Chinese_license_plate_detection_recognition
Chinese_license_plate_detection_recognition 是一款基于 YOLOv5 架构的开源车牌检测与识别工具，专为处理复杂的中国车牌场景设计。它有效解决了传统算法在应对多样化车牌类型时准确率不足的问题，能够精准完成从定位到字符识别的全流程任务。
该工具的核心亮点在于其广泛的兼容性，全面支持包括单行蓝黄牌、新能源绿牌、警用白牌、双层大车牌照以及港澳粤 Z 牌在内的 12 种中文车牌类型，甚至能处理双层结构车牌的识别难题。项目提供了完整的训练指南和预训练模型，用户只需简单运行脚本即可对图片或视频进行快速测试。此外，它还具备良好的工程落地能力，支持导出为 ONNX 格式，并提供了安卓 NCNN、TensorRT 及 OpenVINO 等多种部署方案，方便在不同硬件平台上运行。
这款工具非常适合计算机视觉开发者、人工智能研究人员以及需要集成车牌识别功能的企业技术人员使用。无论是用于构建智能交通系统、停车场管理方案，还是作为学习深度学习目标检测与序列识别的教学案例，Chinese_license_plate_detection_recognition 都是一个功能全面且易于上手的选择。
使用场景
某智慧园区安保团队需要升级出入口管理系统，以实现对进出车辆的自动化登记与违规预警。
没有 Chinese_license_plate_detection_recognition 时
- 识别类型单一：传统 OCR 库仅能识别普通蓝牌，遇到新能源绿牌、双层黄牌或警用白牌时直接失效，导致特种车辆无法录入系统。
- 人工成本高昂：对于识别失败的复杂车牌（如港澳粤 Z 牌），保安必须手动拍照并键盘输入号码，高峰期造成严重拥堵。
- 环境适应性差：在夜间或雨天光照不足时，现有方案检测率大幅下降，漏检频发，存在安防盲区。
- 开发部署困难：团队缺乏深度学习专家，难以从零训练高精度模型，且找不到支持中文双层车牌的现成开源方案。
使用 Chinese_license_plate_detection_recognition 后
- 全场景覆盖：依托其支持的 12 种车牌类型（含双层牌、使馆牌等），系统可无缝识别园区内所有车辆，包括罕见的新能源双层绿牌。
- 流程完全自动化：通过 YOLOv5 高精度检测与 CRNN 识别组合，实现毫秒级自动抓拍录入，彻底取消人工干预，通行效率提升 300%。
- 鲁棒性显著增强：模型在公开数据集上经过充分训练，即便在低照度或倾斜角度下，依然能稳定输出准确结果。
- 快速落地集成：提供成熟的 Python 脚本及 ONNX、TensorRT 等多种部署 demo，开发人员仅需几行命令即可完成从测试到生产环境的迁移。
Chinese_license_plate_detection_recognition 凭借对中文复杂车牌的全品类支持和便捷的部署能力，将原本高门槛的车牌识别任务转化为开箱即用的标准化服务。
运行环境要求
- 未说明
未说明 (基于 PyTorch，通常支持 CUDA 加速，但 README 未指定具体型号或版本)
未说明
快速开始
新增内容
2026.02.13 yolo26车牌检测识别YOLO26-plate
2022.12.04 车辆和车牌一起检测看这里车辆系统
联系方式
模型用的是公开数据集训练出来的，需要准确率更高的模型，或者商务合作请加V
可代做学生毕设，以及课设大作业等
微信号：we0091234 （注明来意）
最全车牌识别算法，支持12种中文车牌类型
环境要求: python >=3.6 pytorch >=1.7
图片测试demo:
直接运行detect_plate.py 或者运行如下命令行：
python detect_plate.py --detect_model weights/plate_detect.pt --rec_model weights/plate_rec_color.pth --image_path imgs --output result
测试文件夹imgs，结果保存再 result 文件夹中
视频测试demo 2.MP4 提取码：41aq
python detect_plate.py --detect_model weights/plate_detect.pt --rec_model weights/plate_rec_color.pth --video 2.mp4
视频文件为2.mp4 保存为result.mp4
车牌检测训练
车牌检测训练链接如下：
车牌识别训练
车牌识别训练链接如下：
支持如下：
- 1.单行蓝牌
- 2.单行黄牌
- 3.新能源车牌
- 4.白色警用车牌
- 5.教练车牌
- 6.武警车牌
- 7.双层黄牌
- 8.双层白牌
- 9.使馆车牌
- 10.港澳粤Z牌
- 11.双层绿牌
- 12.民航车牌
部署
1.安卓NCNN
2.onnx demo 百度网盘： k874
python onnx_infer.py --detect_model weights/plate_detect.onnx --rec_model weights/plate_rec_color.onnx --image_path imgs --output result_onnx
3.tensorrt 部署见tensorrt_plate
4.openvino demo 版本2022.2
python openvino_infer.py --detect_model weights/plate_detect.onnx --rec_model weights/plate_rec.onnx --image_path imgs --output result_openvino
参考文献
- https://github.com/deepcam-cn/yolov5-face
- https://github.com/Sierkinhane/CRNN_Chinese_Characters_Rec
更多信息
qq群:769809695（三群新开） 871797331(已满) 837982567（二群已满） 询问
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器