车牌识别与车辆出入管理系统
面向园区与停车场车辆出入场景，基于深度学习与 OCR 技术实现车牌定位、字符识别、车辆信息管理及出入记录查询。
角色：后端 / 算法开发 时间：2025.01 – 2025.03
目标检测OCR车牌识别后端开发
核心亮点
- 负责 FastAPI 后端接口开发，实现车辆档案、白名单管理、出入记录、识别结果检索及统计报表等 REST API，并通过 JWT 完成权限校验
- 基于 YOLOv8 进行车牌检测，结合 PaddleOCR 完成车牌字符识别；针对夜间、倾斜与遮挡场景进行图像预处理与识别结果置信度筛选，提升复杂场景稳定性
- 使用 OpenCV 处理摄像头视频流并实现关键帧抽取、识别结果叠加与截图存档；通过 WebSocket 推送异常车辆与识别结果，支持前端实时展示
项目背景
园区与停车场的车辆出入管理依赖人工登记，效率低且易出错。本项目基于深度学习与 OCR 技术，实现车牌定位、字符识别、车辆信息管理与出入记录查询，支持图片与 RTSP 视频流实时识别。
我的职责
负责后端接口开发与识别算法实现，完成从车辆档案管理、车牌识别到前端实时展示的完整链路。
技术方案
后端服务
基于 FastAPI 开发后端接口，实现车辆档案、白名单管理、出入记录、识别结果检索及统计报表等 REST API，通过 JWT 完成权限校验，数据层使用 MySQL + SQLAlchemy。
车牌识别算法
基于 YOLOv8 进行车牌检测，结合 PaddleOCR 完成车牌字符识别。针对夜间、倾斜与遮挡场景，进行图像预处理与识别结果置信度筛选，提升复杂场景下的识别稳定性。
视频流与实时展示
使用 OpenCV 处理摄像头视频流，实现关键帧抽取、识别结果叠加与截图存档；通过 WebSocket 推送异常车辆与识别结果，支持前端实时展示。
技术栈
- 后端：Python、FastAPI、MySQL、SQLAlchemy
- 识别：YOLOv8、PaddleOCR、OpenCV、PyTorch
- 实时通信：RTSP、WebSocket
成果
- 实现园区车辆出入的自动化识别与管理，支持图片与 RTSP 视频流实时识别
- 通过图像预处理与置信度筛选，提升夜间、倾斜、遮挡等复杂场景下的识别稳定性
技术栈
PythonFastAPIYOLOv8PaddleOCROpenCVPyTorchMySQLSQLAlchemyRTSPWebSocket