基于Yolov5的车牌检测和识别（完整版，可直接运行），运行效果满足日常使用。可以作为练手项目和课程作业。 导入Pycharm，下载好相应的依赖包就可直接运行，进行推力测试。 也可以在此基础上进行再一次的训练和提升。

python机器视觉实践课程设计作业--车牌检测与识别系统源码，主要可视化文件是main.py 初始车牌图片在plate_data 文件夹里 安装好requirements里的库（pip install -r requirements.txt）后直接运行 python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业

Ubuntu Keras 2.2.4, TensorFlow 1.5.0 OpenCV 2.4.9, NumPy 1.14 Python 2.7. 为了方便地运行代码，须安装了带有TensorFlow后端的Keras框架。Darknet框架自包含在“Darknet”文件夹中，必须在运行测试之前进行编译。要构建darknet，只需在darknet文件夹中键入“make”： cd darknet && make 构建Darknet框架后，执行“GetNetworks.sh”脚本 使用脚本“run.sh”来运行test。它需要3个参数： 输入目录（-i）：应至少包含1张JPG或PNG格式的图像； 输出目录（-o）：在识别过程中，许多临时文件将在该目录中生成，并最终被删除。其余文件将与自动注释图像相关； CSV文件（-c）：指定输出CSV文件。 配置后运行，详情见包内文档。

使用opencv的支持向量机提取车牌位置，使用多层感知机网络识别车牌字符，运行效果OK。 环境需求: eclipse juno ndk(r9) android sdk 4.4 api 19 opencv 2.4.7 android版本 cygwin 准备工作: 1.将E:\OpenCV-2.4.7.1-android-sdk\sdk中的java项目导入工作空间，日后凡事java端调用opencv的函数都要用到这个类库 2.安装opencv manager.apk，目前在android上所有的opencv程序都必须依附于android manger。在DOS窗口口中执行: 开始项目: 1.新建android application工程，取名CarPlate，右击项目属性，勾选opencv类库 2.将汽车照片复制到drwabale随便哪个目录下，然后编写布局文件activity_main.xml: 3.新建CarPlateDetection类，编写本地化方法，作为调用c语言代码的入口: 更多操作步骤，详见附件内容。

matlab+svm高效的车牌识别算法，不是最简单的学习模板。排除了很多噪声的干扰，大大提高了识别准确度。包括图像预处理车牌检测车牌定位字符分割和识别。其中识别用了模版匹配和SVM.希望更多人看到有用的程序。健壮性缺陷：超大图片超近距离拍摄需要调整算子核大小。

代码来自网络，经过了一定的修改，包含完整代码、21页原创报告

车牌检测和识别的Python应用软件实现.7z

这期继续分享SVM实践项目：车牌检测与识别，同时也介绍一些干货 回顾一下，上期介绍了OpenCv的SVM模型训练，这期继续介绍一下识别过程。 原创文章 12获赞 129访问量 2万+ 关注 私信 展开阅读全文 作者：周小夏(cv调包侠)

基于mobilenet-ssd的车牌检测和识别

车牌识别代码，采用C++和OPENCV2实现，详细实现过程可以参见我的博客车牌识别文章。训练所用的数据科查看我的另外一个资源。