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

1. 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

2. 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。

运行应用程序

使用以下命令启动应用程序：

python home-yolo.py

系统使用

用户可以通过系统的 GUI 上传和处理图像或视频流，显示检测到的车牌和识别的文本。同时系统还允许进行参数调整以优化性能。

项目特别感谢

向所有开放源代码项目和社区表示衷心的感谢，正是因为他们，这个项目才能实现。特别鸣谢包括：

• 使用 YOLOv5 和 PyTorch 实现的核心检测和识别模型。
• PySide6 和 OpenCV 为应用程序界面及图像处理提供技术支持。
• Pillow 提供了增强的图像处理功能。

致谢

该项目建立在 AI 和开放源代码社区的努力基础上。感谢他们分享知识和工具，这些对项目的成功至关重要。