项目结构图

下载好项目压缩包后解压，得到以上的文件，首先将画红圈的文件删除（如果有）

安装软件

解压软件包

安装Anaconda

直接下一步，到了这个页面全部勾选，否则不会添加添加环境变量。

安装Pycharm

直接下一步，到了这个页面全部勾选。

安装格式工厂

如果需要语音提示功能，会用音频的格式转化。需要安装格式工厂。
安装步骤：直接一直下一步
使用方法：选择转化为WAV格式。

项目代码调试

在这里插入图片描述
在上图中这个位置输入cmd回车，即可打开命令终端。用这样的方式打开命令终端可以确保输入命令的位置就是当前文件夹所在的位置:

接下来我们开始虚拟环境的创建虚拟环境，并且安装本项目中python用到的第三方库

创建虚拟环境

conda create -n tranfficSignRec python=3.7.3

激活虚拟环境

activate tranfficSignRec

国内常用镜像源地址

清华：https://pypi.tuna.tsinghua.edu.cn/simple

阿里云：https://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

华中理工大学：http://pypi.hustunique.com/

山东理工大学：http://pypi.sdutlinux.org/

豆瓣：http://pypi.douban.com/simple/

安装项目所需的包

安装格式如下（==版本号可以省略）

pip install XXX==版本号 -i 镜像源地址

直接一部到位

pip install -r requirements.txt

用pycharm打开项目

打开pycharm后鼠标在左上角找到File点击Open

选择项目所在路径，选择项目对应的文件夹点击打开。注意图片中文件夹下面的黑点表示之前打开过这个项目，相当于一个小标记，方便我们寻找自己的项目文件。

选择python解释器（也就是我们创建的虚拟环境）

运行训练神经网络的代码(train_cnn.py)

![在这里插入图片描述](https://img-blog.csdnimg.cn/7e3aefcd06344a378fbbd5d197f40d41.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA6Zi_5p2-5Li2,size_20,color_FFFFFF,t_70,g_se,x_16
选择train_cnn.py，修改数据集路径然后点击运行，训练CNN卷积神经网络

等到训练完成后经训练过程输出的所有记录，复制粘贴到"cnn训练过程.txt"文件中，
然后选择train_mobilenet.py，修改数据集路径然后点击运行，同理记录训练过程中的输
出信息到"mobilenet训练过程.txt"文件中（记录的数据写论文的时候要用到，训练完了不要忘记记录了）

整个神经网络训练的过程大概需要“30分钟–3个小时“，具体取决于你的电脑的性能。

运行测试的代码(test_model.py)

打开train_model.py修改分别修改测试cnn和mobilenet所用数据集的路径。然后运行

运行完代码后将输出的信息记录到"测试记录.txt"文件中。

运行预测的代码

关于python路径的小科普

在此之前简单科普一下Python中的正斜杠与反斜杠:
首先，"/“左倾斜是正斜杠,”"右倾斜是反斜杠,可以记为：除号是正斜杠一般来说对于目录分隔符，Linux和Web用正斜杠/，Windows用反斜杠。

比如我们要用python读取windows电脑中的一张图片它的路径为C:\Users\47382\Desktop\tranfficSignRec\prediction\pre.jpg

直接用path = “C:\Users\47382\Desktop\tranfficSignRec\prediction\pre.jpg"是会报错的。
因为python代码默认会对”\t"、"\r"等进行转义，正确方式如下：

# 1.可以再加一个反斜杠"\"进行反转义,
path = "C:\\Users\\47382\\Desktop\\tranfficSignRec\\prediction\\pre.jpg"
# 2.或是在最前面加上一个"r"取消转义。
path = r"C:\Users\47382\Desktop\tranfficSignRec\prediction\pre.jpg"
# 3.直接用正斜杠"/"拼接路径(同时适用Linux和Windows的python环境)
path = r"C:/Users/47382/Desktop/tranfficSignRec/prediction/pre.jpg"

运行预测的代码windows.py

打开windows.py修改语音包路径后点击运行，就能显示我们的GUI界面了，然后我们就可以操作这个界面做交通标志识别了。

关于语音提示功能

本项目额外的一个功能是识别出交通标志的同时给出语音提示。打开文件voice_library这个文件夹里面有对应（0-42）一共43个标志的语音提示。

上图这（0-42）一共43个标志的语音提示，对应的就是下图的顺序。这个交通标志的语音提示，需要我们自己录一下（可以根据自己的喜好弄得有个性一点哦*-*），但是注意语音包的命名和格式需要跟上面保持一致。命名是0-42，格式是wav格式。可以下载一个叫“格式工厂”的软件转化一下，很简单弄的。
然后还需要安装一个python的语音模块的第三方库:

# 安装之前同样需要先进入我们创建的虚拟环境
pip install playsound ==1.3.0

如下图所示，我们用的数据集德国的交通标志的数据集，所以你得先知道各个交通标志的含义，自己百度一下。