基于树莓派与TensorRT的实时车牌识别与道闸控制.docxVIP

PAGE2

基于树莓派与TensorRT的实时车牌识别与道闸控制

摘要

随着车辆保有量的持续增长，小区、停车场等场所对出入口自动化管理的需求愈发迫切。传统人工登记或感应卡方式存在效率低、安全性差等痛点。本课题设计并实现了一款基于树莓派与TensorRT的嵌入式实时车牌识别与道闸控制系统。系统以树莓派4B为核心计算平台，搭载摄像头采集视频流，利用TensorRT加速的YOLOv5模型实时检测车牌位置，并通过轻量化OCR模块识别车牌字符。

整体设计遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进逻辑。第一章分析小区车辆出入场景的效率与安全痛点，确立低延迟、高精度、低成本的设计目标。第二章论证YOLOv5、PaddleOCR与TensorRT的选型依据。第三章从功能与非功能需求出发，构建用例模型。第四章给出硬件与软件分层架构，模块划分围绕视频采集、车牌检测、字符识别、道闸控制与数据记录展开。第五章深入描述检测与识别算法的处理流程，定义模块接口。第六章展示在树莓派上的部署实现，并解决内存占用与实时性矛盾等关键难点。第七章通过功能与性能测试验证系统识别准确率与响应时间。第八章总结成果与不足。

本设计的核心创新在于将TensorRT推理优化与轻量级OCR集成于资源受限的嵌入式设备，在保持近95%车牌识别率的同时，将单帧推理延迟控制在50毫秒以内，通过GPIO控制继电器模拟道闸动