persian-license-plate-recognition

Persian License Plate Recognition 项目介绍

项目概述

Persian License Plate Recognition (简称PLPR) 系统是一种最先进的解决方案，专门用于图像和视频流中波斯车牌的检测和识别。该系统通过利用深度学习模型和用户友好的界面，在各种场景中提供可靠的性能。PLPR 系统主要应用于交通监控、自动车辆识别等领域，具有很高的准确性和效率。

主要特性

先进的检测技术：系统采用 YOLOv5 模型，实现高精度的车牌检测。
波斯字符识别：定制训练的模型确保精确识别波斯文字符。
实时处理：能够实时处理视频流。
用户友好的界面：直观的图形用户界面简化了与系统的交互。

主界面介绍

1 输入视图：显示视频或摄像头的输入。
2 检测到的车牌高亮：在检测到的车牌周围画出矩形框。
3 车牌图片显示：显示检测到的车牌的捕捉图像。
4 提取的文字：显示从车牌图片中识别的文字。
5 车主信息：列出车主的注册信息。
6 车牌状态：指示车牌是否被允许通行、禁止通行或未注册。
7 最近记录表：展示最近10个记录，并提供添加未注册车牌或查看车主信息的选项。

住户管理

负责维护和更新住户车辆的信息，管理出入许可，并跟踪住户车辆在场地内的移动情况。

出入口管理

该模块负责管控车辆的进出，确保只有获得授权的车辆可以进入，同时保持所有车辆活动的日志以供安全和管理用途。

系统流程图解

开始：系统初始化。
输入源：接收图像或视频流。
车牌检测：YOLOv5 模型识别车牌。
字符识别：定制模型识别波斯字符。
数据库检查：与数据库比较车牌状态和车主信息。
显示结果：在 GUI 中显示检测和识别结果。
记录日志：更新最近记录表和数据库。
结束/重复：继续处理新的输入或结束操作。

系统硬件要求

为了确保 Persian License Plate Recognition 系统的最佳性能，建议以下硬件配置：

处理器：Intel Core i5（第8代）或更高。
内存：8 GB RAM 或更多。
图形处理器：具有至少4 GB VRAM的独立GPU（如 NVIDIA GTX 1060 或同等配置），以支持高效的实时处理和深度学习模型计算。
存储：至少20 GB可用空间的 SSD，用于软件、模型和数据集。
操作系统：与 Windows 10/11、Linux（Ubuntu 18.04或更高）以及 macOS（10.14 Mojave或更高）兼容。

快速开始

安装步骤

克隆项目库并进入其目录：

git clone https://github.com/mtkarimi/smart-resident-guard.git
cd smart-resident-guard

安装所需的 Python 包：
```
pip install -r requirements.txt
```

视频源配置

要自定义处理的视频源，可以在 cv2.VideoCapture(0) 中修改，其中 0 表示默认的网络摄像头输入。若使用特定的视频文件，将参数更改为 params.video，它会从 config.ini 中获取视频路径。在 config.ini 中，将 video 参数设置为你的视频文件路径，例如 video = anpr_video.mp4，并用你的视频文件路径替换 anpr_video.mp4。

对于流媒体视频源，更新 config.ini 文件中的流地址，比如用你的流地址替换现有视频路径，例如 rtps = rtsp://172.17.0.1:8554/webCamStream。这种灵活的视频源选择确保了在不同操作需求下的无缝集成和测试。