更新记录

1.0.0（2026-08-22）

YOLO车牌检测 + CRNN OCR + 颜色识别， 端侧离线推理，包含 拍照识别 与 实时视频流识别 两种模式

平台兼容性

uni-app x(4.66)

其他

车牌识别 App 使用说明

基于 uni-app x 的 Android 端侧车牌识别应用，采用 YOLOv5 检测 + CRNN OCR + 颜色识别，ONNX 离线推理，无需后端服务器。

目录

• 一、简介
• 二、功能特性
• 三、环境要求
• 四、快速开始
• 五、使用指南
  • 5.1 拍照识别
  • 5.2 视频流识别
• 六、API 参考
  • 6.1 函数式 API
  • 6.2 组件式 API
  • 6.3 返回数据结构
• 七、构建与部署
• 八、项目结构
• 九、技术架构
• 十、颜色识别规则
• 十一、常见问题

一、简介

本项目是一个 纯端侧 车牌识别 Android 应用，核心算法管线为：

YOLOv5 车牌检测 → 透视矫正 → CRNN 字符识别 → 颜色分类

所有推理均在设备本地通过 ONNX Runtime 完成，不依赖任何网络后端。

核心能力

二、功能特性

拍照识别模式

• 支持从相册选择图片或直接调用相机拍摄
• 识别结果展示车牌号、颜色、类型（单层/双层）、检测置信度
• 支持单张图片中的多车牌同时识别
• 页面加载时自动初始化引擎（首次约 1-2 秒）

视频流识别模式

• CameraX 实时相机预览，逐帧自动识别
• 画面上叠加亮绿色车牌框 + 车牌号标签（Overlay）
• 悬浮显示当前最优识别结果（车牌号/颜色/类型/置信度）
• 实时帧率显示
• 手电筒切换（支持设备）
• 识别历史记录（自动去重，最多保留 50 条）
• 一键复制最新车牌号
• 页面退出自动释放相机资源

颜色领域校正

内置中文车牌颜色规则引擎，对模型输出进行后校正：

• 末位"学"→黄牌（教练车）；末位"挂"→黄牌（挂车）；末位"警"→白牌（警车）
• 8 位 + 黄→绿牌（新能源）；8 位 + 绿→绿牌（保留）
• 7 位 + 绿→按黑蓝概率翻色（7 位不可能是新能源绿牌）
• 前缀"使"/末位"领"→黑牌（使领车）；含"港"/"澳"→黑牌；前缀"民航"→白牌
• 黑蓝边界抖动兜底：softmax 概率差 < 0.10 时归蓝

三、环境要求

运行环境

4.3 制作自定义基座

由于项目依赖 onnxruntime-android 和 androidx.camera（CameraX），必须使用自定义基座才能真机运行。标准基座不含这些库。

操作路径：运行 → 运行到手机或模拟器 → 制作自定义调试基座

4.4 真机运行

1. 手机开启 USB 调试，连接电脑
2. 运行 → 运行到手机或模拟器 → 运行到 Android App 基座
3. 选择刚才制作的自定义基座
4. App 安装后自动启动，首页为功能入口选择页

五、使用指南

5.1 拍照识别

入口：App 启动 → 首页点击「拍照识别」，或从视频流页面点击「拍照识别 →」跳转。

操作步骤：

1. 选择图片：点击「选择 / 拍照」按钮，从相册选取或现场拍摄一张包含车牌的图片
2. 等待初始化：首次使用时页面会自动初始化引擎，状态栏显示初始化结果
3. 开始识别：点击「开始识别」按钮，等待 1-3 秒
4. 查看结果：识别完成后，页面下方展示车牌号、颜色、类型和置信度
5. 重新识别：可重新选图或拍摄，每次识别覆盖上次结果

如果未识别到车牌，页面会提示「未识别到车牌」。请确保图片中车牌清晰、占比不过小。

5.2 视频流识别

入口：首页点击「视频流识别」，或从拍照识别页面点击「视频流识别 →」跳转。

操作步骤：

1. 授权相机：首次点击「开始识别」时，系统弹出相机权限请求，点击「允许」
2. 再次点击开始：授权后需再次点击「开始识别」启动相机预览
3. 实时识别：相机启动后自动逐帧识别，画面上出现绿色车牌框 + 车牌号标签
4. 悬浮结果：画面左上角悬浮显示当前最优车牌号（黄色大字）+ 颜色/类型/置信度
5. 历史记录：每次新识别的车牌自动加入下方历史列表（同号不重复入栈）
6. 手电筒：点击「手电筒」按钮切换闪光灯（暗光环境辅助）
7. 复制车牌：点击「复制车牌」将最新车牌号复制到剪贴板
8. 停止：点击「停止」暂停识别，退出页面自动释放相机

识别帧率显示在状态栏右侧（如 12 fps）。帧率受设备性能和图像复杂度影响。

六、API 参考

6.1 函数式 API

UTS 插件 uni-plate-recognizer 提供三个函数，适用于拍照识别场景：

import { initPlate, recognizeImage, releasePlate } from '@/uni_modules/uni-plate-recognizer'

initPlate(): InitResult

初始化识别引擎（加载 ONNX 模型）。幂等，重复调用无副作用。

const r = initPlate()
if (r.success) {
  console.log('引擎就绪')
} else {
  console.log('初始化失败: ' + r.message)
}

recognizeImage(path: string): string

识别单张本地图片，返回 JSON 数组字符串。

const json = recognizeImage('/storage/emulated/0/DCIM/photo.jpg')
// json = [{"plateNo":"京A12345","plateColor":"蓝色","rect":[120,80,300,160],"detectConf":0.92,"plateType":0}]
const list = JSON.parse<PlateResult[]>(json) ?? []

releasePlate(): void

释放引擎资源（全局单例）。通常在 App 退出时调用，普通使用无需手动释放。

releasePlate()

6.2 组件式 API

UTS 兼容模式组件 <plate-camera>，适用于实时视频流识别场景：

<plate-camera ref="cam" @recognize="onRecognize" @status="onStatus"></plate-camera>

事件

方法

通过 ref 获取组件实例后调用：

import { PlateCameraElement } from '@/uni_modules/uni-plate-recognizer'

const cam = ref<PlateCameraElement | null>(null)

// 启动相机预览 + 实时识别（内部检查 CAMERA 权限）
cam.value?.startCamera()

// 停止相机预览与识别
cam.value?.stopCamera()

// 切换手电筒开关
cam.value?.toggleTorch()

事件处理示例

// 识别结果回调：取置信度最高的一张
function onRecognize(json: string): void {
  const list = JSON.parse<PlateResult[]>(json) ?? []
  if (list.length == 0) return
  let best = list[0]
  for (let i = 1; i < list.length; i++) {
    if (list[i].detectConf > best.detectConf) best = list[i]
  }
  // 更新 UI...
}

// 状态回调
function onStatus(payload: string): void {
  const o = JSON.parse<StatusInfo>(payload)
  if (o != null) {
    fps.value = o.fps
    statusMsg.value = o.msg
  }
}

6.3 返回数据结构

PlateResult

InitResult

JSON 示例

[
  {
    "plateNo": "京A12345",
    "plateColor": "蓝色",
    "rect": [120, 80, 300, 160],
    "detectConf": 0.92,
    "plateType": 0
  }
]

七、构建与部署

依赖声明

插件依赖声明在 uni_modules/uni-plate-recognizer/utssdk/app-android/config.json：

{
  "dependencies": [
    "com.microsoft.onnxruntime:onnxruntime-android:1.18.0",
    "androidx.camera:camera-core:1.3.4",
    "androidx.camera:camera-camera2:1.3.4",
    "androidx.camera:camera-lifecycle:1.3.4",
    "androidx.camera:camera-view:1.3.4"
  ],
  "minSdkVersion": 21
}

• onnxruntime-android：端侧 ONNX 推理运行时
• androidx.camera:*：CameraX 相机预览与帧分析（视频流识别用，1.3.4 稳定版）
• 图像处理（letterbox 缩放、透视矫正、双层拼接）全部用 Android 原生 Bitmap/Canvas/Matrix 实现，不依赖 OpenCV

构建步骤

1. 用 HBuilderX 打开工程
2. 确认运行环境配置（Gradle / JDK / Android SDK 路径正确）
3. 运行 → 运行到手机或模拟器 → 制作自定义调试基座
4. 构建完成后运行到 Android 基座进行真机调试

重建基座的场景

以下情况需要删除旧基座并重新制作：

• 修改了 config.json 中的依赖版本
• 新增/替换了 assets/ 下的 ONNX 模型文件
• 修改了 Kotlin 引擎代码（PlateRecognizer.kt 等）
• 升级了 HBuilderX 版本

旧基座文件位置：unpackage/debug/android_debug.apk，删除后重新制作即可。

打包发布

使用 HBuilderX 云打包 功能，选择「自定义基座」方式打包正式 APK。发布前确保：

• manifest.json 中 versionName / versionCode 已更新
• App 图标已配置（manifest.json → app.distribute.icons）
• 模型文件已打包进 assets

八、项目结构

vehicle_license_plate_recognition/
├── App.uvue                          # 应用入口（生命周期 + 双击退出）
├── main.uts                          # 主入口
├── manifest.json                     # 应用配置
├── pages.json                        # 页面路由（index / plate / plate-video）
├── pages/
│   ├── index/index.uvue              # 首页（功能入口选择）
│   ├── plate/plate.uvue              # 拍照识别页
│   └── plate-video/plate-video.uvue  # 视频流识别页
├── static/
│   └── logo.png                      # 应用图标
├── uni_modules/
│   └── uni-plate-recognizer/         # UTS 车牌识别插件
│       ├── package.json              # 插件清单
│       └── utssdk/
│           ├── interface.uts         # 对外类型声明（PlateResult / InitResult）
│           └── app-android/
│               ├── index.uts         # 插件 API 实现（initPlate / recognizeImage / releasePlate）
│               ├── index.vue         # plate-camera UTS 组件实现
│               ├── config.json       # 依赖声明（onnxruntime + CameraX）
│               ├── AndroidManifest.xml  # CAMERA 权限
│               ├── PlateRecognizer.kt      # 引擎主入口（全局单例 + 检测/识别主流程）
│               ├── PlateCameraView.kt       # 相机封装（CameraX 预览 + 逐帧分析 + Overlay）
│               ├── PlateTypes.kt            # 类型定义 + 算法常量（字符集/颜色/均值/方差）
│               ├── PlatePreprocess.kt       # 前处理（letterbox / 检测预处理 / OCR 预处理）
│               ├── PlatePostprocess.kt      # 后处理（NMS / 坐标还原 / 透视矫正 / CTC 解码）
│               └── assets/
│                   ├── plate_detect.onnx     # 车牌检测模型（1280×1280）
│                   ├── plate_rec_color.onnx   # 字符识别 + 颜色分类模型
│                   └── fonts/platech.ttf      # 中文字体
├── apk/                              # 构建产物
└── unpackage/                        # HBuilderX 打包输出

九、技术架构

算法管线

输入图片 / 相机帧
  │
  ▼
letterbox 缩放 → 1280×1280（检测模型输入）
  │
  ▼
YOLOv5 检测 → [batch, 100800, 15]
  │
  ▼
NMS 去重 → 坐标还原到原图 → 透视矫正裁切车牌区域
  │
  ▼
CRNN 识别（BGR 通道顺序）+ 颜色分类（softmax）
  │
  ▼
CTC 解码 → 双层拼接 → 颜色领域校正
  │
  ▼
输出 [{ plateNo, plateColor, rect, detectConf, plateType }]

视频流数据流

CameraX ImageAnalysis（后台线程）
  → ImageProxy (YUV_420_888)
  → NV21 + YuvImage.compressToJpeg + decodeByteArray
  → Matrix.postRotate(rotationDegrees)          // 旋正
  → Bitmap.createScaledBitmap(宽 960)           // 降采样
  → PlateRecognizer.recognizeToJson(bmp)         // 复用全局单例
  → Handler(mainLooper).post → $emit('recognize', json)

性能策略

十一、常见问题

Q1：提示「找不到名称"ai"」编译错误

原因：HBuilderX 未配置运行环境，Gradle 无法解析 onnxruntime-android 三方 AAR。

解决：在 HBuilderX 设置 → 运行配置 中正确填入 Gradle、Gradle JDK（17）、Android SDK 路径。

Q2：真机运行白屏或闪退

原因：使用了标准基座而非自定义基座。

解决：删除 unpackage/debug/android_debug.apk，重新制作自定义调试基座后运行。

Q3：视频流识别首次点击「开始识别」无反应

原因：首次使用需授予相机权限。

解决：点击「开始识别」→ 系统弹出授权框 → 点击「允许」→ 再次点击「开始识别」即可启动。

Q4：识别结果车牌号不完整或颜色错误

可能原因：

• 图片中车牌过小或模糊 → 尝试近距离拍摄
• 光线不足 → 视频流模式可开手电筒辅助
• 车牌角度过大 → 尽量正面拍摄

Q5：视频流帧率很低

可能原因：设备性能不足或图像复杂度过高。

优化：引擎已内置跳帧（KEEP_ONLY_LATEST）和降采样（宽 960px）策略。如帧率仍低于 5fps，建议在性能更好的设备上运行。