1.研究背景

随着科技的进步和社会需求的增长，近年来摄像头逐渐高清化、高帧率化，摄像头作为信息获取设备的载体也不再局限于固定场景。路口、路侧、室内、高位、低位等不同场景下产生了各种对于检测识别的需求，比如路侧车牌识别一体机需要对车位进行无人值守，完成自动收费。传统的车牌识别方案无法面对困难场景的挑战，先验知识也随着场景类别增加而逐渐难以涵盖。我国作为车辆保有量最大的国家，在汽车数量增长的同时，其种类也在逐步增长。在这些车牌中，有传统的蓝牌、新能源汽车的绿牌、运载车的黄牌、特种车辆的双层车牌、粤港澳通行的双牌等等，目前兼容各类车牌且具有较高精确度的双层车牌识别系统具有很高的研究价值[4.5]。

2.图片识别效果

3.视频演示

Python基于YOLOv7和CRNN的双层车牌分割＆识别系统（源码＆教程）_哔哩哔哩_bilibili

4.准备YOLOv7格式车牌数据集（数据集文末链接提供下载）

如果不懂yolo格式数据集是什么样子的，建议先学习一下该博客。大部分CVer都会推荐用labelImg进行数据的标注，我也不例外，推荐大家用labelImg进行数据标注。不过这里我不再详细介绍如何使用labelImg，网上有很多的教程。同时，标注数据需要用到图形交互界面，远程服务器就不太方便了，因此建议在本地电脑上标注好后再上传到服务器上。

这里假设我们已经得到标注好的yolo格式数据集，那么这个数据集将会按照如下的格式进行存放。

第三步，复制coco.yaml文件到相同的路径下，然后重命名，我们命名为Helmet.yaml。

第四步，打开Helmet.yaml文件，进行如下所示的修改，需要修改的地方为5处。

第一处：把代码自动下载COCO数据集的命令注释掉，以防代码自动下载数据集占用内存；第二处：修改train的位置为train_list.txt的路径；第三处：修改val的位置为val_list.txt的路径；第四处：修改nc为数据集目标总数；第五处：修改names为数据集所有目标的名称。然后保存。

6.YOLOv7训练代码

来源：b2143124