版本：1星
项目描述
上传一张交通标志图片、一段视频或，系统自动识别图片中的交通标志类别（如限速、停车让行、禁止通行等），并返回识别结果和置信度。
技术栈
Python、Pyqt、Yolo
功能模块
图像采集：通过摄像头、上传图片或读取视频流获取交通标志图像。
图片预处理
对采集到的图片进行预处理，包括调整图片尺寸（如统一为32×32像素）、归一化像素值、去噪声等。预处理可以提高模型的训练效率和识别准确率。
数据增强
为了提升模型的泛化能力，可以对图片进行数据增强操作，如旋转、翻转、缩放、颜色变换等，生成更多样化的训练样本。
模型设计与训练
选择合适的模型（如卷积神经网络CNN），并用预处理后的图片数据进行训练。训练过程中，模型会自动学习如何从图片中提取特征，并将不同的交通标志进行分类。
后续处理与结果输出：对识别结果进行格式校验、纠错，并将最终用pyqt将结果展示在界面上。
基于python的交通标志识别系统的设计与实现
版本：2星
项目描述：
上传一张交通标志图片、一段视频或，系统自动识别图片中的交通标志类别（如限速、停车让行、禁止通行等），并返回识别结果和置信度。
技术栈
Python、OPENCV、Yolo、vue、PyTorch
功能模块
图像采集：通过摄像头、上传图片或读取视频流获取交通标志图像。
图片预处理
对采集到的图片进行预处理，包括调整图片尺寸（如统一为32×32像素）、归一化像素值、去噪声等。预处理可以提高模型的训练效率和识别准确率。
数据增强
为了提升模型的泛化能力，可以对图片进行数据增强操作，如旋转、翻转、缩放、颜色变换等，生成更多样化的训练样本。
模型设计与训练
选择合适的模型（如卷积神经网络CNN），并用预处理后的图片数据进行训练。训练过程中，模型会自动学习如何从图片中提取特征，并将不同的交通标志进行分类。
检测结果展示模块：通过Web页面上传本地的图片、视频、接入摄像头，展示识别。
训练结果展示模块:将训练结果以图形化的方式展示出来。
结果存储模块: 将检测结果存储到数据库中，方便后续查询和分析。
用户认证模块: 提供用户注册、登录、权限管理功能。
日志监控模块: 系统运行日志记录和性能监控。
系统管理模块：通知管理，用户管理规范账号权限，历史记录管理追溯操作。
