车牌识别系统

基于YOLO11 Pose模型的实时车牌检测与识别系统，支持蓝牌和绿牌的检测、四角点定位、透视矫正和车牌号识别。

项目结构

License_plate_recognition/
├── main.py                    # 主程序入口，PyQt界面
├── requirements.txt           # 依赖包列表
├── README.md                 # 项目说明文档
├── yolopart/                 # YOLO检测模块
│   ├── detector.py           # YOLO检测器类
│   └── yolo11s-pose42.pt     # YOLO pose模型文件
├── OCR_part/                 # OCR识别模块
│   └── ocr_interface.py      # OCR接口（占位）
└── CRNN_part/                # CRNN识别模块
    └── crnn_interface.py     # CRNN

功能特性

1. 实时车牌检测

• 基于YOLO11 Pose模型进行车牌检测
• 支持蓝牌（类别0）和绿牌（类别1）识别
• 实时摄像头画面处理

2. 四角点定位

• 检测车牌的四个角点：right_bottom, left_bottom, left_top, right_top
• 只有检测到完整四个角点的车牌才进行后续处理
• 用黄色线条连接四个角点显示检测结果

3. 透视矫正

• 使用四个角点进行透视变换
• 将倾斜的车牌矫正为标准矩形
• 输出标准尺寸的车牌图像供识别使用

4. PyQt界面

• 左侧：实时摄像头画面显示
• 右侧：检测结果展示区域
  • 顶部显示识别到的车牌数量
  • 每行显示：车牌类型、矫正后图像、车牌号
• 美观的现代化界面设计

5. 模块化设计

• yolopart：负责车牌定位和矫正
• OCR_part/CRNN_part：负责车牌号识别（接口已预留）
• 各模块独立，便于维护和扩展

安装和使用

1. 环境要求

• Python 3.7+
• Windows/Linux/macOS
• 摄像头设备

2. 安装依赖

pip install -r requirements.txt

3. 模型文件

确保 yolopart/yolo11s-pose42.pt 模型文件存在。这是一个YOLO11 Pose模型，专门训练用于车牌的四角点检测。

4. 运行程序

python main.py

5. 使用说明

1. 点击"启动摄像头"按钮开始检测
2. 将车牌对准摄像头
3. 系统会自动检测车牌并显示：
   • 检测框和角点连线
   • 右侧显示车牌类型、矫正图像和车牌号
4. 点击"停止摄像头"结束检测

模型输出格式

YOLO Pose模型输出包含：

• 检测框：车牌的边界框坐标
• 类别：0=蓝牌，1=绿牌
• 置信度：检测置信度分数
• 关键点：四个角点坐标
  • right_bottom：右下角
  • left_bottom：左下角
  • left_top：左上角
  • right_top：右上角

接口说明

OCR/CRNN接口

车牌号识别部分使用统一接口：

# OCR接口
from OCR_part.ocr_interface import ocr_predict
result = ocr_predict(corrected_image)  # 返回7个字符的列表

# CRNN接口  
from CRNN_part.crnn_interface import crnn_predict
result = crnn_predict(corrected_image)  # 返回7个字符的列表

输入参数

• corrected_image：numpy数组格式的矫正后车牌图像

返回值

• 长度为7的字符列表，包含车牌号的每个字符
• 例如：['京', 'A', '1', '2', '3', '4', '5']

开发说明

添加新的识别算法

1. 在对应目录（OCR_part或CRNN_part）实现识别函数
2. 确保函数签名与接口一致
3. 在main.py中切换调用的函数即可

自定义模型

1. 替换 yolopart/yolo11s-pose42.pt 文件
2. 确保新模型输出格式与现有接口兼容
3. 根据需要调整类别名称和数量

注意事项

1. 模型文件：确保YOLO模型文件路径正确
2. 摄像头权限：程序需要摄像头访问权限
3. 光照条件：良好的光照有助于提高检测精度
4. 车牌角度：尽量保持车牌完整出现在画面中
5. 性能优化：可根据硬件配置调整检测参数

故障排除

常见问题

1. 摄像头无法启动：检查摄像头是否被其他程序占用
2. 模型加载失败：确认模型文件路径和格式正确
3. 检测效果差：调整光照条件或摄像头角度
4. 界面显示异常：检查PyQt5安装是否完整

调试模式

在代码中设置调试标志可以输出更多信息：

# 在detector.py中设置verbose=True
results = self.model(image, conf=conf_threshold, verbose=True)

扩展功能

系统设计支持以下扩展：

• 多摄像头支持
• 批量图像处理
• 检测结果保存
• 网络API接口
• 数据库集成
• 性能统计和分析