主文件 carPlateRec.py

1. 使用pydesigner设计ui界面，pyside2加载界面ui文件
2. get_video函数负责打开摄像头，使用YoLo模型对摄像头采集到的视频进行检测，若检测到车牌，使用红色框标记并显示，同时截取车牌部分将图像编码之后上传至服务器，服务器上的LPRNet模型识别之后将车牌字符返回，然后客户端将字符显示出来。

1. 服务端处理接受到的图片

   • 原始：原始方法将得到的图像base64编码解码后将图片保存到本地，然后传给getPlate函数一个图片路径，getPlate函数再使用pillow模块打开图像进行识别

   img_data = base64.b64decode(request.POST.get('img'))
   
   with open(img_path, 'wb') as f:
       f.write(img_data)
   plate = getPlate(img_path)

   • 解决方案：优化后的方法直接将图像的base64编码解码后直接读取为pillow图像对象然后传入getPlate函数进行识别。

   img_data = base64.b64decode(request.POST.get('img'))
   pilimage = Image.open(BytesIO(img_data))
   
   plate = getPlate(pilimage)

2. 客户端界面卡顿，CPU占用高

   • 原始：所有函数都在一个线程，其中YoLo模型检测车牌，上传图片然后接受返回信息都是耗时操作。造成客户端卡顿且CPU占用高！
   • 解决方案：将YoLo模型检测车牌和上传图像接受返回信息这两个操作放到子线程，每隔0.5s检测一帧图像，然后上传接收。

• 改变服务端处理接受图片的方式
• 将客户端的单线程版本改为多线程

1.0版本将之前版本的两个问题进行了优化，第一个问题就是服务端处理接受图片的方式。具体提升效果如下表所示（处理100张图片所需时间）：

解决的第二个问题是单线程问题，V0.1版本的客户端为单线程版本，将耗时操作放在了主线程，然后V1.0版本将耗时操作放到子线程，界面流畅。

• 2021年5月23日：上传第一个0.1版本，本版本为单线程版本，界面卡顿，无法使用，后续会优化为多线程版本。

• 2021年5月28日：上传第二个1.0正式版本，本版本为多线程版本，可以在不同配置的计算机上使用