YOLO+paddlecor的智能车牌识别系统

🚗 智能车牌识别系统 | AI License Plate Recognition

✨ 项目亮点

特性	描述
🎯 高精度检测	YOLO11 模型精准定位车牌区域，置信度可调
📝 强力OCR	PaddleOCR v5 服务器端推理模型，中英文车牌通吃
🖥️ 可视化界面	PyQt5 打造专业级 GUI，零门槛上手
⚡ 实时识别	支持图片 / 视频 / 摄像头三种模式，毫秒级响应
🌍 跨平台	Windows / macOS / Linux 全平台兼容

🎬 效果展示

复制代码

┌─────────────────────────────────────────────────────────┐
│                                                         │
│    ┌──────────────┐        ┌─────────────────────┐      │
│    │   📷 输入     │  ───>  │   🎯 检测 + 识别    │      │
│    │  图片/视频/   │        │                     │      │
│    │   摄像头      │        │  京A·12345 ✅       │      │
│    └──────────────┘        └─────────────────────┘      │
│                                                         │
│    ⏱️ 处理时间: ~45ms    📊 置信度: 96.8%              │
│                                                         │
└─────────────────────────────────────────────────────────┘

🏗️ 技术架构

复制代码

                    ┌─────────────────┐
                    │   输入源管理     │
                    │ 图片/视频/摄像头 │
                    └────────┬────────┘
                             │
                             ▼
                    ┌─────────────────┐
                    │   YOLO11 检测   │  ◄── 车牌定位
                    │   (yolo26n.pt)  │
                    └────────┬────────┘
                             │
                             ▼
                    ┌─────────────────┐
                    │  PaddleOCR v5   │  ◄── 文字识别
                    │   服务器推理     │
                    └────────┬────────┘
                             │
                             ▼
                    ┌─────────────────┐
                    │   结果可视化     │
                    │  + 数据导出     │
                    └─────────────────┘

🚀 快速开始

环境要求

bash 复制代码

Python >= 3.8
CUDA >= 11.0 (GPU加速，可选)

一键安装

bash 复制代码

# 克隆项目
git clone https://github.com/your-repo/license-plate-recognition.git
cd license-plate-recognition

# 安装依赖
pip install -r requirements.txt

启动方式

bash 复制代码

# 🖥️ GUI 模式（推荐）
python license_plate_gui.py

# 💻 命令行模式
python license_plate_recognition.py

📁 项目结构

复制代码

license-plate-recognition/
├── 📄 license_plate_gui.py          # PyQt5 图形界面
├── 📄 license_plate_recognition.py  # 核心识别逻辑
├── 📂 yolo/                         # YOLO 模型相关
│   └── 📦 yolo26n.pt               # 预训练权重
├── 📂 PP-OCRv5_server_rec_infer/    # PaddleOCR 推理模型
├── 📂 data/                         # 测试数据集
├── 📂 runs/                         # 训练日志 & 权重
└── 📄 requirements.txt              # 依赖清单

🎮 功能详解

📷 多模式识别

python 复制代码

# 图片模式 - 单张识别
python license_plate_gui.py --mode image --source test.jpg

# 视频模式 - 批量处理
python license_plate_gui.py --mode video --source video.mp4

# 摄像头模式 - 实时识别
python license_plate_gui.py --mode camera --source 0

⚙️ 可调参数

参数	默认值	说明
`conf`	0.25	检测置信度阈值
`iou`	0.45	NMS IoU 阈值
`skip`	2-3	跳帧数（提升性能）

📊 数据导出

识别结果自动保存为：

JSON 格式 - 结构化数据
CSV 格式 - Excel 友好
截图 - 带标注的结果图

🔧 核心代码

识别器初始化

python 复制代码

from license_plate_recognition import LicensePlateRecognizer

# 初始化识别器
recognizer = LicensePlateRecognizer(
    yolo_model_path="runs/detect/runs/train/yolo11/weights/best.pt",
    rec_model_dir="PP-OCRv5_server_rec_infer"
)

# 单张图片识别
result = recognizer.recognize("test.jpg")
print(f"车牌号: {result['plate_text']}")
print(f"置信度: {result['confidence']:.2%}")

GUI 集成

python 复制代码

from PyQt5.QtWidgets import QApplication
from license_plate_gui import MainWindow

app = QApplication([])
window = MainWindow()
window.show()
app.exec_()

📈 性能基准

测试环境	分辨率	检测速度	识别准确率
RTX 3060	640×480	~45ms	96.8%
RTX 3060	1920×1080	~78ms	97.2%
CPU (i7-12700)	640×480	~120ms	96.5%

🌟 应用场景

🅿️ 智能停车场 - 自动识别进出车辆
🚔 交通监控 - 违章抓拍辅助系统
🏢 园区管理 - 内部车辆权限管控
📱 移动端集成 - 嵌入 APP 或小程序
🔍 车辆追踪 - 批量视频分析

🛠️ 模型训练

数据准备

bash 复制代码

# 数据标注（推荐使用 LabelImg）
labelimg data/images data/labels

# 数据集划分
python split_dataset.py --train 0.8 --val 0.1 --test 0.1

训练命令

bash 复制代码

# YOLO 训练
yolo train data=data.yaml model=yolo11n.pt epochs=100 imgsz=640

# 导出模型
yolo export model=best.pt format=onnx