基于机器学习的python车牌识别系统源码.zip将汽车照片的绝对路径输入，先进行图像预处理，通过神经网络分类，最后输出车牌号 实现程序： Gui.py 2. 图像预处理 将源图片进行均值迁移，然后筛选蓝色，进行开操作消除噪声，进行闭操作填充车牌，然后进行矩形轮廓筛选，标记并剪切图片，然后压缩分割字符，调整字符图片大小，将字符图片写入文件。 实现程序： Find_card.py Spilt_char.py Op.py 3. 训练神经网络 设置好神经网络参数以及将训练集加标签归一化后，基于tensorflow进行训练，根据数字字母训练集和汉字训练集训练好两个网络模型写入文件。 实现程序： Bp_char.py Bp_chinese.py 4. 字符识别 先将预处理好的图片归一化，然后特征提取，分别使用训练好的分类器进行分类，然后再合并输出。 实现程序 Predict.py 5. 环境与依赖 语言：python3.7 依赖：opencv3、tensorflow、numpy、Tkinter 分类器：全连接卷积神经网络

以车牌识别的实用性为目的,设计一种鲁棒的车牌识别系统。 首先提出了 Sobel-Color 算法,以 Sobel 边缘和颜色 两种特征进行车牌定位,并结合 MSER 算法,设计了一种可靠的车牌定位方法来获取候选车牌区域,然后采用 SVM 算法 对候选车牌区域进行车牌判断;最后根据车牌特征设计了一种车牌字符分割算法,能正确分割车牌的各个字符,并有效地 去除车牌边缘部分的虚假字符,又根据分割出的车牌字符特征对 LeNet-5 深度网络模型进行改进,然后采用改进的 LeNet -5 网络对车牌字符进行识别。 对设计的车牌识别系统进行了正常条件测试、恶劣条件测试以及效率测试等实验,实验结 果表明设计的车牌定位和车牌判断方法具有较高的可靠性,车牌字符识别具有较高的准确率,因而设计的车牌识别系统 具有较好的鲁棒性和实用性。