原项目源码地址：GitHub

我的源码地址：Gitee

环境搭建请参考：Win10 搭建 YOLOv8 运行环境（20240423）-CSDN博客

环境测试请参考：本地运行测试 YOLOv8（20240423）-CSDN博客

训练数据集请参考：YOLOv8 训练自己的数据集（20240423）-CSDN博客

 一、在 Anacoda 下创建一个新的虚拟环境

1.1、创建虚拟环境 automatic_plate

conda create –n automatic_plate python=3.9.16

1.2、切换激活虚拟环境

conda activate automatic_plate

1.3、安装 PyTorch

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

二、下载代码，配置依赖

2.1、下载源码：

git clone https://gitee.com/nangongyanya/yolov8_automatic_plate.git

2.2、使用 PyCharm 打开项目

2.3、配置 Python 环境为前文中创建的虚拟环境 automatic_plate

2.4、打开命令行工具

2.5、添加依赖

pip install -r requirements.txt

2.6、修改 Pillow 版本为 9.5.0

2.7、运行 main.py 生成车辆和车牌的识别信息，保存至 tmp.csv

三、完善可视化视频

3.1、我们可以查看一下 tmp.csv 文件，会发现有些帧数没有，这是由于视频中不是每一帧都有车牌出现，而 tmp.csv 文件中有只保存了有检测到车牌的信息，因此有些帧数没有

3.2、运行 frame_interpolated.py 补全帧数生成具有完整帧数的数据文件 frame_interpolated.csv

3.3、运行 csv2video.py 根据原视频 sample.mp4 和 frame_interpolated.csv 生成完整的检测视频 out.mp4