AI 车牌打码工具

车牌打码:发布街景和行车画面前隐藏车辆号牌

上传照片或视频后,打码鸭会检测可能的车辆号牌。对于视频,连续出现的车牌会尽量整理为轨迹,方便一次确认整段遮挡,降低逐帧处理的重复工作。

处理前的道路照片,多辆车的号牌清晰可见
处理前:号牌清晰可见
处理后的道路照片,车辆号牌已被完整遮挡
处理后:号牌区域被完整覆盖

示意图。实际遮挡方式可选马赛克、模糊或实色,范围略大于号牌更安全。

核心能力

先自动识别,再由你确认

检测照片中的车牌

定位画面中可能的车辆号牌,便于统一选择遮挡效果并检查多个车辆目标。

聚合视频连续轨迹

同一车牌在一段视频中的连续出现会尽量归为轨迹,减少重复选择每一帧。

疑似区域默认保护

无法可靠区分的疑似车牌区域会优先保持打码,避免因为追求精确选择而直接暴露。

操作流程

从上传到下载,四步完成

  1. 1

    上传图片或视频

    选择包含车辆的素材,确认你有权处理,并避免公开上传未经打码的原始文件。

  2. 2

    选择车牌检测

    开启车牌检测;复杂道路视频可同时选择人脸,统一检查画面中的隐私对象。

  3. 3

    确认车牌和轨迹

    查看检测到的号牌及连续轨迹,只保留确实不需要遮挡的对象。

  4. 4

    检查生成结果

    检查远处车辆、快速驶过、强光反射以及车牌重新出现的画面,再决定是否发布。

深入了解

车牌检测为什么比人脸更容易漏

车牌在画面里通常很小:一张手机街拍里,远处车辆的号牌可能只有几十个像素宽。加上倾斜角度、夜间车灯造成的过曝、雨天泥污和反光,检测的可靠性会明显下降。所以车牌打码的检查重点不是画面中央那辆车,而是边缘、远处和只出现一两秒的车辆。

打码鸭在无法可靠区分时,会把疑似车牌区域按打码对象处理,宁可多遮也不直接暴露。发布前把画面四角放大看一遍,是发现漏检最直接的方法。

只遮车牌的一部分并不安全。地区简称、车型、颜色和拍摄地点组合起来仍可能定位到具体车辆,建议覆盖完整号牌并适当留出边缘。

行车记录仪和道路视频的处理建议

行车记录仪素材的特点是车辆多、运动快、光照变化大。同一辆前车会连续出现几十秒,打码鸭会把它整理成一条轨迹,按轨迹确认即可,不需要逐帧操作;变道离开又回来的车辆会形成新轨迹,需要再确认一次。

分享事故经过或反映路况时,除了其他车辆的号牌,通常还要处理画面里的人脸、路牌上的地点信息和记录仪叠加的时间、坐标水印。上传时同时勾选人脸,生成后检查画面下方的叠加文字。

超长素材建议先剪出需要发布的片段再上传,能显著缩短处理时间。生成后完整播放一遍,在会车、夜间和镜头剧烈晃动的片段暂停检查。

发布前复核

小车牌和反光车牌需要重点检查

车牌尺寸、角度、速度、遮挡和光照都会影响检测。视频中的同一辆车也可能因为镜头切换形成多个轨迹,应以最终画面是否完全覆盖为准。

  • 放大检查远处、画面边缘以及只短暂出现的车辆号牌。
  • 留意夜间灯光、强反光、污损和倾斜角度造成的漏检。
  • 车辆驶出后再次进入画面时,确认新轨迹仍然保持打码。
  • 事故或纠纷材料对外发布前,同时检查人脸、地址和时间地点信息。

常见问题

使用前可能想了解

车牌打码支持照片和视频吗?

支持。照片中可以检查多个车牌;视频中会尽量把车牌的连续出现整理为轨迹,再按轨迹选择打码或保留。

同一车牌为什么会显示为多个轨迹?

镜头切换、长时间遮挡、车辆离开后重新出现,都会中断连续关联。这种情况下,同一车牌可能需要确认多个轨迹。

夜间或模糊车牌可以自动识别吗?

系统会尝试检测,但低照度、强光、运动模糊和车牌过小都会降低可靠性。应重点复核这些片段,必要时使用其他方式补充遮挡。

只遮住车牌号码的一部分可以吗?

不建议。局部字符、地区简称、车身标识和上下文仍可能帮助识别车辆,通常应覆盖完整号牌并适当留出边缘。

相关教程

现在开始保护准备发布的内容

上传你有权处理的图片或视频,确认识别范围和打码对象,下载前请再次检查结果。

前往打码工具