中文车牌识别与检测项目使用教程

1. 项目目录结构及介绍

该项目基于YOLOv5进行中文车牌的检测与识别。下面是主要的目录结构及其简介：

Chinese_license_plate_detection_recognition/
│
├── models/          # 存放预训练的车牌检测和识别模型文件
│   ├── plate_detect*     # 检测模型
│   └── plate_rec*       # 识别模型
│
├── 1-read_number_test.py    # 主程序示例，用于实时车牌检测与拍照识别
├── Recognition_plate.py     # 包含车牌识别逻辑的模块
├── detect_plate.py         # 图像或视频车牌检测与识别脚本
├── requirements.txt        # 项目所需依赖库列表
├── README.md               # 项目说明文件
├── GPL-3.0 license         # 开源许可证文件
└── imgs/                   # 示例图像或存放检测结果的图片目录

• models: 包含用于车牌检测和识别的预训练模型。
• 1-read_number_test.py: 实时检测摄像头画面中的车牌，并允许通过触发条件拍照识别。
• Recognition_plate.py: 实现车牌识别的核心代码部分。
• detect_plate.py: 更通用的脚本，支持指定图片或视频的车牌检测与识别。
• requirements.txt: 列出了运行项目所需的Python包。

2. 项目的启动文件介绍

主要启动文件:

• 1-read_number_test.py: 这是快速上手的入口文件，它演示了如何利用摄像头进行实时车牌检测。运行此脚本，程序会调用摄像头，显示实时画面，在特定条件下（如按下'a'键），会捕获当前帧，尝试识别车牌号码，并将结果打印出来以及保存识别到的车牌图片。

• detect_plate.py: 适用于更灵活的场景，不仅限于摄像头，还可以指定图片路径或视频文件进行检测和识别，非常适合批量处理或集成到其他应用中。

3. 项目的配置文件介绍

尽管这个项目没有直接列出一个典型的.ini或.yaml配置文件，但配置主要是通过脚本内的变量定义和命令行参数实现的。这些关键配置点包括：

• 模型路径: 在1-read_number_test.py和detect_plate.py脚本中，有指定检测(--detect_model)和识别(--rec_model)模型路径的参数。用户可以通过修改这些脚本来指向不同的预训练模型位置。
• 输入与输出: detect_plate.py中的命令行参数--image_path, --video, 和 --output分别控制输入媒体和结果存储的位置。
• 环境配置: 不直接作为配置文件存在，但requirements.txt定义了项目运行所需的Python库版本，保证环境一致性。

在实际操作前，确保安装了所有必要的依赖库，通常可以通过运行pip install -r requirements.txt来完成。项目核心在于模型加载与图像处理流程，因此理解相关脚本内的主要函数调用对自定义配置尤为重要。