目录
一、前言
二、关于项目UI
2.1、修改界面内容的文本
2.2、修改界面的图标和图片
三、项目修改地方
四、其他配置问题
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:42.0 M|https://wwwf.lanzout.com/inCTH1izjrqh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 platelabel_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intif isinstance(class_id_list, int) and class_id_list == 0:xy_xy_filter = xy_xy_listxyxy.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 += blabel_plate.append(car_number)continue# 长度不为1if class_id_list[i] != 0: # 只选择是车牌的目标continuexy_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 += blabel_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
- 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
- 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
- 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。
- 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
- 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)
- 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
- 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
- cuda版本的pytorch,需要自己根据项目的注释和报错修改就好了
- 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~
- label根据具体内容,修改就行了~