pcb9382/PlateRecognition

高性能高精度大陆车牌、港澳车牌、台湾车牌、韩国车牌、美国、欧盟车牌识别代码开源，方便移植嵌入式、安卓、鸿蒙、IOS端使用，支持大角度车牌识别，准确率高达99%+ High-Performance, High-Accuracy License Plate Recognition Supports license plate recognition for Mainland China, Hong Kong, Macao, Taiwan, South Korea, the United States, and the European Union.

它能做什么

PlateRecognition 是一个用于检测和识别车辆牌照的中文开源系统。它结合了深度学习检测器（YOLO‑v5、v7、v8）与识别模型，可输出牌照字符、颜色、车辆类型、距离、车道线甚至停车位信息。

为什么重要

自动车牌识别（ALPR）是交通监控、收费、停车管理和执法系统的核心组成部分。该仓库提供了一个开箱即用、高精度的解决方案（在72 k图像测试集上准确率约为99 %），可在多种硬件上运行——从桌面GPU到嵌入式AI芯片，并可通过C/C++、Python、Java、C#或移动语言调用。

主要特性（如README中所列）

特性	详情
检测 + 识别	YOLO‑v5/v7/v8牌照检测，几何校正，牌照字符的OCR
额外输出	牌照颜色、车辆颜色/类型、车辆距离、车道线检测、停车位检测
支持地区	覆盖亚洲、欧洲、北美、南美和大洋洲的60多个国家/地区
语言 / API	原生C/C++，Python绑定，Java，C#，Kotlin/Swift用于Android/iOS
部署目标	Linux（Ubuntu、CentOS、UOS、Kylin）、Windows、Android、iOS、HarmonyOS，以及边缘AI芯片（Rockchip、RK、RV、HiSilicon、BM1684等）
性能	示例：在Snapdragon 865手机上，每帧1920×1080图像约40 ms（GPU），准确率>99 %；在RK3588边缘板上每帧约25 ms
模型大小	小（s）、中（m）、大（l）三种变体；在RTX‑3090上小模型推理时间约为450 µs
构建系统	基于CMake；需要CUDA、cuDNN和TensorRT（在Ubuntu 18.04/20.04和Windows 10上测试过）
演示 / 测试	在线演示地址 `http://vision.zhoujiayao.com/`；测试代码位于 `PlateDetectionRecognition/test/main.cpp`

如何快速上手（来自README）

安装依赖 – Ubuntu 18.04/20.04或Windows 10，配备CUDA 10.2/11.1、cuDNN 8.2.1和TensorRT 8.2.5.1。必须安装OpenCV。
在顶层 CMakeLists.txt 中配置TensorRT路径。
使用CMake构建：
```
mkdir build && cd build
cmake ..
make -j$(nproc)
```
（或在VS Code中按 Ctrl+Shift+B）。
运行演示 – 编辑 PlateDetectionRecognition/test/main.cpp 中的编译时标志，选择所需的YOLO版本（例如 yolov5_plate = 1）。
集成 – 从您的应用程序中调用提供的C API（Initialize、PlateRecognition_yolov5/7/8、Release），或使用Python封装。

哪些人可能使用它

智慧城市 / 交通管理项目，需要在摄像头或边缘设备上实现实时ALPR。
停车场运营商，希望实现自动进出记录。
汽车OEM厂商或后市场供应商，开发行车记录仪或驾驶辅助功能。
研究人员，探索多地区牌照格式或优化YOLO模型以适配嵌入式AI芯片。

注意：该仓库还通过微信提供额外私有数据集的付费访问（约30元），并可根据需求提供商业演示版本。