原项目源码地址:GitHub
我的源码地址:Gitee
环境搭建请参考:Win10 搭建 YOLOv8 运行环境(20240423)-CSDN博客
环境测试请参考:本地运行测试 YOLOv8(20240423)-CSDN博客
训练数据集请参考:YOLOv8 训练自己的数据集(20240423)-CSDN博客
一、在 Anacoda 下创建一个新的虚拟环境
1.1、创建虚拟环境 automatic_plate
bash
conda create --n automatic_plate python=3.9.16
1.2、切换激活虚拟环境
bash
conda activate automatic_plate
1.3、安装 PyTorch
bash
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
二、下载代码,配置依赖
2.1、下载源码:
bash
git clone https://gitee.com/nangongyanya/yolov8_automatic_plate.git
2.2、使用 PyCharm 打开项目
2.3、配置 Python 环境为前文中创建的虚拟环境 automatic_plate
2.4、打开命令行工具
2.5、添加依赖
bash
pip install -r requirements.txt
2.6、修改 Pillow 版本为 9.5.0
2.7、运行 main.py 生成车辆和车牌的识别信息,保存至 tmp.csv
三、完善可视化视频
3.1、我们可以查看一下 tmp.csv 文件,会发现有些帧数没有,这是由于视频中不是每一帧都有车牌出现,而 tmp.csv 文件中有只保存了有检测到车牌的信息,因此有些帧数没有
3.2、运行 frame_interpolated.py 补全帧数生成具有完整帧数的数据文件 frame_interpolated.csv
3.3、运行 csv2video.py 根据原视频 sample.mp4 和 frame_interpolated.csv 生成完整的检测视频 out.mp4