YOLOv7 License Plate Recognition

项目背景

智能网联汽车课程设计要求完成一个与自动驾驶感知相关的完整系统。选择车牌识别是因为它综合运用了目标检测、图像处理和 GUI 开发技能，是计算机视觉领域的经典应用场景。

本项目同时包含一个 Formula Student Driverless 演示网站（fsd_presentation_website_html/），使用纯 HTML/CSS/JS + Chart.js/D3.js 展示无人驾驶赛车的感知、SLAM、规划、控制和仿真技术栈。

核心功能

• 车牌检测：YOLOv7-lite 检测车牌区域 + 4 关键点定位
• 车牌识别：LPRNet 字符级识别
• 多类型支持：蓝牌、绿牌（新能源）、黄牌、港澳牌、警用牌（单层/双层）
• 多输入源：图片文件、视频文件、摄像头实时画面
• GUI 界面：PyQt5 深色科技风主题
• 辅助功能：置信度显示、截图保存、识别历史记录

系统架构

graph LR
  A[Input Source] --> B[Frame Capture]
  B --> C[YOLOv7-lite Detection]
  C --> D[Plate Region]
  D --> E[4-Point Perspective Transform]
  E --> F[Plate Correction]
  F --> G[LPRNet Recognition]
  G --> H[Result Display]
  C --> I[Bounding Box + Confidence]
  I --> H

项目结构

intelligent-connected-vehicle-course-design/
├── yolov7_plate_UI_camera/
│   ├── detect_ui.py           # UI 主程序入口
│   ├── detect_rec_plate.py    # 检测 + 识别核心逻辑
│   ├── detect.py              # 命令行检测脚本
│   ├── yolov7_LPR.py          # UI 布局定义
│   ├── train.py               # 模型训练脚本
│   ├── test.py                # 模型测试脚本
│   ├── models/                # YOLOv7 网络结构
│   ├── plate_recognition/     # LPRNet 识别模块
│   ├── weights/               # 预训练权重
│   ├── imgs/                  # 测试图片
│   └── requirements.txt
└── fsd_presentation_website_html/   # FSD 演示网站
  ├── index.html
  ├── css/
  └── js/

核心代码

车牌检测与识别

Loading code...

技术要点

YOLOv7-lite 检测

• 轻量化 backbone，适合边缘部署
• 同时输出 bounding box 和 4 个关键点坐标
• 关键点用于透视变换矫正倾斜车牌

LPRNet 识别

• 轻量级端到端车牌识别网络
• 支持变长字符序列识别
• 对蓝牌/绿牌/黄牌等多种车牌格式适配

透视矫正

关键点排序 → 仿射变换 → 统一尺寸 → 灰度化 → 二值化

通过 4 个角点将倾斜车牌矫正为正面视角，显著提升识别准确率。

FSD 演示网站

• 纯前端实现，14 页幻灯片式展示
• 覆盖感知、SLAM、规划、控制、仿真五大模块
• Chart.js/D3.js 数据可视化
• 键盘快捷键导航

效果展示

No screenshots yet. Add images to public/screenshots/intelligent-connected-vehicle-course-design/.