【数据集 02】车牌CCPD命名规则及下载地址

简介

CCPD(Chinese City Parking Dataset)是中国城市车牌检测领域广泛使用的开源数据集,包含 CCPD2019 和 CCPD2020(又称 CCPD-Green) 两个主要版本。它们的文件命名规则高度一致,均通过图像文件名直接编码标注信息,无需额外的 XML 或 JSON 标注文件。

一、通用命名结构(适用于 CCPD2019 与 CCPD2020)

每个图像文件名由 7 个字段 组成,用连字符 - 分隔:

复制代码
[area]-[angles]-[bbox]-[four_points]-[label]-[brightness]-[blur]

以示例文件名为例(蓝牌):

025-95_113-154&383_386&473-386&473_177&454_154&383_363&402-0_0_22_27_27_33_16-37-15.jpg

分段解析:

字段解析表:

字段序号 原始子字符串 字段名称 含义与解析
1 025 车牌区域占比(Area Ratio) 车牌区域面积约占整张图像的 25% 。 (通常为 000~100 的三位数,表示百分比)
2 95_113 倾斜角度(Angles) - 95水平偏转角 (horizontal tilt degree) - 113垂直偏转角 (vertical tilt degree) 用于描述车牌在图像中的旋转姿态。
3 154&383_386&473 边界框坐标(Bounding Box) 车牌外接矩形的两个对角顶点: - 154&383 → 左上角 (x₁=154, y₁=383) - 386&473 → 右下角 (x₂=386, y₂=473) 可用于目标检测任务(如 YOLO 格式转换)。
4 386&473_177&454_154&383_363&402 四角点坐标(Four Vertices) 车牌四边形的四个顶点,顺序固定为 : 1. 右下 :(386, 473) 2. 左下 :(177, 454) 3. 左上 :(154, 383) 4. 右上 :(363, 402) 用于透视校正、关键点检测或仿射变换。
5 0_0_22_27_27_33_16 车牌字符标签(Label Indices) 7 位字符的索引编码,对应 CCPD 定义的三组字符集: 1. 省份(provinces[0])"皖" 2. 第二位字母(alphabets[0])"A" 3. 后五位(ads[22], ads[27], ads[27], ads[33], ads[16]) : - 22 → 'S' - 27 → 'X' - 27 → 'X' - 33 → '9' - 16 → 'G' ✅ 完整车牌号:皖ASXX9G
6 37 亮度(Brightness) 车牌区域的平均亮度值(0~255),37 表示较暗
7 15 模糊度(Blur) 模糊程度指标(基于梯度或方差计算),15 表示较清晰(数值越小越清晰)。

二、CCPD 字符映射参考(Python 列表)

python 复制代码
# 省份(34类)
provinces = ["皖", "沪", "津", "渝", "冀", "晋", "蒙", "辽", "吉", "黑", 
             "苏", "浙", "京", "闽", "赣", "鲁", "豫", "鄂", "湘", "粤", 
             "桂", "琼", "川", "贵", "云", "藏", "陕", "甘", "青", "宁", 
             "新", "警", "学", "O"]

# 第二位字母(25类 + O)
alphabets = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'J', 'K', 
             'L', 'M', 'N', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 
             'W', 'X', 'Y', 'Z', 'O']

# 后五位字符(字母+数字,共34类 + O)
ads = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'J', 'K', 
       'L', 'M', 'N', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 
       'W', 'X', 'Y', 'Z', '0', '1', '2', '3', '4', '5', 
       '6', '7', '8', '9', 'O']

三、CCPD2019 vs CCPD2020 主要区别

特性 CCPD2019 CCPD2020 (CCPD-Green)
车牌类型 普通蓝牌(7 位) 新能源绿牌(8 位)
数据量 约 20 万+(base 子集) 较小,专注绿牌场景
命名规则 7 位字符索引 8 位字符索引(部分文件名第 5 段有 8 个数字)
应用场景 通用车牌检测 新能源车专用识别

注意 :尽管 CCPD2020 车牌为 8 位,但边界框、角点、角度等字段格式完全一致,仅 label 字段长度可能不同。

四、下载链接

|----------|-------------------------------------------------------------------------------------------------------------------------------------------|
| 名称 | 链接 |
| CCPD2019 | CCPD2019.tar.xz - Google Drive |
| CCPD2020 | CCPD2020.zip - Google Drive |

相关推荐
智驱力人工智能3 小时前
景区节假日车流实时预警平台 从拥堵治理到体验升级的工程实践 车流量检测 城市路口车流量信号优化方案 学校周边车流量安全分析方案
人工智能·opencv·算法·安全·yolo·边缘计算
Katecat996634 小时前
YOLOV8-ReCalibrationFPN-P3456:沥青路面施工阶段自动识别与分类
yolo·分类·数据挖掘
wfeqhfxz25887826 小时前
【目标检测系列】:基于YOLOv10n的MAN卡车超载检测系统·结合FasterCGLU与WFU优化算法_1
算法·yolo·目标检测
zy_destiny20 小时前
【工业场景】用YOLOv26实现桥梁检测
人工智能·深度学习·yolo·机器学习·计算机视觉·目标跟踪
Mark White21 小时前
YOLOv3-tiny 网络结构浅析
yolo
Together_CZ21 小时前
ultralytics.nn.autobackend——autobackend.py子模块代码详读
yolo·目标检测·torch·ultralytics·autobackend·推理后端·多种模型支持
喵叔哟1 天前
01-YOLO最新版到底新在哪
yolo
无人装备硬件开发爱好者1 天前
RV1126B 边缘端 AI 实战:YOLOv8+DNTR 微小目标跟踪监测全栈实现 1
人工智能·yolo·目标跟踪
2501_941322031 天前
基于YOLOv8的汽车车损检测与评估系统_16种损伤类型识别
yolo·汽车