中文车牌检测识别系统-python+YOLOv5+CRNN

基于 YOLOv5+CRNN的中文车牌检测识别系统
项目描述
基于 YOLOv5 改进的车牌检测 + CRNN 文字识别的中文车牌端到端识别系统，支持 12 种常见车牌类型（单/双层蓝牌、黄牌、新能源、警牌、武警、教练、使馆、港澳粤Z、双层绿牌、民航牌等），并提供 PyQt5 桌面 GUI 进行图片/视频的可视化交互。

项目功能
车牌检测：定位图像中车牌区域并提取 4 个角点，支持单、双层车牌分类
车牌识别：CRNN 序列识别 12 类车牌的汉字、字母、数字，支持危险品标识
车牌颜色识别：蓝、黄、绿、白、黑 5 类颜色判别
透视变换矫正：利用 4 个角点做透视变换得到正视图，双层车牌自动分割拼接
图片批量识别：选择单张图片或文件夹批量识别，左右对比显示原图与结果，上下张浏览、结果图片另存
视频实时识别：支持 mp4/avi 等视频逐帧检测，实时预览带标注画面，显示当前 FPS、平均 FPS、帧号，可选保存结果 MP4，支持随时停止
结果列表：逐条展示每张图片/每一帧识别出的车牌号、颜色、类型、置信度
运行环境
Python ≥ 3.6，PyTorch ≥ 1.7，已验证 Python 3.13 + PyTorch 2.13 (CPU)；依赖库包括 opencv-python、numpy、pandas、Pillow、PyYAML、tqdm、matplotlib 等（见 requirements.txt）；GUI 需要 PyQt5；GPU 需 CUDA 版 PyTorch，否则自动回退 CPU。

项目技术
检测端：基于 YOLOv5 + 关键点回归的改进模型，同时输出检测框与车牌 4 个角点，输出额外类别判断单双层；识别端：CRNN（CNN 特征提取 + BiLSTM 序列建模 + CTC 解码）多任务结构，在识别字符同时分支预测颜色；透视变换：角点排序后用 getPerspectiveTransform/warpPerspective 矫正；双层车牌：上下区域拆分后水平拼接再送入识别；部署集成：模型权重分别为 plate_detect.pt（检测）与 plate_rec_color.pth（识别+颜色），GUI 采用 PyQt5 + QThread 后台线程避免界面阻塞，逐帧处理使用 OpenCV VideoCapture/VideoWriter，画面经 BGR→RGB 转 QPixmap 显示。

以上系统源码经过技术整理与调试，确保能正常运行