Parkese

Was ist Parkese?

Parkese ist eine API zur Kennzeichenerkennung, die Fahrzeugkennzeichen aus Bildern ausliest und strukturierte Daten in JSON zurückgibt. Sie ist darauf ausgelegt, Kennzeichendetails wie Kennzeichen-Nummer, Bundesstaat, RTO, Serie, Schriftsystem und Konfidenzwert zu parsen, zu validieren und zu normalisieren, mit Unterstützung für indische und internationale Kennzeichentypen.

Der Schwerpunkt des Produkts liegt auf indischen Kennzeichentypen, einschließlich Standardkennzeichen, BH Series (Bharat), Diplomaten-, Streitkräfte- und Elektrokennzeichen, und unterstützt gleichzeitig Kennzeichen aus mehr als 34 Ländern. Laut der Seite kann es Roman- und Devanagari-Schrift verarbeiten und gibt Ergebnisse über einen REST-API-Endpunkt mit API-Key-Authentifizierung zurück.

Hauptfunktionen

• Kennzeichenerkennung aus einem einzigen Bild-Upload — Nutzer senden ein Bild und erhalten extrahierte Kennzeichendaten, ohne manuelle Vorverarbeitung.
• Strukturierte JSON-Antwort — gibt Felder wie Land, Kennzeichen-Nummer, Bundesstaat, RTO, Serie, Nummer, Schrift, Konfidenz, Gültigkeit und Verarbeitungszeit zurück, was die Ausgabe in Anwendungen leichter nutzbar macht.
• Validierung indischer Kennzeichentypen — unterstützt Standardkennzeichen aus Indien sowie BH Series, Diplomaten-, Streitkräfte- und Elektrokennzeichen mit Validierung gegen MoRTH-ähnliche Formatregeln.
• Unterstützung für Roman- und Devanagari-Schrift — liest Kennzeichen in Roman-, Hindi- und Marathi-Schrift und kann Devanagari-Kennzeichen in lateinischen Text transliterieren.
• Verarbeitung mit geringer Latenz — die Seite nennt durchschnittliche Antwortzeiten unter 500 ms, mit einem Produktionsbeispiel von 381 ms, was sich für Echtzeit-Workflows eignet.
• Globale Abdeckung über Indien hinaus — unterstützt mehr als 34 Länder, darunter Kennzeichen aus den VAE, dem Vereinigten Königreich, den USA, Australien, Singapur und der EU, mit Regions- und Formatvalidierung.
• Scan-Verlauf und Suche — protokolliert Scans und ermöglicht die Suche nach Kennzeichen, Bundesstaat oder Datumsbereich, inklusive Konfidenzwerten und rohem OCR-Text im Audit-Log.
• Getrennte Test- und Live-API-Keys — bietet abgegrenzte Test- und Live-Umgebungen mit unterschiedlichen Request-Rate-Limits für Entwicklungs- und Produktionseinsatz.

So nutzen Sie Parkese

Ein typischer Ablauf beginnt mit dem Erstellen eines Kontos oder Test-Keys, dann wird ein Fahrzeugbild an den Endpunkt POST /api/v1/plate/recognize per multipart/form-data mit X-api-key-Authentifizierung gesendet. Der Dienst verarbeitet das Bild und gibt ein JSON-Objekt mit den erkannten Kennzeichendaten zurück.

Entwickler können den Test-Key verwenden, um ihre Integration aufzubauen und zu validieren, und anschließend für den Produktiveinsatz auf einen Live-Key wechseln. Für operative Teams kann der Scan-Verlauf genutzt werden, um frühere Erkennungen zu prüfen und Einträge nach Kennzeichen, Bundesstaat oder Datumsbereich zu durchsuchen.

Anwendungsfälle

• Zugangskontrolle für Parkplätze — einfahrende Fahrzeuge automatisch erkennen und die zurückgegebenen Kennzeichendaten für Einfahrtsprotokolle oder Schrankenprozesse nutzen.
• Maut- und Kontrollpunkt-Systeme — Kennzeichen schnell genug extrahieren für die nahezu Echtzeit-Verarbeitung von Fahrzeugen an Straßenkontrollpunkten.
• Flotten- oder Besucherprotokolle für Standorte — Fahrzeugbesuche mit durchsuchbarem Scan-Verlauf und Konfidenzdaten für spätere Prüfungen erfassen.
• Normalisierung indischer Kennzeichen — gemischte indische Kennzeichen, einschließlich Kennzeichen in Devanagari-Schrift, in strukturierte Felder für nachgelagerte Software umwandeln.
• Fahrzeug-Workflows für mehrere Länder — Teams unterstützen, die Fahrzeuge aus mehreren Ländern bearbeiten, ohne für jede Region separate Erkennungslogik zu entwickeln.

FAQ

Benötigt Parkese vor dem Upload eine Bildvorverarbeitung?
Nein. Laut der Seite verarbeitet die Engine automatisch Rauschen, Winkel, Schatten und sowohl Roman- als auch Devanagari-Schrift.

Was gibt die API zurück?
Sie gibt strukturiertes JSON mit Feldern wie Kennzeichen-Nummer, Bundesstaat, RTO, Serie, Schriftart, Konfidenz, Gültigkeit und Verarbeitungszeit zurück.

Unterstützt sie nur indische Kennzeichen?
Nein. Indische Formate stehen zwar im Fokus, aber die Seite sagt auch, dass Kennzeichen aus mehr als 34 Ländern unterstützt werden.

Kann sie Devanagari-Kennzeichen lesen?
Ja. Laut der Seite werden Hindi- und Marathi-Kennzeichen in Devanagari unterstützt und können in lateinischen Text transliteriert werden.

Gibt es ein separates Test- und Produktions-Setup?
Ja. Die Seite erwähnt getrennte Test- und Live-API-Keys mit unterschiedlichen Request-Rate-Limits.

Alternativen

• Allgemeine OCR-APIs — breitere Texterkennungs-Tools können Text aus Bildern extrahieren, validieren jedoch in der Regel nicht die Struktur von Kennzeichen und liefern keine kennzeichenspezifischen Felder wie Bundesstaat und RTO.
• Andere ALPR-APIs — direkte Kennzeichenerkennungsdienste bieten ähnliche Workflows, unterscheiden sich aber möglicherweise bei geografischer Abdeckung, Schriftunterstützung, Antwortformat und Validierungsregeln für Kennzeichen.
• Eigene Computer-Vision-Pipelines — Teams können ihren eigenen OCR- und Validierungs-Stack für mehr Kontrolle aufbauen, dies erfordert jedoch meist mehr Implementierungs- und Wartungsaufwand als eine gehostete API.
• Manuelle Eingabe oder Prüf-Workflows mit menschlicher Kontrolle — nützlich, wenn das Volumen gering ist oder die Genauigkeit Fall für Fall geprüft werden muss, aber langsamer als automatisierte Erkennung und für Echtzeitsysteme weniger geeignet.