PlateGate: Chinese Parking Gate License Plate Recognition System

基于 YOLOX + DeepSeek-OCR 的车牌检测与识别系统。

功能特点

• 车辆检测：使用 YOLOX 检测图片中的车辆（支持 car、motorcycle、bus、truck）
• 车牌识别：使用 DeepSeek-OCR 识别车牌号码
• 无牌车检测：自动识别无牌车辆
• 变形检测：通过 aspect ratio 判断车牌是否变形严重
• 批量处理：支持批量处理图片并与 Ground Truth 对比

项目结构

├── plategate/
│   ├── __init__.py
│   ├── ocr_deepseek.py
│   ├── preprocess_plate_image.py   # 车牌图片增强，提升彩色字体识别
│   ├── yolox_vehicle.py
│   └── plate_detection_system.py   # 核心模块：整合车辆检测和车牌识别
├── test_plate_detection.py    # 测试脚本
├── requirements.txt           # Python 依赖
├── README.md
├── YOLOX/                     # YOLOX 仓库（需手动克隆）
│   └── weights/               # 模型权重目录
│       ├── yolox_s.pth
│       └── yolox_m.pth
├── images/                    # 测试图片目录（需自行准备）
│   └── info.json              # Ground Truth 文件（可选）
└── tempfiles/                 # 临时文件目录（自动创建）
    └── YYYY-MM-DD/            # 按日期分类的截取图片

处理流程

PlateGate 的整体处理流程如下：

1. 车辆检测（Vehicle Detection）

   • 使用 YOLOX 对输入图像中的所有车辆进行检测。
   • 从检测结果中选取 面积最大的车辆 作为目标车辆。
   • 基于车辆在图像中所占的 宽度 / 高度比例阈值 进行过滤，防止过小或过远的车辆被误选。

2. 车辆区域裁剪（Vehicle Cropping）

   • 根据目标车辆的检测框裁剪出车辆区域（ROI）。
   • 该步骤可显著减少背景干扰，提高后续识别的稳定性和准确率。

3. 图像增强与预处理（Image Enhancement & Preprocessing）

   • 使用 Green 通道提取（Green Channel Extraction），从物理层面抑制红色成分。
   • 采用 自适应 CLAHE（对比度受限自适应直方图均衡），获得更稳定的对比度增强效果。
   • 上述处理对于提升彩色字符（如部分特殊车牌、警车车牌中的红色元素）在 OCR 中的识别准确率尤为有效。
   • 额外的预处理步骤包括裁剪、Padding、尺寸归一化与对齐等。

4. 车牌识别（License Plate Recognition）

   • 对增强后的图像使用 DeepSeek-OCR 进行文字识别。
   • 结合 正则表达式 与规则化后处理，提取合法的车牌字符串。

5. 最终输出（Final Output）

   • 输出最终识别到的车牌结果，并进行置信度过滤与格式化处理。

安装

1. 安装 Python 依赖

pip install -r requirements.txt

pip install flash-attn==2.7.3 --no-build-isolation  # recommended to use CUDA

2. 克隆 YOLOX

git clone https://github.com/Megvii-BaseDetection/YOLOX.git

3. 下载 YOLOX 权重

# 创建权重目录
mkdir -p YOLOX/weights

# 下载 yolox_s 权重（小模型，推荐）
wget https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth -O YOLOX/weights/yolox_s.pth

# 下载 yolox_m 权重（中等模型，更准确）
wget https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_m.pth -O YOLOX/weights/yolox_m.pth

4. 配置 DeepSeek-OCR

下载 https://huggingface.co/deepseek-ai/DeepSeek-OCR 模型

修改 test_plate_detection.py 中的模型路径：

# DeepSeek-OCR 模型路径
MODEL_DIR = "/your/path/to/deepseek-ai/DeepSeek-OCR"

使用方法

准备测试图片

将测试图片放入 images/ 目录，支持的格式：.jpg、.jpeg、.png、.webp、.bmp

准备 Ground Truth（可选）

在 images/ 目录下创建 info.json 文件：

[
  { "image": "IMG_01.jpg", "plate": "苏A·XXXXX" },
  { "image": "IMG_02.png", "plate": "沪B·XXXXXX" },
  { "image": "IMG_03.png", "plate": "" }
]

注：无牌车的 plate 字段留空或填 "无牌"、"-"、"N/A"

运行检测

python test_plate_detection.py

输出示例

================================================================================
处理图片: images/IMG_01.jpg
  车辆检测: 是 (共2辆)
  选中车辆: [car] x1=4.3, y1=2.2, x2=956.0, y2=935.8, score=0.912
  截取图片: ./tempfiles/2025-01-04/2025-01-04-13-49-54-NDHEGL.png
  识别结果: 成功
  车牌号码: 苏A·XXXXX

================================================================================
汇总结果
================================================================================
总图片数: 16
检测到车辆: 16 (100.0%)
成功识别车牌: 14 (87.5%)
疑似无牌车: 1
识别失败: 1

================================================================================
与 Ground Truth 对比
================================================================================
准确率: 15/16 (93.8%)

识别错误 (1个):
  文件名           正确车牌          识别结果
  --------------- --------------- ---------------
  IMG_04.png      沪A·XXXXXX      沪A·YYYYYY

配置说明

在 plate_detection_system.py 中调整：

DeepSeek-OCR 参数

base_size=1280,        # OCR 基础尺寸
image_size=1280,       # OCR 输入尺寸
crop_mode=False,       # 开启切 tile (Gundam)

YOLOX 参数

conf_thre=0.25,        # 置信度阈值
nms_thre=0.45,         # NMS 阈值
min_wh_ratio=(0.25, 0.25),  # 最小宽高比（相对原图）

其他参数

min_aspect=1.2,        # 车牌 aspect ratio 阈值（低于此值判定为变形严重）
padding=0.05,          # 截取时扩展

切换 YOLOX 模型

默认使用 yolox_s，如需使用 yolox_m，取消注释以下配置：

YOLOX_EXP_FILE = "YOLOX/exps/default/yolox_m.py"
YOLOX_CKPT_PATH = "YOLOX/weights/yolox_m.pth"
...
exp_file=YOLOX_EXP_FILE,  # 取消注释使用其他模型
ckpt_path=YOLOX_CKPT_PATH,

识别状态说明

状态	说明
detected	成功识别车牌
no_plate	无牌车（未检测到省份字符）
recognition_failed	识别失败（车牌变形严重或其他原因）
no_vehicle	未检测到车辆

License

This repository’s original code is licensed under the MIT License (Copyright © 2026 FlashUnlimited2019).

This project depends on:

• YOLOX (Apache-2.0) — cloned by user

• DeepSeek-OCR (MIT) — installed/used by user