编号：A258
大小：280M
环境：Python3.7、Tensorflow1.13、OpenCV3.4.4、PyCharm2020
简介：深度学习之Tensorflow卷积神经网络中文车牌检测与识别系统(GUI界面）
分解：
图像预处理->车牌定位->车牌过滤->字符分割->字符识别
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。

运行展示

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