【A258】基于深度学习Python+OpenCV+Tensorflow的中文车牌检测与识别系统(GUI界面)

2022-04-17 15:02:27      索炜达电子      770     

文件编号:A258

文件大小:280M

开发环境:Python3.7、Tensorflow1.13、OpenCV3.4.4、PyCharm2020

猿创承诺:该项目亲测正常运行,提供部署视频,需远程调试部署需另外收费,确保正常使用,不能正常使用全额退款。

简要概述:基于深度学习Python+OpenCV+Tensorflow的中文车牌检测与识别系统(GUI界面)

【A258】基于深度学习Python+OpenCV+Tensorflow的中文车牌检测与识别系统(GUI界面)

演示视频:

【A258】基于深度学习Python+OpenCV+Tensorflow的中文车牌检测与识别系统(GUI界面)

点击查看:系统演示视频

模块分解:

图像预处理->车牌定位->车牌过滤->字符分割->字符识别

操作步骤:

下载代码和图片数据集,代码有3个文件,charNeuralNet.py用来训练和测试字符识别模型,plateNeuralNet.py用来训练和测试车牌检测模型,carPlateIdentity.py是最终的测试程序,会调用前面2个训练好的模型识别图片中的车牌字符。数据集包括cnn_char_train(字符数据集)、cnn_plate_train(车牌数据集)、pictures(最终测试图片,仅供参考)、opencv_output(这是我测试的结果),字符数据集和车牌数据集没有划分训练集和测试集,自行按比例切分;

将charNeuralNet.py在main函数的train_flag改成1,在当前工程目录下创建carIdentityData/cnn_char_train和carIdentityData/model/char_recongnize目录,取字符训练集放在carIdentityData/cnn_char_train路径下,执行该程序训练字符识别模型,模型保存在carIdentityData/model/char_recongnize路径下;

将charNeuralNet.py在main函数的train_flag改成0,在当前工程目录下创建carIdentityData/cnn_char_test目录,取字符测试集放在此路径下,将model_path修改成自己模型的路径,执行程序测试字符识别准确率;

plateNeuralNet.py的操作步骤同2、3步骤相似,用来获取车牌检测模型;

将carPlateIdentity.py程序的plate_model_path、char_model_path修改成自己训练好的模型路径,下面测试图片的img路径也修改成自己图片的路径,执行该程序进行车牌字符检测。

运行效果:

run my_main_ui.py

【A258】基于深度学习Python+OpenCV+Tensorflow的中文车牌检测与识别系统(GUI界面)

【A258】基于深度学习Python+OpenCV+Tensorflow的中文车牌检测与识别系统(GUI界面)

【A258】基于深度学习Python+OpenCV+Tensorflow的中文车牌检测与识别系统(GUI界面)

远程协助:

温馨提示:索炜达.猿创官方提供收费远程协助,确保您项目运行成功。

点击查看:远程协助相关事项

我们提供完整项目文件清单如下:

文件目录

 ├ 1.项目源码

 ├ 2.运行截图

 └ 3.演示视频

TAG车牌检测
  • 5 次
  • 600 分