Skip to main content

fast-alpr

FastALPR — framework rápido de reconocimiento de matrículas (ALPR/ANPR) con ONNX y OCR

Jump to install

Source facts

Repository
Ntizar/NtizarBrainMasterMind
Last source activity
July 11, 2026 at 03:39
Detected SKILL.md language
Spanish
Stars
2
Forks
0

Install options

The review-first prompt is selected by default. You can switch to a direct command or download a local copy.

Review the source files

Read SKILL.md and any companion files shown by SkillsMP before deciding whether to install.

Showing SKILL.md

SKILL.md
Source instructions · Read-only preview
name
fast-alpr
version
1.0.0
description
FastALPR — framework rápido de reconocimiento de matrículas (ALPR/ANPR) con ONNX y OCR
# FastALPR — Automatic License Plate Recognition ## Descripción Sistema de reconocimiento automático de matrículas (ALPR/ANPR) de alto rendimiento y personalizable. Modelos ONNX rápidos por defecto, con fast-plate-ocr para OCR y open-image-models para detección de placas. ## Por qué importa para David - **ALPR/ANPR**: Útil para análisis de tráfico y movilidad en proyectos de transporte - **ONNX runtime**: Modelo ligero, rápido y portable - **Customizable**: Se pueden swapear los modelos por propios - **Real-time**: Procesamiento en tiempo real de streams de video ## Arquitectura ``` Video Stream (CCTV, dashcam, etc.) ↓ Plate Detection (open-image-models) ↓ OCR (fast-plate-ocr) ↓ License Plate Recognition ↓ Structured output (JSON) ``` Stack: Python, ONNX Runtime, PyTorch, OpenCV ## Instalación ```bash pip install fast-alpr # o pip install fast-plate-ocr # para OCR standalone ``` ## Uso básico ```python from fast_alpr import ALPR alpr = ALPR() results = alpr.process_image("image.jpg") # results = [{'plate': 'ABC1234', 'confidence': 0.95, 'bbox': [...]}, ...] ``` ## Integración con proyectos de David - **Traffic monitoring**: Integrar en proyectos de monitorización de tráfico - **Movement analysis**: Combinar con datos de movilidad y transporte - **NAP DGT**: Patrón de análisis de imágenes de tráfico ## Pitfalls - Requiere GPU para performance en tiempo real (ONNX puede ir en CPU pero más lento) - Precisión depende de calidad de imagen y condiciones de iluminación - Modelo entrenado principalmente con placas europeas/españolas - No es un producto enterprise → puede necesitar tuning para casos edge ## Referencias - GitHub: https://github.com/ankandrew/fast-alpr - Docs: https://ankandrew.github.io/fast-alpr/ - Hugging Face Space: https://huggingface.co/spaces/ankandrew/fast-alpr - OCR: https://github.com/ankandrew/fast-plate-ocr
View on GitHub