车牌检测与人脸检测常用数据集

——CBLPRD、CCPD、CRPD 与 WIDER FACE 对比解析

一、背景说明

在 智能交通（ITS） 与 智慧安防 场景中，
车牌检测 / 识别（LPR） 与 人脸检测（Face Detection） 是两个最基础、也是最关键的视觉任务。

数据集质量直接决定了模型的上限：

• 是否覆盖真实复杂场景
• 是否存在足够的尺度、角度、光照变化
• 标注是否规范，是否便于工程化落地

---

二、CBLPRD 数据集（车牌识别为主）

1. 数据集概述

• 全称：China Balanced License Plate Recognition Dataset
• 数据规模：约 33 万张车牌图像
• 发布形式：GitHub 社区开源
• 定位：车牌识别（OCR / LPR）数据集

CBLPRD 的核心目标并不是“车牌检测”，而是 车牌字符识别阶段的数据均衡问题。

---

2. 数据特点

• 以 裁剪后的车牌图像 为主

• 覆盖多种车牌类型：

  • 普通蓝牌
  • 黄牌
  • 新能源绿牌
  • 单层 / 双层车牌

• 样本分布较为均衡，部分数据通过 GAN 合成 进行增强

---

3. 图像尺寸

• 无统一固定尺寸

• 多为已经裁剪好的车牌区域

• 常见尺寸集中在：

  • 宽高比接近车牌真实比例（如 94×24、168×48 等）

---

4. 工程使用建议

• 不适合做车牌检测训练

• 非常适合：

  • CRNN / Transformer 类 OCR 模型
  • 车牌字符分类、序列识别

• 通常作为：

  CCPD / CRPD 检测 → 裁剪 → CBLPRD 识别训练

---

三、CCPD 系列数据集（车牌检测领域的“标准数据集”）

1. 数据集背景

• 全称：Chinese City Parking Dataset
• 发布单位：中国科学技术大学
• 最早发表于 ECCV 2018
• 是 国内最常用的车牌检测 + 识别数据集

---

2. 版本划分

版本	主要内容
CCPD-2019	普通蓝牌
CCPD-2020	新能源绿牌
CCPD-2021	社区非官方整理版本

工程中通常将 2019 + 2020 合并使用。

---

3. 数据规模与子集

整体规模 30 万级别，并按难度拆分为多个子集：

• Base（基础）
• Blur（运动模糊）
• DB（过暗 / 过亮）
• Rotate（旋转）
• Tilt（倾斜）
• FN（远距离）
• Challenge（综合）

---

4. 图像尺寸

• 统一分辨率：720 × 1160
• 三通道 RGB
• 每张图像 只包含一个车牌

这一点对检测模型非常友好。

---

5. 标注方式

• 边界框（BBox）
• 车牌字符信息直接编码在文件名中
• 省份 / 字母 / 数字完整可解析

---

6. 工程评价

优点

• 标注规范
• 尺寸统一
• 易于快速训练检测模型

不足

• 场景相对“干净”
• 与真实道路监控仍存在一定域差异

---

四、CRPD 数据集（更贴近真实道路场景）

1. 数据集背景

• 全称：Chinese Road Plate Dataset
• 发布年份：2022
• 数据来源：真实道路监控、路口摄像头

CRPD 的提出，核心就是为了解决 CCPD “过于理想化” 的问题。

---

2. 数据集结构

CRPD 按每张图像中车牌数量划分：

• CRPD-Single：1 个车牌
• CRPD-Double：2 个车牌
• CRPD-Multi：多个车牌

这在工程中非常关键。

---

3. 图像尺寸

• 原始尺寸不统一

• 多为高分辨率道路监控图像

• 实验中常 resize 到：

  • 640×640
  • 1280×1280

---

4. 标注方式

• 车牌 四点坐标（旋转框）
• 车牌类型
• 车牌内容

相比 CCPD，标注信息更完整，也更复杂。

---

5. 工程评价

维度	CCPD	CRPD
场景真实性	中	高
多车牌	否	是
标注复杂度	低	高
工程难度	低	中高

CRPD 非常适合：

• 多目标车牌检测
• 真实道路部署前的模型增强训练

---

五、WIDER FACE 数据集（人脸检测领域基准）

1. 数据集背景

• 发布单位：香港中文大学（CUHK）
• 发布年份：2016
• 人脸检测领域事实标准数据集

---

2. 数据规模

• 图像数量：32,203
• 人脸标注数：约 39 万
• 覆盖事件类型：61 类

---

3. 图像尺寸

• 完全不固定
• 从低分辨率到超高分辨率均有
• 人脸尺度跨度极大（10px ~ 数百像素）

---

4. 标注信息

• 人脸边界框
• 模糊 / 遮挡 / 姿态 / 表情等属性

---

5. 工程意义

• 小目标检测能力的“试金石”

• 若模型能在 WIDER FACE Hard 集表现良好：

  • 通常对车牌远距离检测也有正向迁移效果

---

六、总结

数据集	核心用途
CBLPRD	车牌字符识别
CCPD	车牌检测基础训练
CRPD	真实道路多车牌检测
WIDER FACE	小目标 / 人脸检测基准

合理的数据集组合，往往比模型结构微调更重要。

---