声明：本模型均来自于大佬的 github 项目，具体项目请移步到 Reference ，如果侵权请联系本人删除，在这里特别感谢大佬的模型，大佬的 github 主页是[https://github.com/we0091234]
本项目是我毕设的一部分，如果有需要配套的毕设论文欢迎大家有偿获取（QQ：1677830702），也欢迎大家去我的停车场管理系统项目点一个小小的start，谢谢各位！[https://github.com/improveyour/park-system]
环境要求: python >=3.6 pytorch >=1.7
快速启动：
1.安装好需要导入的包
2.直接运行detect_plate.py 或者运行如下命令行：
python detect_plate.py --detect_model weights/plate_detect.pt --rec_model weights/plate_rec.pth --image_path imgs --output result
测试文件夹imgs，结果保存再 result 文件夹中
项目结构说明：
1.下载数据集： 数据集可以联系QQ获取：1677830702 数据从CCPD和CRPD数据集中选取并转换的 数据集格式为yolo格式：
label x y w h pt1x pt1y pt2x pt2y pt3x pt3y pt4x pt4y
关键点依次是（左上，右上，右下，左下） 坐标都是经过归一化，x,y是中心点除以图片宽高，w,h是框的宽高除以图片宽高，ptx，pty是关键点坐标除以宽高
自己的数据集可以通过lablme 软件,create polygons标注车牌四个点即可，然后通过json2yolo.py 将数据集转为yolo格式，即可训练
2.修改 data/widerface.yaml train和val路径,换成你的数据路径
train: /your/train/path #修改成你的训练集路径
val: /your/val/path #修改成你的验证集路径
# number of classes
nc: 2 #这里用的是2分类，0 单层车牌 1 双层车牌
# class names
names: [ 'single','double']
3.在 cmd 或者在 Pycharm 中使用如下命令训练模型，也可以通过配置 train.py 的运行配置，如下图
python3 train.py --data data/widerface.yaml --cfg models/yolov5n-0.5.yaml --weights weights/plate_detect.pt --epoch 120
结果存在run文件夹中
1.从CCPD和CRPD截下来的车牌小图以及别人收集的一部分车牌 有需要的话加qq获取:1677830702
2.数据集打上标签,生成train.txt和val.txt
图片命名为：车牌号_序号.jpg，然后执行如下命令，得到train.txt和val.txt
python plateLabel.py --image_path your/train/img/path/ --label_file datasets/train.txt
python plateLabel.py --image_path your/val/img/path/ --label_file datasets/val.txt
数据格式如下：
train.txt
/mnt/Gu/trainData/plate/new_git_train/CCPD_CRPD_ALL/冀BAJ731_3.jpg 5 53 52 60 49 45 43
/mnt/Gu/trainData/plate/new_git_train/CCPD_CRPD_ALL/冀BD387U_2454.jpg 5 53 55 45 50 49 70
/mnt/Gu/trainData/plate/new_git_train/CCPD_CRPD_ALL/冀BG150C_3.jpg 5 53 58 43 47 42 54
/mnt/Gu/trainData/plate/new_git_train/CCPD_CRPD_OTHER_ALL/皖A656V3_8090.jpg 13 52 48 47 48 71 45
/mnt/Gu/trainData/plate/new_git_train/CCPD_CRPD_OTHER_ALL/皖C91546_7979.jpg 13 54 51 43 47 46 48
/mnt/Gu/trainData/plate/new_git_train/CCPD_CRPD_OTHER_ALL/皖G88950_1540.jpg 13 58 50 50 51 47 42
/mnt/Gu/trainData/plate/new_git_train/CCPD_CRPD_OTHER_ALL/皖GX9Y56_2113.jpg 13 58 73 51 74 47 48
3.将 train.txt 和 val.txt 路径写入lib/config/360CC_config.yaml 中
DATASET:
DATASET: 360CC
ROOT: ""
CHAR_FILE: 'lib/dataset/txt/plate2.txt'
JSON_FILE: {'train': 'datasets/train.txt', 'val': 'datasets/val.txt'}
4.执行如下命令开始训练模型
python train.py --cfg lib/config/360CC_config.yaml
结果保存再output文件夹中
5.测试识别模型
python demo.py --model_path saved_model/best.pth --image_path images/test.jpg
or your/model/path
- [https://github.com/we0091234/Chinese_license_plate_detection_recognition]
- [https://github.com/we0091234/crnn_plate_recognition]
在 java_demo_plus.py 中由于毕设项目的需要，使用了部分绝对路径，如需要执行该文件，需要替换里面的绝对路径为自己的路径