1.运行环境：ubuntu18.04 + python3.6 + tensorflow-gpu1.9 + opencv4.1
2.训练文件：
charNeuralNet_train.py-->训练字符
plateNeuralNet_train.py-->训练车牌
3.测试文件：
carPlateIdentity.py
4.运行GUI.py可打开交互界面
5.plate_pic文件夹存放需要测试的图片
6.carIdentityData文件夹下存放字符、车牌训练图片，训练好的模型以及预处理的图片
python基于opencv下使用卷积神经网络的车牌识别系统 详细代码 可直接使用 （2000个子文件） 
checkpoint 526B checkpoint 263B model.ckpt-1030.data-00000-of-00001 140.61MB model.ckpt-1010.data-00000-of-00001 140.61MB model.ckpt-1020.data-00000-of-00001 140.61MB model.ckpt-1000.data-00000-of-00001 27.37MB model.ckpt-1030.data-00000-of-00001 27.37MB model.ckpt-500.data-00000-of-00001 27.37MB model.ckpt-1010.data-00000-of-00001 27.37MB model.ckpt-1050.data-00000-of-00001 27.37MB .gitignore 50B CHEPAISHIBIE.iml 398B model.ckpt-1010.index 1KB model.ckpt-1030.index 1KB model.ckpt-500.index 1KB model.ckpt-1050.index 1KB model.ckpt-1000.index 1KB model.ckpt-1020.index 1KB model.ckpt-1010.index 1KB model.ckpt-1030.index 1KB
21.jpg 2.59MB 17.jpg 816KB resize.jpg 431KB 16.jpg 134KB contour.jpg 124KB sobel.jpg 116KB hsv_pic.jpg 114KB 6.jpg 113KB floodfill.jpg 104KB gray_img.jpg 95KB 14.jpg 91KB 3.jpg 77KB 10.jpg 75KB frames_3.jpg 70KB blur.jpg 70KB 12.jpg 68KB 4.jpg 67KB 24.jpg 67KB 11.jpg 66KB mix.jpg 63KB 1.jpg 54KB 7.jpg 51KB 15.jpg 44KB 23.jpg 40KB 5.jpg 37KB binary.jpg 37KB 22.jpg 36KB 9.jpg 35KB 13.jpg 30KB close.jpg 30KB 19.jpg 27KB 2.jpg 27KB 8.jpg 25KB yue-11.jpg 18KB blue&yellow.jpg 9KB flood_mask.jpg 8KB [198.5, 173]_[131 x 32]_-0_-0.931692.jpg 5KB [1691.5, 894.5]_[197 x 37]_-0_-0.697408.jpg 5KB [204.142, 193.286]_[85.0845 x 269.664]_-89.0906_-0.774251.jpg 5KB [204.032, 196.607]_[77.6261 x 253.088]_-88.8876_-0.755399.jpg 5KB [366.018, 302.85]_[56.2803 x 187.546]_-88.4306_-0.782775.jpg 5KB plate_170.jpg 5KB [359.139, 300.803]_[62.9775 x 215.474]_-88.4684_-1.11347.jpg 5KB opencv_3.jpg 5KB [447.435, 655.319]_[189.737 x 56.0708]_-0.888235_-1.04469.jpg 5KB opencv_4.jpg 5KB [468.012, 720.063]_[134.161 x 44.2371]_-10.6764_-1.6743.jpg 5KB [344.291, 289.012]_[66.2758 x 202.907]_-87.6141_-1.22819.jpg 5KB [197.5, 173]_[44 x 139]_-90_-0.977044.jpg 5KB [444.994, 658.059]_[174.256 x 51.141]_-0.353673_-0.931632.jpg 5KB [345.555, 290.241]_[67.3982 x 202.585]_-87.5503_-1.24098.jpg 5KB opencv_113.jpg 5KB [782.011, 131.224]_[268.365 x 64.869]_-2.86241_-0.727717.jpg 5KB [226.5, 214]_[125 x 36]_-0_-1.01664.jpg 5KB [236.806, 322.637]_[127.903 x 34.567]_-1.50744_-1.14461.jpg 5KB plate_E6686V.jpg 5KB [447.52, 257.5]_[73.076 x 209.656]_-89.4299_-0.995505.jpg 5KB [195, 174]_[38 x 118]_-90_-0.504379.jpg 5KB plate_44.jpg 5KB plate_512.jpg 5KB plate_339.jpg 5KB plate_123.jpg 5KB [784.127, 133.672]_[263.553 x 54.1566]_-1.78295_-0.537024.jpg 5KB [345.302, 291.136]_[61.2354 x 206.92]_-86.3407_-1.23007.jpg 5KB plate_334.jpg 5KB plate_313.jpg 5KB [574.573, 676.37]_[266.319 x 94.4111]_-0.871352_-2.02725.jpg 5KB plate_585.jpg 5KB [289.854, 273.628]_[70.862 x 216.395]_-87.694_-0.628682.jpg 5KB [1692, 894.5]_[196 x 37]_-0_-0.774065.jpg 5KB plate_11.jpg 5KB [235.507, 321.795]_[135.929 x 40.6018]_-1.28253_-1.2748.jpg 5KB [452.617, 256.175]_[75.0565 x 218.688]_-88.2643_-1.10728.jpg 5KB [359.19, 329.791]_[56.3947 x 206.953]_-86.6114_-1.19117.jpg 5KB plate_563.jpg 5KB plate_587.jpg 5KB plate_372.jpg 5KB plate_25.jpg 5KB [290.729, 274.535]_[61.0383 x 218.126]_-87.5529_-0.657615.jpg 5KB [98, 52]_[30 x 176]_-90_-0.946768.jpg 5KB共 2000 条
- 1
- 2
- 3
- 4
- 5
- 6
- 20
评论1