# License-Plate-Recognition **Repository Path**: code_chao/License-Plate-Recognition ## Basic Information - **Project Name**: License-Plate-Recognition - **Description**: 车牌号识别 python + opencv - **Primary Language**: Python - **License**: MIT - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 14 - **Created**: 2022-06-02 - **Last Updated**: 2022-06-02 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # License-Plate-Recognition License Plate Recognition For Car With Python And OpenCV #### 用python3+opencv3做的中国车牌识别,包括算法和客户端界面,只有2个文件,surface.py是界面代码,predict.py是算法代码,界面不是重点所以用tkinter写得很简单。 ### 使用方法: 版本:python3.4.4,opencv3.4和numpy1.14和PIL5
下载源码,并安装python、numpy、opencv的python版、PIL,运行surface.py即可 ### 算法实现: 算法思想来自于网上资源,先使用图像边缘和车牌颜色定位车牌,再识别字符。车牌定位在predict方法中,为说明清楚,完成代码和测试后,加了很多注释,请参看源码。车牌字符识别也在predict方法中,请参看源码中的注释,需要说明的是,车牌字符识别使用的算法是opencv的SVM, opencv的SVM使用代码来自于opencv附带的sample,StatModel类和SVM类都是sample中的代码。SVM训练使用的训练样本来自于github上的EasyPR的c++版本。由于训练样本有限,你测试时会发现,车牌字符识别,可能存在误差,尤其是第一个中文字符出现的误差概率较大。源码中,我上传了EasyPR中的训练样本,在train\目录下,如果要重新训练请解压在当前目录下,并删除原始训练数据文件svm.dat和svmchinese.dat。 ##### 额外说明:算法代码只有500行,测试中发现,车牌定位算法的参数受图像分辨率、色偏、车距影响(test目录下的车牌的像素都比较小,其他图片很可能因为像素等问题识别不了,识别其他像素的车牌需要修改config文件里面的参数,此项目仅是抛砖引玉,提供一个思路)。 ##### 有任何疑问请邮件至 wzh191920@sina.com ##### 界面效果: ![Image text](https://gitee.com/wzh191920/License-Plate-Recognition/blob/master/Screenshots/3.png) ![Image text](https://gitee.com/wzh191920/License-Plate-Recognition/blob/master/Screenshots/5.png)