yolov5和yolov7车牌识别检测（可检测黄牌、绿牌、双层车牌等各种车牌，准确率高，提供界面）

实现一个车牌识别系统，使用YOLOv5和YOLOv7这两种不同的模型来进行车牌的检测。下面我将提供一个完整的项目概述，包括模型训练脚本、车牌识别代码以及两个GUI界面，分别用于处理静态图片和实时视频流

1. 模型训练

• YOLOv5 和 YOLOv7 的训练脚本。
• 使用车牌数据集进行训练。

2. 车牌识别

• Python 代码实现车牌的检测与识别。
• 支持多种车牌类型，例如黄色、绿色、双层车牌等。

3. GUI 界面

• 静态图片检测 GUI。
• 实时视频检测 GUI。

技术栈

• YOLOv5 和 YOLOv7: 对象检测框架。
• OpenCV: 图像处理和视频流处理。
• PyQt5: GUI 库。
• Python: 编程语言。

项目结构

• yolov5: YOLOv5 相关文件夹。
• yolov7: YOLOv7 相关文件夹。
• gui: GUI 文件夹。
• data: 包含训练数据集和配置文件。
• weights: 存放训练后的权重文件。
• utils: 公共工具函数。
• main.py: 主入口文件。

1. 模型训练

YOLOv5 训练脚本 (train_yolov5.py)

1# train_yolov5.py
2
3from ultralytics import YOLO
4
5def train_yolov5():
6    model = YOLO('yolov5s.yaml')  # 使用配置文件创建模型
7    model.train(data='data/plate.yaml', epochs=100, batch=16, imgsz=640)
8
9if __name__ == '__main__':
10    train_yolov5()

YOLOv7 训练脚本 (train_yolov7.py)

1# train_yolov7.py
2
3from yolov7.train import parse_opt, run
4
5def train_yolov7():
6    opt = parse_opt(known=True)
7    opt.cfg = 'yolov7.yaml'
8    opt.data = 'data/plate.yaml'
9    opt.weights = 'yolov7.pt'
10    opt.batch_size = 16
11    opt.epochs = 100
12    opt.img_size = 640
13    run(**vars(opt))
14
15if __name__ == '__main__':
16    train_yolov7()

2. 车牌识别

Python 车牌识别脚本 (detect_plate.py)

1# detect_plate.py
2
3import cv2
4import torch
5import numpy as np
6from ultralytics import YOLO
7
8def load_model(model_path):
9    return YOLO(model_path)
10
11def detect_plate(model, source):
12    results = model.predict(source=source, save=False, conf=0.5)
13    for result in results:
14        boxes = result.boxes
15        for box in boxes:
16            x1, y1, x2, y2 = box.xyxy[0].tolist()
17            cv2.rectangle(source, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2)
18            label = f'{model.model.names[int(box.cls)]} {box.conf[0]:.2f}'
19            cv2.putText(source, label, (int(x1), int(y1)-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
20    return source
21
22def main():
23    model = load_model('weights/best.pt')
24    cap = cv2.VideoCapture(0)  # 0 表示默认摄像头
25    while True:
26        ret, frame = cap.read()
27        if not ret:
28            break
29        frame = detect_plate(model, frame)
30        cv2.imshow('Plate Detection', frame)
31        if cv2.waitKey(1) & 0xFF == ord('q'):
32            break
33    cap.release()
34    cv2.destroyAllWindows()
35
36if __name__ == '__main__':
37    main()

3. GUI 界面

图片检测 GUI (gui_image.py)

1# gui_image.py
2
3import sys
4from PyQt5.QtWidgets import QApplication, QWidget, QPushButton, QVBoxLayout, QLabel, QFileDialog
5from PyQt5.QtGui import QPixmap, QImage
6import cv2
7from detect_plate import detect_plate, load_model
8
9class PlateDetectionGUI(QWidget):
10    def __init__(self):
11        super().__init__()
12        self.initUI()
13
14    def initUI(self):
15        self.setWindowTitle('License Plate Detection')
16        self.setGeometry(300, 300, 600, 400)
17
18        self.image_label = QLabel(self)
19        self.image_label.resize(400, 300)
20
21        self.load_button = QPushButton('Load Image', self)
22        self.load_button.clicked.connect(self.loadImage)
23
24        layout = QVBoxLayout()
25        layout.addWidget(self.image_label)
26        layout.addWidget(self.load_button)
27        self.setLayout(layout)
28
29    def loadImage(self):
30        options = QFileDialog.Options()
31        options |= QFileDialog.ReadOnly
32        file_name, _ = QFileDialog.getOpenFileName(self, "Open Image", "", "Image Files (*.png *.jpg *.jpeg)", options=options)
33        if file_name:
34            image = cv2.imread(file_name)
35            image = detect_plate(load_model('weights/best.pt'), image)
36            height, width, channel = image.shape
37            bytes_per_line = 3 * width
38            q_image = QImage(image.data, width, height, bytes_per_line, QImage.Format_RGB888).rgbSwapped()
39            pixmap = QPixmap.fromImage(q_image)
40            self.image_label.setPixmap(pixmap)
41
42if __name__ == '__main__':
43    app = QApplication(sys.argv)
44    ex = PlateDetectionGUI()
45    ex.show()
46    sys.exit(app.exec_())

视频检测 GUI (gui_video.py)

1# gui_video.py
2
3import sys
4from PyQt5.QtWidgets import QApplication, QWidget, QPushButton, QVBoxLayout, QLabel, QFileDialog
5from PyQt5.QtGui import QPixmap, QImage
6from PyQt5.QtCore import QTimer
7import cv2
8from detect_plate import detect_plate, load_model
9
10class VideoDetectionGUI(QWidget):
11    def __init__(self):
12        super().__init__()
13        self.initUI()
14
15    def initUI(self):
16        self.setWindowTitle('Video License Plate Detection')
17        self.setGeometry(300, 300, 600, 400)
18
19        self.image_label = QLabel(self)
20        self.image_label.resize(400, 300)
21
22        self.load_button = QPushButton('Load Video', self)
23        self.load_button.clicked.connect(self.loadVideo)
24
25        self.start_button = QPushButton('Start Detection', self)
26        self.start_button.clicked.connect(self.start_detection)
27
28        layout = QVBoxLayout()
29        layout.addWidget(self.image_label)
30        layout.addWidget(self.load_button)
31        layout.addWidget(self.start_button)
32        self.setLayout(layout)
33
34        self.timer = QTimer(self)
35        self.timer.timeout.connect(self.update_frame)
36        self.cap = None
37
38    def loadVideo(self):
39        options = QFileDialog.Options()
40        options |= QFileDialog.ReadOnly
41        file_name, _ = QFileDialog.getOpenFileName(self, "Open Video", "", "Video Files (*.mp4 *.avi)", options=options)
42        if file_name:
43            self.cap = cv2.VideoCapture(file_name)
44
45    def start_detection(self):
46        if self.cap is not None:
47            self.timer.start(20)  # 每隔20毫秒更新一帧
48
49    def update_frame(self):
50        ret, frame = self.cap.read()
51        if ret:
52            frame = detect_plate(load_model('weights/best.pt'), frame)
53            height, width, channel = frame.shape
54            bytes_per_line = 3 * width
55            q_image = QImage(frame.data, width, height, bytes_per_line, QImage.Format_RGB888).rgbSwapped()
56            pixmap = QPixmap.fromImage(q_image)
57            self.image_label.setPixmap(pixmap)
58
59if __name__ == '__main__':
60    app = QApplication(sys.argv)
61    ex = VideoDetectionGUI()
62    ex.show()
63    sys.exit(app.exec_())

项目注意事项

• 确保你已经安装了所有必要的库，如 ultralytics, PyQt5, torch, opencv-python 等。
• 修改训练和GUI代码中的相关路径以匹配你的实际文件路径。
• 准备一个适当的车牌数据集，并根据实际情况修改训练脚本中的配置文件。
• 如果使用的是YOLOv7，请确保安装了正确的YOLOv7版本并调整训练脚本以匹配其API。

以上代码提供了从模型训练到GUI实现的完整流程。根据具体需求对这些代码进行修改和扩展。