车牌识别
2022-5-5
文件说明：
1、charData 是存放训练字符图片
2、sincharpic文件夹是用来存放生成的车牌字符图片
3、sincharpic\resizepic文件夹是存放resize之后的字符图片
4、VOCdevkit文件夹是存放训练抠车牌语义分割模型的数据集
5、tools文件夹是存放一些工具性程序
6、logs文件夹是存放语义分割训练好的模型
7、model_data文件夹是存放要用来预测的训练好的语义分割模型，语义分割训练完之后，需要从logs文件夹中取效果最好的模型拷贝到model_data文件夹下，改名为deeplab_mobilenetv2.pth
8、nets文件夹是存放语义分割deeplab v3+框架代码
9、chartest.py训练字符识别模型代码
10、chartrain.py是用来测试字符识别模型代码
11、cut_plate.py是分割车牌代码
12、dataload.py testsinpic.py  trainsinpic.py这三个文件是我搭建的识别全部省份的模型训练代码和测试代码，暂时用不到
13、deeplab.py是deeplab V3的框架代码
14、filerename.py是我用来批量重命名文件写的小工具
15、get_miou.py是deeplab V3的框架代码
16、json_to_dataset.py是deeplab V3的框架代码
17、predict.py是语义分割模型训练完之后，运行predict.py实现抠车牌的代码
18、resize.py是规格分割好车牌的算法
19、summary.py是deeplab V3的框架代码
20、train.py是训练语义分割模型的代码
21、voc_annotation.py是deeplab V3的框架代码

项目工程实际操作：
1、运行train.py开始训练语义分割模型分割车牌，训练时间有点久，耐心等待训练完成，训练好的模型存放在logs文件夹中，训练好之后，需要从logs文件夹中取效果最好的模型拷贝到model_data文件夹下，改名为deeplab_mobilenetv2.pth（也可跳过这一步，我github工程上在model_data文件夹下有我训练好的模型，可以直接用）
2、运行predict.py开始分割车牌，输入工程目录下的图片名字（你也可以添加自己的车牌图片）按回车即可分割车牌，分割好之后按‘q’退出
3、运行cut_plate.py分割车牌
4、运行resize.py将分割好的字符图片统一格式
5、运行chartrain.py开始训练字符识别的预训练模型，训练时间有点久，耐心等待训练完成（这一步也可跳过，不想训练的，在工程目录下有个Model.7z压缩包，存放的就是我训练好的模型（准确率99%），将这个压缩包解压到工程目录下即可）
6、运行chartest.py识别分割好的字符图片
到此整个车牌识别就完成了

使用须知：
1、我的环境是 (win10 64位) + (Python 3.8.3) + (OpenCV 4.5.1) + (Pytorch 1.7.0+cu110)
2、原博客链接:https://blog.csdn.net/weixin_41645749/article/details/124599578

注意点：
1、本身抠玩车牌之后没有做畸形矫正，所以用来识别的车牌图片最好是正对着车牌的图片如我工程中的test2.jpg test3.jpg等
2、整个识别项目性能一般，所以可能识别会有一点点慢，但是个人尚可接受
欢迎联系我沟通交流，一起进步一起成长1009088103@qq.com