Python——yolov8识别车牌2.0

曾经终败给现在 2024-05-06 23:30 6阅读 0赞

**目录**

一、前言

二、关于项目UI

2.1、修改界面内容的文本

2.2、修改界面的图标和图片

三、项目修改地方

四、其他配置问题

--------------------

## 一、前言 ##

>  *  因为后续有许多兄弟说摄像头卡顿，我在之前那个**MATS上面改一下就可以了**，MAST项目：[基于YOLOv8的多端车流检测系统（用于毕设+开源）-CSDN博客][YOLOv8_-CSDN]
>  *  其实这个直接用yolov8的官方api就可以了，然后在**画标签那里修改一下代码**，就可以了
>  *  **卡顿的原版项目：（这里有配置方法）**[Python——基于YOLOV8的车牌识别（源码+教程）\_车牌识别python代码-CSDN博客][Python_YOLOV8_python_-CSDN]
> 
> **代码包：**
> 
> [YOLOv8-license-plate-recognize-2.zip - 蓝奏云文件大小：41.3 M|![icon-default.png?t=N7T8][icon-default.png_t_N7T8]https://wwm.lanzout.com/idooo1qg4lyd][YOLOv8-license-plate-recognize-2.zip - _41.3 M_icon-default.png_t_N7T8_icon-default.png_t_N7T8_https_wwm.lanzout.com_idooo1qg4lyd]
> 
> **配置方法和原项目差不多~如果有配置问题，可以看看下面的内容**

## 二、关于项目UI ##

> **因为MATS那个基础项目，就没有用ui文件，所以这个也没有UI文件了**
> 
> **在修改pyside6时，最好有一些这方面的基础**

> ### **2.1、修改界面内容的文本** ###
> 
> **可以自行修改ui文件夹里面的main\_window.py**

> ### **2.2、修改界面的图标和图片** ###
> 
> **1、替换或修改YOLOv8-license-plate-recognize-2\\ui\\img中的图片（img那个文件夹里面）**
> 
> **2、把resources.qrc中的对应映射进行修改，如果你是添加了文件，就按照那个格式新增就好了**
> 
> **3、使用命令——重新编译为资源文件：pyside6-rcc resources.qrc -o resources\_rc.py**
> 
> --------------------
> 
> **重新启动程序，查看是否更新成功**

## 三、项目修改地方 ##

> **其实，很多东西，原项目都写好了，只需要在画标签那里，自定义一下就好了，把对应的坐标和图片丢给lprr就行了**
> 
> **关于lprr本人一窍不通，只是调用了他的api，然后他可以返回一个车牌的结果**

> **画标签的代码：（写得丑陋，请大佬们指正，Python没有常用，常写）**
> 
>  **在yolo.py的333行**
> 
>     # 画标签到图像上
>         def creat_labels(self, detections, img_box, model):
>     
>             # 画车牌 draw a license plate
>             label_plate = []
>             xy_xy_list = detections.xyxy.squeeze()
>             class_id_list = detections.class_id.squeeze().tolist()
>             xyxy = []
>     
>             # 车牌获取
>             for i in range(len(xy_xy_list)):
>                 if isinstance(class_id_list, int) and class_id_list != 0:
>                     continue
>     
>                 # 如果长度为1，则是int
>                 if isinstance(class_id_list, int) and class_id_list == 0:
>                     xy_xy_filter = xy_xy_list
>                     xyxy.append(xy_xy_filter)
>                     plate = de_lpr(xy_xy_filter, img_box)
>                     plate = np.array(plate)
>                     car_number = ""
>                     for m in range(0, plate.shape[1]):
>                         # 将字符转换成车牌号码
>                         b = CHARS[plate[0][m]]
>                         car_number += b
>                     label_plate.append(car_number)
>                     continue
>     
>                 # 长度不为1
>                 if class_id_list[i] != 0:   # 只选择是车牌的目标
>                     continue
>                 xy_xy_filter = xy_xy_list[i]
>                 xyxy.append(xy_xy_filter)
>                 plate = de_lpr(xy_xy_filter, img_box)
>                 plate = np.array(plate)
>                 car_number = ""
>                 for m in range(0, plate.shape[1]):
>                     # 将字符转换成车牌号码
>                     b = CHARS[plate[0][m]]
>                     car_number += b
>                 label_plate.append(car_number)
>             # 修改坐标数组
>             detections.xyxy = np.array(xyxy)
>     
>             # 要画出来的信息
>             labels_draw = label_plate
>     
>             # labels_draw = [
>             #     f"ID: {tracker_id} {tracker_id}"
>             #     for _, _, confidence, class_id, tracker_id in detections
>             #     if model.model.names[class_id] in label_names
>             # ]
>             '''
>             如果Torch装的是cuda版本的话：labels_draw代码需改成：
>               labels_draw = [
>                 f"OBJECT-ID: {tracker_id} CLASS: {model.model.names[class_id]} CF: {confidence:0.2f}"
>                 for _,confidence,class_id,tracker_id in detections
>             ]
>             '''
>             # 存储labels里的信息
>             labels_write = [
>                 f"目标ID: {tracker_id} 目标类别: {class_id} 置信度: {confidence:0.2f}"
>                 for _, _, confidence, class_id, tracker_id in detections
>             ]
>             '''
>               如果Torch装的是cuda版本的话：labels_write代码需改成：
>               labels_write = [
>                 f"OBJECT-ID: {tracker_id} CLASS: {model.model.names[class_id]} CF: {confidence:0.2f}"
>                 for _,confidence,class_id,tracker_id in detections
>             ]
>             '''
>             pprint(detections)
>     
>             # 打印结果
>             print(detections.xyxy)
>             # 如果显示标签 （要有才可以画呀！）---否则就是原图
>             if (self.show_labels == True) and (self.class_num != 0):
>                 img_box = self.box_annotator.annotate(scene=img_box, detections=detections, labels=labels_draw)
>     
>             return labels_write, img_box

## 四、其他配置问题 ##

> 1.  配置环境中，有一个lap，在pip安装时，需要下载一个东西，根据报错提示中的链接，去下载就好了
> 2.  如果你预测失败，多半是yolo版本问题，需要你自己根据报错修改一下，还有关于其他库，就是opencv版本（或者其他库，比如sv等）不一样，根据报错的库名，卸载重新安装对应版本
> 3.  此项目的main\_window的ui文件是没有的，用猫鱼老哥的开源改的，他当时就没有用ui文件。直接手写了，然后我也只好手写ui了。
> 4.  关于type object 'Detections' has no attribute 'from\_yolov8'问题的解决：由于Detection删除了from，所以需要降级，又因为前面的sv调用，所以把supervision降级为0.6.0即可解决pip install supervision==0.6.0
> 5.  如果你遇到了问题：可以看看这个文章里面的评论区：[基于YOLOv8的多端车流检测系统（用于毕设+开源）-CSDN博客][YOLOv8_-CSDN]

> **关于训练模型+预测：（如何训练模型——我之前写过一篇文章，可以翻翻前面的看看）**
> 
> 1.  如果训练版本使用的是和预测版本一样的话，就可以直接用
> 2.  要用自己训练的那个yolo版本的话，那么预测项目里面yolo版本就换为你训练的那个版本（不过可能有api改了，但是一般改动不大，自行根据报错修改就好了）

> **关于使用CUDA**
> 
> 1.  cuda版本的pytorch，需要自己根据项目的注释和报错修改就好了
> 2.  因为使用了CUDA，他预测返回的数据格式和之前的不一样，建议自行打印出来，根据数据找到自己需要数据，就可以啦~
> 3.  label根据具体内容，修改就行了~
> 
> ![0367a9b3862c43b6a9ab6d2dbf7f6b9b.png][]

[YOLOv8_-CSDN]: https://blog.csdn.net/Pan_peter/article/details/132048923
[Python_YOLOV8_python_-CSDN]: https://blog.csdn.net/Pan_peter/article/details/130465041
[icon-default.png_t_N7T8]: https://csdnimg.cn/release/blog_editor_html/release2.3.6/ckeditor/plugins/CsdnLink/icons/icon-default.png?t=N7T8
[YOLOv8-license-plate-recognize-2.zip - _41.3 M_icon-default.png_t_N7T8_icon-default.png_t_N7T8_https_wwm.lanzout.com_idooo1qg4lyd]: https://wwm.lanzout.com/idooo1qg4lyd
[0367a9b3862c43b6a9ab6d2dbf7f6b9b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/06/c636c462dda64c7a9f839cd84455114d.png