毕设有着落了!一套开源的,基于SpringBoot的车牌识别系统
共 2320字，需浏览 5分钟
·
2020-08-06 03:14
程序员的成长之路互联网/程序员/技术/资料共享 关注
阅读本文大概需要 4 分钟。
前言
这个项目是良月柒在逛社区时发现的，刚看到它，思绪直接被拉回了几年前，当初有同学的毕设就是停车场管理系统，关键的功能——车牌识别，连硬件都整上了，一整套流程跑下来，pretty......时间过得真快，已经在社会大学摸爬滚打好几年了。果然，鲁迅诚不欺我：学生是这个世界上最舒坦的职业~！
不说了，赶紧搞完搞完去搬砖，今晚不热还可以多搬两车。介绍这是一个用Spring Boot+Maven+OpenCV 实现的车牌识别系统，包含车牌检测、车牌号识别训练。基于Java语言的深度学习项目，在整个开源社区来说都相对较少，而基于Java语言实现车牌识别的EasyPR-Java项目，最后更新已经是五年前。项目作者参考了EasyPR原版C++项目、以及fan-wenjie的EasyPR-Java项目，同时查阅了部分OpenCV官方4.0.1版本C++源码，结合了对Java语言的理解，整理出来的该项目。EasyPR地址：
https://gitee.com/easypr/EasyPR
EasyPR-Java地址：https://github.com/fan-wenjie/EasyPR-Java基础概念OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库；轻量级而且高效，由一系列C函数和少量C++类构成；该库的核心使用C++编写。本项目是使用的Java语言实现，其本质是通过Java去调用OpenCV C++接口实现的。这里提供了两种方式去调用C++的接口：
1.通过javacpp调用；这种方式是原版EasyPR-Java项目的使用方式，在这里更新了javacpp版本，以及切换了依赖包的引用方式为maven pom引入。
2.通过opencv官方提供的java 语言的api调用，个人推荐这种方式调用，毕竟是官方的版本。
说明这是一个入门级教程项目，大牛请绕路（作者本人也在学习图片识别相关技术）。
当前（
yx-image-recognition）项目在原有EasyPR项目基础上，增加了绿牌识别功能（当前的训练库绿牌样本太少，还需要增加这块的训练，后续逐步上传）。已经添加基于svm算法的车辆检测训练、以及基于ann算法的车辆号码识别训练功能。
包含功能
黄蓝绿车牌检测及车牌号码识别
单张图片、多张图片并发、单图片多车牌检测及识别
图片车牌检测训练
图片文字识别训练
包含两种依赖包的实现方式：基于
org.bytedeco.javacpp包的实现方式；基于org.opencv官方包的实现方式org.opencv官方包，提供了java语言api；java项目可以通过build path方式或者环境变量的方式引用；
org.bytedeco.javacpp包，JavaCPP是一个开源库，它提供了在 Java 中高效访问本地 C++的方法；在pom中引入坐标依赖即可
车牌检测过程高斯模糊：
图像灰度化：
Sobel 算子：
图像二值化：
图像闭操作：
二值图像降噪：
提取外部轮廓：
外部轮廓筛选：
jdk 1.8.61+
maven 3.0+
opencv 4.0.1 ；javacpp1.4.4；opencv-platform 4.0.1-1.4.4
spring boot 2.1.5.RELEASE
安装jdk，安装maven，开发软件（eclipse、idea）。
安装教程1.将项目拉取到本地git clone https://gitee.com/admin_yu/yx-image-recognition打开拉取下来的项目，将其中的PlateDetect文件夹拷贝到D盘下，默认车牌识别操作均在D:/PlateDetect/目录下处理。如需修改路径，打开com/yuxue/constant/Constant.java文件编辑常量参数即可（可以使用绝对盘符路径，也可以使用项目相对路径）。2.javacpp方式调用> 方式一：添加pom依赖坐标解除掉dependency><groupId>org.bytedeco.javacpp-presetsgroupId><artifactId>opencvartifactId><version>4.0.1-1.4.4version>dependency>
org.bytedeco.javacpp-presets注释，增加exclusion标签排出多余的包。> 方式二：添加依赖包将/lib/opencv-4.0.1-1.4.4-windows-x86_64.jar依赖包添加到build path中。
3.用Spring Boot的方式启动项目，浏览器输入http://localhost:16666/index即可打开操作界面浏览器输入 http://localhost:16666/swagger-ui.html 即可打开接口文档页面。结尾本项目作者：yuxue，一个不资深的java语言从业者。项目地址：
https://gitee.com/admin_yu/yx-image-recognition别忘记点个再看，咱们下篇见！
每天进步一点点
慢一点才能更快
推荐阅读：
微信扫描二维码，关注我的公众号
写留言朕已阅 