编号：A661
大小：1.6G
环境：Python3.8.5、OpenCV4.5.5.62、torch2.1.0
简介：基CNN的python车牌识别算法，OpenCV图像识别算法，深度学习算法， Pytorch框架
有GUI界面，识别准确率高，识别准确率高于模版匹配法和机器学习！！！
使用传统图像处理算法提取车牌区域，然后使用 Pytorch 框架的字符识别模型识别车牌字符
提供丰富的测试用例，提供字符识别网络数据集，可自己训练字符识别模型
1. 按照requirements.txt中的要求安装库，python开发环境配置好后，可在cmd界面中复制下面命令直接安装（需要将路径跳转到项目路径下）:
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
2. 项目存放路径中不要有中文，opencv可能会报错，如C:/车牌识别/LPR-CNN，路径全部使用英文或数字；
3. main_ui.py为带有UI界面的主函数，环境搭建好后运行该脚本即可运行本项目；
main.py为不带UI界面的主函数，该代码可用于观察项目运行的中间过程；255行代码可以更改用于测试的图片，main.py中注释较为详细；
LPR.py文件为UI界面的python源码，UI界面使用pyqt5开发；
qt.py为UI界面背景图片的相关文件，该文件由qt.qrc转换过来；LPR.ui与LPR_1.ui为UI界面配置文件，可以使用qtdesigner打开（详细步骤问度娘），将.ui文件转换为.py文件即可使用python语言来打开UI界面；
4. CNN车牌识别网络的数据集路径为：plate_recognition/crnn_plate_recognition/datasets，将数据集中的CCPD_CRPD_OTHER_ALL和val_verify文件放在datasets文件夹下；
5. plate_recognition文件夹为CNN车牌识别算法相关文件，运行plateNet.py可以打印出CNN的算法网络结构；运行plate_recognition/crnn_plate_recognition/train.py可以对CNN网络进行训练
6. 采用传统图像处理的车牌识别算法对测试图片要求较高，如车牌不能距离过远、拍摄角度不能过于倾斜等，图片分辨率过高也会识别不出来，
这并不是代码问题，而是算法局限性，请理解！

运行展示

run main_ui.py

运行plate_recognition/crnn_plate_recognition/train.py可以对CNN网络进行训练

配套文件

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