车牌定位识别系统

猿急送>北京其它兼职程序员>天涯>

案例列表

基本信息

案例ID：240305

技术顾问：天涯 - 7年经验 - 北方红宇

联系沟通

微信扫码，建群沟通

项目名称：车牌定位识别系统

所属行业：人工智能 - 其他

->查看更多案例

案例介绍

这是一套基于 ONNXRuntime 的智能车牌定位识别系统，系统融合了 YOLO11-OBB 旋转目标检测模型与 LPRNet/CRNN 车牌字符识别模型，实现了车牌的自动检测、旋转框定位、透视矫正、字符识别以及结果可视化显示。整个工程采用 Python + PyQt5 开发，界面美观专业，适用于 Windows 桌面部署、算法演示、项目集成以及后续产品化开发。

系统采用 YOLO11-OBB ONNX 模型进行车牌检测，支持旋转框（OBB）输出，可准确识别倾斜、旋转、远距离以及复杂角度下的车牌目标。检测模块内置 letterbox 预处理、旋转框解析、OBB 四点坐标恢复以及旋转框 NMS 后处理，能够从复杂背景中稳定定位车牌区域。相比普通矩形检测，本系统可更精准地适应真实场景中的车牌倾斜问题，提高识别稳定性与裁剪准确率。

在车牌识别部分，系统使用 LPRNet/CRNN ONNX 模型进行字符识别，支持中文省份简称、英文字母与数字识别，并采用 CTC 解码算法实现连续字符预测。系统针对实际应用增加了多项优化策略，包括 softmax 概率归一化、blank 去重、字符重复过滤、0°/180°双方向识别以及识别置信度评估，可有效提升复杂场景下的识别鲁棒性。工程还针对 CCPD 数据集训练方式进行了适配，支持透视矫正后的车牌输入流程，与训练逻辑保持一致。

系统界面基于 PyQt5 构建，整体风格偏现代化工业界面设计。界面包含图片显示区域、车牌检测结果表格、车牌裁剪预览窗口、识别结果显示区域以及实时日志输出模块。用户可通过“打开图片”按钮快速加载待识别图像，也可保存最终识别结果图。识别结果会自动绘制旋转检测框、角点位置以及中文车牌号码，并实时显示检测置信度与识别置信度。系统采用后台线程进行推理，避免识别过程中界面卡顿，提升交互体验。