Python车牌识别环境搭建指南Windows、macOS、Docker三种方案完整教程【免费下载链接】python_PlateRecogntionpython opencv 车牌识别 PlateRecogntion项目地址: https://gitcode.com/gh_mirrors/py/python_PlateRecogntionpython_PlateRecogntion是一个基于Python OpenCV的开源车牌识别系统支持车牌搜索、车牌对比、停车场管理与百度 API 识别等功能。这篇文章是它的完整环境搭建指南带你用 Windows、macOS 或 Docker 三种方案最快 10 分钟搭建好可运行的车牌识别开发环境新手也能一次配通。先获取项目代码git clone https://gitcode.com/gh_mirrors/py/python_PlateRecogntion一、先看懂环境要求Python、MySQL、依赖文件在动手之前先明确车牌识别系统对运行环境的三个硬性要求组件版本要求说明Python3.6Windows/ 3.7.13macOS项目使用 Tkinter 图形界面MySQL5.7存储车牌识别记录数据库名chepai依赖库见 requirements.txt含 opencv-python、hyperlpr、PyMySQL 等依赖清单在 requirements.txt 中pip install -r requirements.txt一条命令即可装全核心配置集中在.env文件lib/config.py 会自动读取其中的数据库地址、账号密码和百度 API 密钥项目已提供模板文件 .env.sample复制后改名.env即可使用。 三种方案里Docker 方案最省心连 MySQL 和图形桌面都帮你装好Windows 方案最适合新手macOS 方案适合 Mac 用户。按需选择互不冲突。二、方案一Windows 车牌识别环境搭建步骤Windows 是本项目官方推荐的新手方案只需两步装软件再用虚拟环境装依赖。第 1 步安装 Python 3.6从 Python 官网下载 3.6 版本安装包并安装。注意安装时勾选Add Python to PATH否则命令行里找不到python3。第 2 步准备 MySQL 5.7下载项目 Releases 中提供的 mysql-server-winx64 便携版压缩包解压后在 cmd 中执行start.bat启动无需安装。启动后创建一个名为chepai的数据库账号密码与后面.env配置保持一致即可。第 3 步创建虚拟环境并安装依赖python3 -m venv ./venv ./venv/Scripts/python -m pip install -r requirements.txtWindows 下虚拟环境激活后的 Python 位于./venv/Scripts/目录与 macOS/Linux 的./venv/bin/不同注意区分。三、方案二macOS 车牌识别环境搭建步骤Mac 用户借助 Homebrew pyenv 可以很快完成配置。macOS 12 及以上版本最低支持到 Python 3.7.13直接照抄下面命令即可brew install tcl-tk pyenv pyenv install 3.7.13 brew install mysql5.7 mysql.server start --skip-grant-tables随后进入 MySQL 创建用户和数据库CREATE USER python% IDENTIFIED BY Python12345; CREATE DATABASE chepai; GRANT ALL PRIVILEGES ON *.* TO python%;最后同样用requirements.txt安装依赖python3 -m venv ./venv ./venv/bin/python3 -m pip install -r requirements.txt⚠️ 新版 macOS 已不提供内置 tkinter 的部分依赖如运行报ModuleNotFoundError: No module named tkinter先执行brew install tcl-tk再重试。四、方案三Docker 一键搭建车牌识别环境最省心Docker 方案把 Python 环境、MySQL 5.7、甚至图形桌面VNC 远程桌面全部打包一条命令启动适合所有操作系统也方便团队协作时保持环境一致。相关文件都在 docker/ 目录docker-compose.yml编排应用容器与数据库容器Dockerfile基于 Ubuntu 桌面镜像并预装好全部 Python 依赖详细说明见 docker/readme.md。第 1 步修改.env.docker配置数据库账号密码已由 compose 文件预置库名chepai、用户python按需修改 .env.docker 中你自己的配置信息。第 2 步启动容器docker-compose up -d第 3 步浏览器打开远程桌面访问http://127.0.0.1:6080/即可看到容器内的图形桌面。进入桌面终端后运行docker exec -it ubuntu-plate bash cd /app python3 main.py修改配置后需执行docker compose down再重新启动容器。如果想边改代码边调试可安装 VSCode 的 remote container 插件点击reopen in container直接进入容器内开发。五、配置 .env 文件数据库与百度 API本地方案Windows / macOS下需要手动创建.env文件——把 .env.sample 复制一份改名为.env然后填写两类信息# 百度 API可选用于本地识别失败时的兜底识别 api_id你的api_id api_key你的api_key api_secret_key你的secret_key # MySQL 数据库 hostlocalhost port3306 dbuserpython passwdPython12345 databasechepai百度 API 密钥可在百度智能云 OCR 平台申请不填也能运行仅少了 API 兜底识别数据库字段与 lib/config.py 中的默认值一一对应改错任何一项都会导致登录失败。六、运行验证跑起来才算搭建成功环境搭好后依次运行下面的入口脚本验证每个文件对应一个功能界面均位于项目根目录运行命令功能python3 main.py主界面文件/网络图片、摄像头实时识别python3 login.py登录注册界面python3 search.py车牌搜索识别找出某个车牌号python3 match.py车牌对比识别python3 park.py停车场系统python3 identification.py车牌认证python3 search_sql.py车牌数据库搜索看到如图所示的主界面说明环境搭建成功。之后还可以用 car_pic/ 目录里的现成车辆图片做识别测试每次识别的数据会自动写入 MySQL并可导出 Excel界面效果见 pic/sql.png 对应的功能停车场系统的出入场管理界面可参考park.py的运行效果七、常见问题速查现象原因与解决No module named tkinter未装 Tk 库macOS 执行brew install tcl-tkWindows 重装 Python 时勾选 tcl/tk 组件启动即报数据库连接错误检查.env中 host/port/dbuser/passwd/database 五项是否与 MySQL 实际一致中文显示乱码或识别异常确认 MySQL 建库时字符集为 utf8mb4Docker 方案已自动配好本地识别率低属正常现象可配置百度 API 作为兜底识别原理详见 doc/doc.md想完全重来删除.env与venv目录重新复制.env.sample并重装依赖至此Python 车牌识别系统的环境搭建全部完成。接下来不妨打开 main.py 试试用摄像头实时识别车牌——你的车牌识别之旅正式开始 【免费下载链接】python_PlateRecogntionpython opencv 车牌识别 PlateRecogntion项目地址: https://gitcode.com/gh_mirrors/py/python_PlateRecogntion创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考