Python——yolov8识别车牌2.0

目录

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
• 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

代码包：

YOLOv8-license-plate-recognize-2.zip – 蓝奏云文件大小：41.3 M|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

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~