一.第一步，对于小白来说，用什么编辑很难选择，怎么下载免费的编辑器也不会，会用电脑下载的又总是被下载许多附带的垃圾软件，这个问题让我来解决，这里我们首先需要安装两个软件以及配置一个pip豆瓣源，第一个python 3.6.5的软件，然后安装pycharm-community编辑软件。
给上百度网盘链接，绝对无垃圾软件安装，小白们放心安装：
链接：https://pan.baidu.com/s/1WKpEG9qBPRZW-V1UTemUpQ
提取码：y6z2
pip豆瓣源配置
介绍：
pip豆瓣源配置是为了之后在搭环境时候可以直接用pip install xxx(这里写python库的名字)的命令加速下载所需要的各种python库，如果不配置pip源的话，直接下载库速度会很慢，而且还会经常下载失败，pip源也分为阿里云、豆瓣、清华大学、中国科学技术大学四种，在这里我们配置pip豆瓣源，豆瓣源内python库比较种类全而且相对较稳定。
步骤：
1.下载好网盘内的三个文件后，找到pip文件夹
2.将pip文件复制后，找到C盘的用户文件夹
3.将用户文件夹打开，找到Administrator文件夹
4.打开Administrator文件夹，将复制的pip文件夹放入该Administrator目录下，完成pip豆瓣源的配置。
python软件安装
介绍：
python软件是最基础的python运行的软件，安装python能够实现一般的python程序运行。
步骤：
1.找到python-3.6.5-amd64.exe软件，点击开始安装python3.6.5软件
2.勾上Add Python 3.6 to PATH
3.点击Install Now
4.出现Close说明安装完成，点击Close完成安装
Pycharm-Community软件安装
介绍：
pycharm-community软件是python的可视化软件，能够在其中展现运行的界面和运行的过程，并且能够在其中配置python软件的环境，实现两个软件同时实现可视化编程。
步骤：
1.找到pycharm-community-2020.2.1.exe文件，点击开始安装pycharm-community软件。
2.点击Next
3.选择你安装的路径，在这里我安装在默认的路径中，继续点击Next
4.勾选64-bit launcher和Add launchers dir to the PATH,继续点击Next
在这里插入图片描述
5.点击Install
6.等待安装
7.出现Finish，说明完成安装，点击Finish结束安装
8.在桌面找到pycharm图标，双击图标
9.选择New Project,打开新项目
10.选择Esting interpreter,选择python路径
11.点击Creat创建第一个新项目
二.环境终于安装成功了吧，现在开始我们的项目实操，从人脸识别做到车牌识别。
人脸识别部分，素材和模型我们需要获取，同样给你们网盘链接，永久有效
链接：https://pan.baidu.com/s/1iRwQ1pLTErgrwohzqH_V8A
提取码：5w1s
人脸图片识别
1.下载opencv-python库，在Terminal中使用命令pip install opencv-python
2.右键点击pythonProject,新建一个imageProcessing.py文件,如下图
3.在imageProcessing.py文件中开始写代码，首先导入cv2库，如下图
4.输入素材图片的路径，素材在发的文档里面找，名字是3.jpg
5.找到人脸识别的类型器，将类型器复制到项目中，写入类型器的路径并赋予变量cascPath
6.使用cv2库读取图片的路径
7.将图片从rgb颜色格式转成gray灰色格式
8.通过cv2.CascadeClassifier(cascPath).detectMultiScale函数进行人脸识别处理，并且输出该图片有几张人脸。参数scaleFactor是图像长宽同时按照一定比例（默认1.1）逐步缩小，然后检测，参数设置的越大，计算速度越快，参数minNeighbors 是模糊度参数，设置越小越容易识别，越大越不容易识别，参数minSize是最小的长和宽像素。
9.在原图的人脸上画出识别的矩形区域，(0, 0, 255)是红色、(0, 255, 0)是绿色、(255, 0, 0)是蓝色。
10.展示识别出人脸的图片
11.将识别人脸后的图片保存成2.jpg文件
12.等待窗口展示10秒
13.销毁所有的窗口，避免占用内存
14.运行展示
完整代码展示
import cv2 # 导入opencv-python库即cv2库
path = "3.jpg" # 写入图片的路径并赋予变量path
cascPath = "haarcascade_frontalface_default.xml" # 写入类型器的路径并赋予变量cascPath
image = cv2.imread(path) # 读取图片的路径
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 把图片转为灰色以便进行人脸识别处理
# scaleFactor 图像长宽同时按照一定比例（默认1.1）逐步缩小，然后检测，参数设置的越大，计算速度越快
# minNeighbors 模糊度参数，设置越小越容易识别，越大越不容易识别
# minSize是最小的长和宽像素
faces = cv2.CascadeClassifier(cascPath).detectMultiScale(
gray,
scaleFactor=1.1,
minNeighbors=5,
minSize=(30, 30),
)
print("Found {0} faces!".format(len(faces)))
# 通过cv2.CascadeClassifier(cascPath).detectMultiScale函数进行人脸识别处理，并且输出该图片有几张人脸
for (x, y, w, h) in faces:
cv2.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2) # (0, 0, 255)红色、(0, 255, 0)绿色、(255, 0, 0)蓝色
# 在原图的人脸上画出识别的矩形区域
cv2.imshow("facesFound", image) # 展示识别出人脸的图片
cv2.imwrite("2.jpg", image) # 将识别人脸后的图片写入该路径的2.jpg文件
cv2.waitKey(10000) # 等待窗口展示，防止一闪而过
cv2.destroyWindow("facesFound") # 销毁创造的facesFound窗口
人脸视频检测
1.重新创建一个项目，从File->New Project
2.项目名字可以自己取，这里我默认
3.开始创建的时候这里我们选择This Window,This Window和New Window的区别就是This Window覆盖原先的窗口、New Window是新打开一个窗口。
4.打开项目后右键点击pythonProjec1，新建一个videoProcessing.py文件
5.导入cv2库
6.找到1.mp4素材，复制在项目中
7.写入视频的路径并赋予变量cap
8.找到人脸识别的类型器，将类型器复制到项目中，写入类型器的路径并赋予变量cascPath
9.写一个视频播放的循环while函数，cap.isOpened()函数是判断该视频是否正确播放
10.读取视频，第一个参数ret 为True 或者False,代表有没有读取到图片，第二个参数frame表示读取到每一帧的图片
11.判断图片是否正常读取
12.将图片从rgb格式转成gray灰色格式
13.通过cv2.CascadeClassifier(cascPath).detectMultiScale函数进行人脸识别处理，并且输出该图片有几张人脸。参数scaleFactor是图像长宽同时按照一定比例（默认1.1）逐步缩小，然后检测，参数设置的越大，计算速度越快，参数minNeighbors 是模糊度参数，设置越小越容易识别，越大越不容易识别，参数minSize是最小的长和宽像素。
14.在视频的每一帧上画矩形
15.创建一个叫facesFound的窗口，播放处理后的视频
16.视频正常播放时等待，当按“q”键时停止运行
17.如果读取的视频帧不正常将会自动停止运行，不会报错
18.运行完成，将所有的视频释放，并且销毁所有的窗口
19.运行结果
完整代码展示
import cv2#导入opencv-python库即cv2库
# cap = cv2.VideoCapture(0)#打开内置摄像头
cap=cv2.VideoCapture("1.mp4")#写入视频的路径并赋予变量cap
faceCascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")#写入类型器的路径并给cv2.CascadeClassifier函数进行处理
while(cap.isOpened()):#cap.isOpened()函数是判断该视频是否正确播放
ret, frame = cap.read()#读取视频，第一个参数ret 为True 或者False,代表有没有读取到图片，第二个参数frame表示截取到一帧的图片
if ret==True:
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# scaleFactor 图像长宽同时按照一定比例（默认1.1）逐步缩小，然后检测，参数设置的越大，计算速度越快
# minNeighbors 模糊度参数，设置越小越容易识别，越大越不容易识别
# minSize是最小的长和宽像素
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.1,
minNeighbors=5,
minSize=(30, 30),
)
print("Found {0} faces!".format(len(faces)))
# 通过cv2.CascadeClassifier(cascPath).detectMultiScale函数进行人脸识别处理，并且输出每帧图片有几张人脸
for (x, y, w, h) in faces:
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
# 在原图的人脸上画出识别的矩形区域
cv2.imshow('facesFound', frame)#创造一个facesFound窗口来展示每一帧的图片，使其类似以视频方式播放
if cv2.waitKey(1) & 0xFF == ord('q'):#类似中断播放的按键，按q跳出循环终止播放
break
else:
break#如果视频结束正常跳出循环终止播放
cap.release()#释放视频
cv2.destroyAllWindows()#将创建的所有的窗口毁灭
车牌识别素材网盘获取
链接：https://pan.baidu.com/s/1p82yY7X_c2tHWD9A37kk6g
提取码：p7zf
车牌图片识别
1.重新创建一个项目，从File->New Project
2.项目名字可以自己取，这里我默认
3.开始创建的时候这里我们选择This Window,This Window和New Window的区别就是This Window覆盖原先的窗口、New Window是新打开一个窗口。
4.打开项目后右键点击pythonProjec2，新建一个licenseImage.py文件
5.使用命令pip install hyperlpr下载识别车牌号码的python库
6.继续使用命令pip install opencv-python==3.4.8.29下载版本为3.4.8.29的opencv库
7.继续使用命令pip install pillow下载该python库
8.下载好这两个库后导入这四个库
9.定义一个函数cv2AddChineseText，这个函数的目的是在图像上写出中文字符，该函数内的参数分别是图像、文本内容、像素位置，文本颜色，文本大小
10.找到素材图片并且复制到项目中，然后读取图片
11.读取图片内车牌的识别度和车牌的号码以及车牌的位置
12.做一个判断，如果存在车牌信息的话就进行下一步操作
13.将车牌的识别度和车牌的号码以及车牌的位置分开
14.在车牌位置中循环
15.在车牌位置画矩形
16.调用定义的函数来在图片上车牌号写进图片中
17.将图片中的识别度写进图片中，各参数依次是：图片，添加的文字，左上角坐标，字体，字体大小，颜色，字体粗细，cv2.FONT_HERSHEY_SIMPLEX：标准大小无衬线字体
18.将图片展现出来，并且等待十秒
19.运行展现
完整代码展示
from hyperlpr import *#导入hyperlpr库，处理车牌识别
import cv2#导入CV2库，处理图片或视频,版本号为3.4.8.29
import numpy as np
from PIL import ImageFont, ImageDraw,Image
def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):
if (isinstance(img, np.ndarray)): # 判断是否OpenCV图片类型
img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
draw = ImageDraw.Draw(img) # 创建一个可以在给定图像上绘图的对象
fontStyle = ImageFont.truetype("simsun.ttc", textSize, encoding="utf-8") # 字体的格式
draw.text(position, text, textColor, font=fontStyle) # 绘制文本
return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR) # 转换回OpenCV格式
frame=cv2.imread("5.png")#读取图片
k=HyperLPR_plate_recognition(frame)#使用HyperLPR_plate_recognition函数识别图片内车牌号
print(k)
if k:
d = []
a = k[0][0]
b = k[0][1]
c = k[0][2]
b = str(b)
d.append(c)
for (x, y, w, h) in d:
cv2.rectangle(frame, (x, y), (w, h), (0, 0, 255), 2)
frame = cv2AddChineseText(frame, a, (x, y), (255, 0, 0), 30)
cv2.putText(frame, b, (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)#各参数依次是：图片，添加的文字，左上角坐标，字体，字体大小，颜色，字体粗细，cv2.FONT_HERSHEY_SIMPLEX：标准大小无衬线字体
cv2.imshow('frame', frame)
cv2.waitKey(10000)#等待窗口展示
车辆视频识别
1.重新创建一个项目，从File->New Project
2.项目名字可以自己取，这里我默认
3.开始创建的时候这里我们选择This Window,This Window和New Window的区别就是This Window覆盖原先的窗口、New Window是新打开一个窗口。
4.打开项目后右键点击pythonProjec3，新建一个licenseVideo.py文件
5.使用命令pip install hyperlpr下载识别车牌号码的python库
6.继续使用命令pip install opencv-python==3.4.8.29下载版本为3.4.8.29的opencv库
7.继续使用命令pip install pillow下载该python库
8.下载好这两个库后导入这四个库
9.定义一个函数cv2AddChineseText，这个函数的目的是在图像上写出中文字符，该函数内的参数分别是图像、文本内容、像素位置，文本颜色，文本大小
10.找到素材视频并且复制到项目中，然后读取视频
11.写一个while循环，看看能否正常读取图片
12.读取视频，第一个参数ret 为True 或者False,代表有没有读取到图片，第二个参数frame表示截取到一帧的图片
13.判断视频有没有正常读取
14.操作跟图片识别一样
15.在每一帧图片中都进行画图操作，操作情况跟图片识别一样
16.展现每一帧图片以及增加一个中断操作
17.如果视频结束则跳出循环
18.释放视频以及销毁窗口操作
19.运行展现
完整代码展示
import hyperlpr # 导入hyperlpr库，处理车牌识别
import cv2 # 导入CV2库，处理图片或视频，版本号为3.4.8.29
import numpy as np
from PIL import ImageFont, ImageDraw, Image
def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):
if (isinstance(img, np.ndarray)): # 判断是否OpenCV图片类型
img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
draw = ImageDraw.Draw(img) # 创建一个可以在给定图像上绘图的对象
fontStyle = ImageFont.truetype("simsun.ttc", textSize, encoding="utf-8") # 字体的格式
draw.text(position, text, textColor, font=fontStyle) # 绘制文本
return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR) # 转换回OpenCV格式
mp4 = cv2.VideoCapture("2.mp4") # 读出视频的路径
while (mp4.isOpened()): # 使用mp4.isOpened()函数来判断视频是否正常打开
ret, frame = mp4.read() # 读取视频，第一个参数ret 为True 或者False,代表有没有读取到图片，第二个参数frame表示截取到一帧的图片
if ret == True: # 判断视频有没有结束
k = hyperlpr.HyperLPR_plate_recognition(frame) # 使用HyperLPR_plate_recognition函数识别图片内车牌号
if k:
d = []
a = k[0][0]
b = k[0][1]
c = k[0][2]
b = str(b)
d.append(c)
print(a)
for (x, y, w, h) in d:
cv2.rectangle(frame, (x, y), (w, h), (0, 0, 255), 2)
frame = cv2AddChineseText(frame, a, (x, y), (255, 0, 0), 30)
cv2.putText(frame, b, (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)
cv2.imshow('frame', frame)
if cv2.waitKey(1) & 0xFF == ord('q'): # 类似中断播放的按键，按q跳出循环终止播放
break
else: # 如果视频结束正常跳出循环终止播放
break
mp4.release() # 释放视频
cv2.destroyAllWindows() # 将创建的所有的窗口销毁
到此结束，运行成功的小伙伴们拜托一键三连！！！
