIFF - WebP ## 支持的压缩格式 | 格式 | 扩展名 | 说明 | |------|--------|------| | ZIP | .zip | 标准ZIP格式 | | RAR | .rar | 需要安装 unrar | | 7Z | .7z | 需要安装 p7zip | | TAR | .tar | 标准TAR格式 | | GZ | .gz, .tgz, .tar.gz | Gzip压缩 | | BZ2 | .bz2, .tar.bz2 | Bzip2压缩 | | XZ | .xz, .tar.xz | XZ压缩 | ## Excel 输出格式 生成的Excel包含以下字段: - 车牌号 - 违法时间 - 违法地点 - 违法行为 - 记分数 - 罚款金额(元) - 处理状态 - 源图片文件名 底部包含统计信息:总记录数、未处理数、已处理数、总罚款金额、总记分数。 ## 技术栈 - **Web框架**: FastAPI - **OCR引擎**: PaddleOCR (默认) / Tesseract (备用) - **图像处理**: OpenCV, Pillow - **数据处理**: Pandas, OpenPyXL - **部署**: Docker, Docker Compose ## 注意事项 1. 确保上传的图片清晰,文字可读 2. 车牌号识别准确率取决于图片质量 3. 建议压缩包内图片数量不超过100张 4. 处理大量图片时可能需要较长时间 ## 许可证 MIT License