Kameras, die Nummernschilder erkennen. Überprüfung von Videos von Überwachungskameras: Wie erkennt man das Nummernschild eines Autos? Möglichkeiten der Softwaresicherheit mit laufender Automatisierung. Die Tugend nachfolgender Befehle

Technologien zur Softwareerkennung von Autokennzeichen und Personenidentitäten erfreuen sich immer größerer Beliebtheit. Beispielsweise kann die automatische Erkennung von Kfz-Kennzeichen als Bestandteil eines Zugangskontrollsystems zur Organisation von Abrechnungssystemen für gebührenpflichtiges Parken, zur Automatisierung der Durchfahrt von Fahrzeugen oder zur Erfassung statistischer Informationen (z. B. wiederholte Besuche in einem Einkaufszentrum) eingesetzt werden Beispiel). Alles unterliegt der Macht des täglichen intellektuellen Wissens. Was ist erforderlich, um ein solches System zu implementieren? Im Prinzip nicht so sehr – Videokameras, die die gleichen Fähigkeiten und ein ähnliches intelligentes Softwaremodul bieten. Zum Beispiel PZ oder mehr Budget

In diesem Artikel erfahren wir, wie man eine digitale Videokamera richtig auswählt und ein klares Video formatiert, das besser für die Aufgaben der Softwareerkennung von Fahrzeugkennzeichen geeignet ist

Dozvil

Eine weitere bedauerliche Tatsache ist, dass die Größe des Nummernschilds auf dem Bildschirm auf % der Rahmenbreite reduziert wurde. Alle Fernsehkameras waren analog und ihre Auflösung war konstant. Wenn die Matrizen nun von 0,5 bis 12 MP reichen können, stagnieren die Referenzwerte nicht und die erforderliche Breite des Nummernschilds wird in Pixeln gemessen.

In der Regel gibt die Kebis zu der Breite des Kennzeichens auf dem Bildschirm an, die für deren Erkennung ausreicht. So hat beispielsweise das AutoTracir-Softwaremodul eine Breite von 120 Pixeln und NumberOK - 80 Pixel. Die Unterschiede in den Ergebnissen erklären sich aus den Nuancen der Erkennungsalgorithmen und dem vom Händler akzeptierten akzeptablen Maß an Zuverlässigkeit. Mit besonderen Belegen kann festgestellt werden, dass AutoTracer hinsichtlich der Auswahl der Ausrüstung, der Objektive und der korrekten Installation der Kamera leistungsfähiger und „intelligenter“ ist. Auf den Punkt gebracht, zeigt Ale durchweg zuverlässige Ergebnisse und bleibt dem Wetter nicht im Gedächtnis hängen.

Für eine höhere Zuverlässigkeit sollten Sie sich auf den Nummernschildbreitenwert von 150 Pixel konzentrieren. Und wenn wir wissen, dass die Breite des Nummernschilds nach GOST fünf Meter (genauer gesagt 520 mm) beträgt, dann kommen wir auf den erforderlichen Abstand von 300 Punkten pro Meter.

Die lineare Verteilung der Pixel pro Meter hängt von der individuellen Größe der Kameramatrix ab. Sie können es mit der Formel herausfinden:

Rlin- lineare Trennung, Pixel pro Meter

R h- horizontale Trennung der Kammer (z. B.R h =1080)

𝛼 - Schauen Sie sich in der Kamera um

L- Stellen Sie sich vor die Kamera zum Objekt

Sie können auch unseren Online-Rechner auf der Produktseite nutzen und auf den Reiter „Was ich brauche“ klicken.

Nachfolgend sehen Sie beispielsweise eine Reihe von Möglichkeiten für IP-Videoüberwachungskameras, basierend auf der angegebenen maximalen Entfernung, aus der Nummernschilder erkannt werden können (Nummernschildbreite 150 Pixel). Bitte beachten Sie, dass bei Kameras mit Gleitsichtobjektiven die maximalen Brennweitenwerte konstruktionsbedingt angepasst wurden.

Konzentrieren Sie sich auf das Aufstehen	Horizontal hinzugefügt	Max. steh auf, m	Max. Breite wie gesehen, m
	1920 Pixel
	1280 Pixel
	2688 Pixel
	2048 Pixel
	2048 Pixel

Es ist wichtig zu verstehen, dass Kameras mit größerem Abstand größere Bereiche überwachen können, sodass für denselben Bereich weniger Kameras benötigt werden. In diesem Fall geht zur leichteren Identifizierung die lineare Genehmigung zwischen den Grenzen verloren. Dieser Umstand verhindert in vielen Situationen den wirtschaftlichen Einsatz hochauflösender Kameras.

Lichtempfindlichkeit und Verschlusszeit

Für eine effektive Erkennung von Kfz-Kennzeichen benötigt die Kamera eine gute Lichtempfindlichkeit und die Möglichkeit, die Verschlusszeit (Verschlusszeit oder einfach Highlight) manuell einzustellen. Dies ist besonders wichtig bei der Installation von Kennzeichenerkennungssystemen für Fahrzeuge, die mit hoher Geschwindigkeit fahren. Für Autos, die mit einer Geschwindigkeit von bis zu 30 km/Jahr verunfallen (und solche Projekte werden in der Regel für unsere Bewohner umgesetzt: Bauerndörfer, Wohnanlagen, Parkplätze von Einkaufszentren und andere geschlossene Gebiete) ist dies weniger wichtig, Andernfalls ist eine Wertschätzung nicht möglich. Um eine hohe Erkennungsrate zu erreichen, muss die Kamera mindestens zehn Bilder mit der gelesenen Zahl aufnehmen.
Um beispielsweise das Nummernschild eines Fahrzeugs zu erkennen, das mit einer Geschwindigkeit von 30 km/Jahr fährt, beträgt die Verschlusszeit bei einer Montage der Kamera bis zu 10 Grad entlang der Lenkachse 1/200 Sekunde. Bei vielen preiswerten Kameras kann eine solche Anzeige bei trübem Wetter unzureichend erscheinen und das Bild kann dunkel und/oder verrauscht erscheinen. Daher sollten Sie auf die Größe der Matrix und deren Helligkeit achten. Wählen Sie idealerweise eine spezielle Schwarzweißkamera mit CCD-Matrix. Allerdings ist ihr Preis hoch und ihre Auflösung beträgt nicht mehr als 1 MP, was ihre Leistung stark einschränkt.
Es gibt keinen Grund, eine hohe Erlaubnis anzustreben, da keine objektiven Gründe vorliegen. Sehr preiswerte Kameras in ultrahoher Qualität (4 MP, 5 MP und höher) sind auf 1/3-, 1/2,8- und bis zu 1/2,5-Zoll-Matrizen erhältlich. Die gleiche Matrixgröße ist für Kameras mit separaten 1,3- und 2-MP-Einheiten verfügbar. Dadurch ist die Größe des hautlichtempfindlichen Elements bei der 1,3-MP-Kamera deutlich größer, bei der 5-MP-Kamera kleiner und kleiner größere Größe- Je mehr Licht Sie vom lichtempfindlichen Element der Haut erhalten können. Darüber hinaus empfehlen wir, dass IP-Kameras zur Identifizierung von Telefonnummern selten mehr als 2 MP messen.

Großer Dynamikbereich (WDR), Hintergrundlichtkompensation

Der Dynamikbereich der Kamera gibt das Verhältnis zwischen der maximalen und minimalen Lichtintensität an, die der Sensor normalerweise erfassen kann. Mit anderen Worten: Die Fähigkeit der Kamera, ohne Verzögerung und Verschwendung zu übertragen, ist sofort spürbar und hellt den Bildbereich deutlich auf und verdunkelt ihn. Dieser Parameter Seien Sie bei der automatischen Kennzeichenerkennung sehr vorsichtig, denn... Hilft, der Beleuchtung der Kamera durch Scheinwerfer entgegenzuwirken. Die neuesten Kameras mit WDR bei 140 dB beeinträchtigen jedoch nicht immer die kontrastreiche Beleuchtung. In diesem Modus ist eine zusätzliche Aufhellung durch sichtbares Licht eingebaut oder arbeitet im Infrarotbereich, die den Bereich hervorhebt, in dem die Kennzeichenerkennung erwartet wird.

Schärfentiefe

Die Schärfentiefe oder eigentlich die Schärfentiefe des abgebildeten Raums (DOF) ist der Bereich der Positionen, in denen Objekte als scharf wahrgenommen werden.

Dieser Parameter wird durch die Brennweite, die Blende und den Abstand zum Objekt bestimmt. Je größer die Schärfentiefe, desto größer der Fokusbereich und desto größer Weitere Möglichkeiten„Fangen“ Sie eine ausreichende Anzahl freier Bilder eines zusammenbrechenden Autos ein.

Möglicherweise wird die maximale Schärfentiefe durch die Objektivblende bestimmt. Je kleiner die Blendenöffnung, desto größer die Schärfentiefe; je größer, desto geringer die Schärfentiefe. Alle von uns empfohlenen Kameras zur Kennzeichenerkennung können durch automatische Änderung der Blende an veränderte Lichtverhältnisse angepasst werden. Bei der Fokuseinstellung solcher Kameras empfiehlt es sich, bei minimaler Schärfentiefe auf die maximale Blende zu fokussieren.

Je größer der Abstand der Kamera zum Objekt ist, desto größer ist die Schärfentiefe, sodass es schwierig ist, die Kamera so nah wie möglich am Erkennungsbereich zu platzieren. Andererseits ist die Schärfentiefe umso geringer, je größer die Brennweite ist. Hinter unserer Praxis steht optimale Position von der Kamera bis zum Morgen – in einer Entfernung von 6 bis 10 Metern. Obwohl es nicht unmöglich ist, eine Erkennung aus einer Entfernung von 100 Metern zu erreichen.

Verwirrung

Es gibt viele Objektive zum Erstellen von Bildern. Am häufigsten kommt es zu einer sogenannten „fassartigen“ Bildentstehung. Dies liegt daran, dass in der Mitte mehr und an den Rändern weniger vorhanden ist, was zu einer Größenänderung des Objekts führt. Wenn also ein und dasselbe Objekt in der Bildmitte und an dessen Rand platziert wird, erscheinen seine Abmessungen am Rand kleiner. Dadurch besteht möglicherweise die Möglichkeit einer Identifizierung.

Je kürzer die Brennweite, desto stärker kann es zu größeren Problemen kommen. Daher sollten Kameras mit Weitwinkelobjektiven (weniger als 4 mm) nicht zur Identifizierung blockiert werden.

Rauschen und Farbübertragung

Je weniger Rauschen und je genauer die Farbübertragung, desto besser ist die Identifizierung. Es wird daher empfohlen, auf Parameter wie die Mindestbeleuchtung der Kamera sowie das Vorhandensein der Rauschunterdrückungsfunktion zu achten.
Besonders wichtig ist die Rauschunterdrückung bei unzureichender Beleuchtung, wenn die Kamerasensoren viel Rauschen machen, was die Identifizierung erschwert. Es versteht sich, dass in vielen Fällen keine Rauschunterdrückung und andere elektronische „Gadgets“ installiert werden können und eine ausreichende Beleuchtung des Objekts sichergestellt werden muss.

Video

Heutige IP-Kameras übertragen ein schwaches Videosignal und es gibt wenig oder keinen Datenverkehr im Bild. Wenn die Störung im Rahmen stark ist, nimmt der Verkehr zu. Wenn die Kamera also auf eine konstante Bitrate eingestellt ist, eignet sich das Bild zur Erkennung von Rauschen, ist jedoch nicht geeignet, wenn im Bild intensive Strahlung vorhanden ist.
Zur Identifizierung empfiehlt es sich, die variable Bitrate auf die höchste Helligkeitsstufe einzustellen. Dieser Typ sorgt für die erforderliche Bildklarheit.

Sensor: 1/2,8 Zoll Progressive Scan CMOS Hardware-WDR 140 dB Objektiv: 2,8–12 mm Merkmale: interne Kamera, erforderliches Thermogehäuse für die Installation im Freien. Das Objektiv ist nicht im Kit enthalten und muss separat erworben werden
Max. separate Größe: 1,3 MP, 1280 x 960 Pixel Objektiv: 2,8–12 mm
Hardware-WDR Sensor: 1/2,8 Zoll Progressive Scan CMOS Vulichna 2 MP Drahtgitterkamera AXIS P1365-E mit WDR und Lightfinder separate Größe: 1,3 MP, 1280 x 960 Pixel Max. separate Größe: 2 MP, 1920 x 1080 Pixel Lightfinder-Technologie
Objektiv: 2,8–8 mm bei F1,3 Eigenschaften: Hohe Empfindlichkeit, Autofokus Dahua IPC-HF8301E UTLRA WDR 120 dB, Ultra 3DNR separate Größe: 1,3 MP, 1280 x 960 Pixel Objektiv: 2,8–12 mm Sensor: 1/3" Progressive Scan CMOS
Sensor: 1/3 Zoll Progressive Scan CMOS Max. separate Größe: 1,3 MP, 1280 x 960 Pixel Objektiv: 2,8 - 8 mm (F1,2)

Eigenschaften: Hohe Empfindlichkeit, Autofokus
Anastasia Shutkina Im Zusammenhang mit der zunehmenden Verbreitung von Edge-Videoüberwachung in Sicherheitssystemen hat in der Fachwelt eine Diskussion darüber begonnen, welche Kameras sich am besten für die Erkennung eignen. Autokennzeichen

– analog und IP. Den Beiträgen in Foren, darunter auch auf sec.ru, nach zu urteilen, gibt es genügend Experten, die glauben, dass der Einsatz von IP-Kameras für niemanden effektiv ist. Wir haben versucht, auf die Situation des Berichts zu reagieren – wir haben schließlich verschiedene Veröffentlichungen des ZMI erfahren und Interviews mit Experten geführt.

Geringe Empfindlichkeit: das „ewige“ Problem von IP-Kameras?

Eines der Hauptargumente von Skeptikern ist, dass IP-Kameras zur Erkennung von Nummernschildern in einer viel höheren Ausleuchtung der Szene eingesetzt werden, nicht analog. Gleichzeitig kommt es aufgrund der Notwendigkeit, einen „kurzen“ elektronischen Verschluss (nicht länger als 1/500 Sekunde) zu verwenden, zu Geräuschen, die es tagsüber und nachts unmöglich machen, Nummernschilder zu erkennen Nachtlicht. Eine weitere typische Beschwerde über IP-Kameras ist die Notwendigkeit, den Netzwerkübertragungsverkehr zu sichern. Finden eines Kompromisses zwischen dem Grad der Komprimierung und der Genauigkeit der Bilddetailübertragung. Yu.L. Zarubin, Generaldirektor des Unternehmens „Technologies of Discovery“

sagt zu seinem Fahrer: „Ich verstehe, dass die meisten IP-Kameras nicht für die Erkennung von Nummernschildern geeignet sind, da es schwierig ist, Informationen zu erfassen, ohne Rücksicht auf die Notwendigkeit, andere Details zu bewahren. Ein weiterer Nachteil von IP-Kameras besteht darin, dass viele Informationen übertragen werden müssen und die Erkennung daher ein hohes Maß an Zugriff erfordert. Bis heute sind alle IP-Kameras, die ich verwendet habe, bei der Nummernerkennung noch schwächer. Der Gestank entsteht eigentlich nur tagsüber und im tiefsten Inneren.“

Um noch mehr zu überraschen, ist die Situation hier jedoch ganz anders. Zunächst müssen zwei unterschiedliche Situationen unterschieden werden: die Erkennung von Nummernschildern auf Parkplätzen (der Verkehrsfluss ist nicht besonders groß, aber die Beleuchtungsstärke reicht für den Betrieb von IP-Kameras aus) und auf Autobahnen (der Verkehrsfluss ist gering). Der Verkehr ist hoch, und oft gibt es starken und leichten Verkehr, es muss nicht zu groß sein. Es scheint, dass in der verbleibenden Situation die Stagnation von IP-Kameras den größten Strombedarf erfordern würde. Nadaemo-Wort: „In jüngerer Zeit ist der größte Übergang zur Stagnation von Megapixel-Fernsehkameras, die nicht nur für die Erkennung von Nummernschildern, sondern auch für die Überwachung des Straßenverkehrs typisch sind, die hohe Geschwindigkeit des Fahrzeugverkehrs.“ Um sicherzustellen, dass Nummernschilder und Bilder der Autos selbst bei hoher Geschwindigkeit nicht verwackeln, muss der elektronische Verschluss auf eine hohe Geschwindigkeit eingestellt werden. Außerdem sinkt die Empfindlichkeit im Vergleich zu den Standardwerten der Akkumulationszeit um etwa eine Größenordnung, da man bei Megapixel-Fernsehkameras voraussichtlich im Bereich von 1/50–1/60 s liegt. In der verbleibenden Stunde treten jedoch empfindlichere Matrizen auf die kürzeste Beziehung Die Signal-/Rauschverteiler von Megapixelkameras haben erhebliche Fortschritte gemacht und verfügen nun über Modelle mit beweglichem IR-Filter. Danach sind diese Kameras für den Einsatz in Klimatisierungssystemen geeignet.

Zwar kommen analoge Kameras ohne zusätzliche Beleuchtung nachts problemlos mit der Erkennung zurecht, das ist also nicht ganz richtig. Die Verwendung der meisten Kennzeichenerkennungsmodule wird dringend empfohlen zusätzliche Unterstützung- Hochimpuls-IR-Strahler. Die Lichtmenge in solchen Strahlern ermöglicht es Ihnen, den Bereich des Videoüberwachungsobjekts für eine Kamera zu beleuchten. Somit ist das Schema für das Erkennungssystem wie folgt: 1 Dark Rock = 1 Kamera + 1 IR-Scheinwerfer Prote, mit solch einem kompetenten Ansatz wirken IP-Kameras Wunder. Die gleiche Empfindlichkeit von Edge-Kameras (insbesondere solchen mit CCD-Matrizen, nicht CMOS) wird von analogen Kameras fast geopfert. Daher ist es richtig, eine IP-Kamera zu wählen, deren Blickwinkel nicht schlechter ist als bei analogen Kameras.

M.V. Rutskov, Generaldirektor des Megapixel-Unternehmens, sagt:„Im Moment haben wir großen Respekt vor den Bedingungen. Verstehen Sie, dass die IP-Kamera umfassender eingesetzt werden kann. Wenn wir über unsere Galuz sprechen, gibt es viele Kameras mit Farb-CMOS-Sensoren, integrierter Komprimierung und einem FastEthernet-Ausgang. Das sagen sie über ihre Kameras – die Beweise sind negativ, solche Kameras können nicht zur Erkennung von Nummernschildern verwendet werden. IP-Kameras mit CMOS-Sensoren haben eine geringe Empfindlichkeit und funktionieren im Dunkeln praktisch nicht. Analoge Kameras sind empfindlicher und funktionieren nicht separat. Solche Kameras haben beispielsweise eine effektive Lagerbreite von mehr als 2 Metern, wodurch die DIBDR-Anforderung an Bedeutung verliert. Wenn wir also über „High-School“-Eingänge sprechen – Autos, Parkplätze, Kontrollpunkte – dann liegt der Vorteil bei analogen Kameras. Da es aufgrund der Anforderungen des DIBDR „breite“ Straßen gibt, wird diese Situation nur durch Megapixel-Schwarzweißkameras aus der Bildverarbeitung vermieden – es gibt keine Komprimierung und eine hohe Empfindlichkeit gegenüber der Verzerrung von CCD-Sensoren.“

Vorteile des IP-Kamera-Wikis.

Lassen Sie uns über die Vorteile stagnierender IP-Kameras sprechen. Sie arbeiten zunächst ohne Verbindung, bis sie „aufsteigen“, während analoge Kameras den Auftrag eines Registrars oder beispielsweise eines Videoservers verraten. Es spielt keine Rolle, wie problematisch dies auf einer langen Strecke sein kann.

„Immer häufiger werden IP-Kameras zum Erkennen von Nummernschildern eingesetzt, da sie es einfach machen, Bilder auf hoher Ebene aufzunehmen und darüber hinaus das Mug Ruhu zu überlappen. Zu den unglaublichen Vorteilen von IP-Kameras gehört die einfache Installation – es ist einfacher, beispielsweise dasselbe Koaxialkabel anzuschließen, Sie können Wi-Fi mit dem Netzwerk verbinden. nicht benötigt"

Ein wichtiger Vorteil von IP-Kameras ist die einfache Systementwicklung – sie sind einfach so konzipiert, dass sie leicht skalierbar sind. Abteilungen des Systems Videowarnung. Seine große Auswahl an Einstellabständen ermöglicht maximale Bildschärfe in unterschiedlichen Köpfen, und die Verfügbarkeit einer Hochgeschwindigkeits-Signalumwandlung (leistungsstarke Situationen mit analogen Kameras) ist bei Robotern größer.

R.V. Striltsev, Generaldirektor der Firma „Navicom“, sagt:

Bei der Kennzeichenerkennung sind IP-Kameras derzeit sehr erfolgreich. Ihre Hauptvorteile sind die einfache Installation und die hohe Helligkeit des aufgenommenen Bildes, während der Hauptnachteil offenbar die geringe Lichtempfindlichkeit ist.“

Darüber hinaus ermöglichen Ihnen IP-Kameras die Verwendung eines progressiven Bildes und können problemlos das eingeschränkte Signal überwinden, wodurch Sie Platz auf digitalen Geräten sparen können. Nun, es wurde klar, sogar wichtig, dass der Gestank schon mehr bedeutete M.V. Ruzkow, ermöglichen, dass das Problem von der Regierung gelöst wird. Im Zusammenhang mit dem Paar Yu.V. Buchtijarow bedeutet:

Durch den Einsatz von Megapixel-Fernsehkameras zur Nummernschilderkennung können wir ein wichtiges technisches Problem lösen, mit dem wir derzeit konfrontiert sind. Um Nummernschilder in der Breite eines Streifens zu erfassen, wird ein separater Satz analoger Fernsehkameras installiert, die in Nummernschilderkennungssystemen verwendet werden. Straße Ruhu. Jedes Mal, wenn ein Auto in zwei Richtungen vorbeifährt, erscheint daher sein Nummernschild in den Bildern, die von zwei auf dieses Bild gerichteten Fernsehkameras aufgenommen wurden, „zerschnitten“. Um diese Situation zu verhindern, installieren Installateure analoge Kameras so, dass die Ränder des Sichtfelds die Sichtfelder der Satellitenkameras überlappen. Dies wird natürlich zu Fortschritten im Projekt führen. Megapixelkameras machen es einfach, dieses Problem mit nur einem Gerät zu lösen.“

Somit ist der Einsatz von IP-Kameras für Kennzeichenerkennungssysteme nicht nur legal, sondern ermöglicht auch den Wegfall vieler zusätzlicher Vorteile, die für ihre analogen „Zwillinge“ wichtig sind.

Nummernschilderkennung: Welche Kameras sind hinter uns?

JA. Gorbanew:„Mir scheint, dass Edge-Kameras gegenüber analogen Kameras dominieren werden – das ist eine Entwicklung, die nirgendwohin führen wird. Im Moment gibt es natürlich analoge Kameras, die aufgrund anderer Eigenschaften die Grenzen um eine Größenordnung überschreiten, zum Beispiel für die Empfindlichkeit, soweit ich mit besonderer Freude weiß, ist es notwendig, die IR zu stagnieren Umschalten, damit die Tageszahl besser sichtbar ist und man ihn leichter erkennen kann. Diese Technologien stehen nicht still, sondern entwickeln sich weiter, und ich denke, dass IP-Kameras letztendlich den Weg weisen werden. Ich werde noch nicht kommen und ich habe meine Arbeit satt …“

R.V. Strilziw:„Was auch immer in der Zukunft passiert, es ist klar, dass IP-Kameras nicht stillstehen werden, solange die Technologie bestehen bleibt. Stellen Sie sicher, dass die Hemstone-Kammern unter einer Stunde gefroren sind korrekte Installation„Jetzt schaue ich mir die Bedienung des elektronischen Verschlusses und des Objektivs sowie die Lichtkompensation an.“

Yu.L. Zarubin:„Ich denke, die Zeit wird kommen, in der die schmalen Kameras das Problem der Arbeit in den Köpfen der Erde ans Licht bringen.“

EIN V.„Früh und spät haben alle begonnen, auf IP umzusteigen. Natürlich muss darauf geachtet werden, dass Änderungen vorgenommen werden und alle möglichen Änderungen und Vorschriften vorgenommen werden, um den gleichen Besitz zu erhalten. Deshalb wird es bald analog sein und in Zukunft werden IP-Kameras definitiv durch analoge ersetzt.“

EIN V.

Korobkov, Entwicklungsdirektor des Einzelhandelsunternehmens MACROSCOP:

Wir haben selbst begonnen, in IP-Kameras zu investieren. Unsere Produkte basieren nur auf ihnen und orientieren sich. Unsere Nachweise haben gezeigt, dass Sie bei richtiger Auswahl der Systemkomponenten, installierter und eingestellter Signale eine zuverlässige Erkennung von Kfz-Kennzeichen bei Geschwindigkeiten von bis zu 150 km/Jahr ermöglichen. Vor diesem Hintergrund ist die Modernisierung von Systemen bei IP-Kameras viel schneller und einfacher als bei analogen Kameras, sodass wir uns daran erinnern, was in naher Zukunft wie verrückt hinter IP-Kameras passiert.“

Einrichtung von IP-Kameras zur Rufnummernerkennung: Umsetzungsbeispiel. Wie wir vor allem glaubten, sind sich fast alle Experten einig, dass IP-Kameras die Zukunft sind, aber wen interessiert es, dass sie heute kaum besser sind als analoge Kameras? Trotzdem haben Einzelhändler aus Perm kürzlich ein Modul zur Nummernschilderkennung in ihr Sortiment aufgenommen MACROSCOP-SOFTWARE

– Das Einzige ist, dass wir nicht mit analogen Kameras arbeiten. Wir haben sie kontaktiert und Material darüber gesammelt, wie dieses Modul installiert wurde.

Das Modul bietet folgende Funktionalitäten: Rozpiznavannya Registrierungsnummern
Trockene Autos aus den Speichern in den Archiven von Informationen über die Stunde, das Datum, die Autonummer und auch an einen separaten Videorahmen gesendet.
Suche nach der Anzahl der in der Kartei eingetragenen Verkehrsmittel in Echtzeit.
Arbeiten Sie mit einer integrierten Kartei von Kfz-Kennzeichen, mit der Sie Kennzeichen hinzufügen und bearbeiten, zusätzliche Informationen zu Transportmöglichkeiten eingeben, Inventarlisten und/oder Informationslisten erstellen können.

Durchsuchen Sie das Archiv der Transportabteilung nach Stunde, Datum, Wagennummer und weiteren Informationen aus den Kartendateien.

Das Modul ermöglicht:
Verarbeiten Sie den Videostream mit Geschwindigkeiten von 6 und 25 Bildern pro Sekunde. Erkennen Sie Nummernschilder mit einem vertikalen Winkel der Videokamera bis zu 40° und einem horizontalen Winkel von bis zu 30° sowie mit einem hohen Winkel des Souveräns Registrierungszeichen
bis zu 10° Ebenheit.
Erkennen Sie Standardnummerntypen, die den Standards Russlands, der Ukraine, der UdSSR, Weißrusslands und Italiens entsprechen, sowie Reverse-, Diplomaten- und Polizeinummern.
Geben Sie den Bereich an, um nach Änderungen der Abrechnungskosten zur Identifizierung der Nummer zu suchen.
Kennzeichen für schnelle Fahrzeuge bis 150 km/Jahr erkennen.
Erkennen Sie bis zu 10 verschiedene Zahlen gleichzeitig.

Lassen Sie uns zeigen, wie all diese Möglichkeiten in der Praxis umgesetzt werden. Für die Einrichtung des Robotermoduls gibt es ein spezielles Fenster (Abb. 1).

Abbildung 1. Einrichten des Kennzeichenerkennungsmoduls

Von Anfang an müssen Sie einen von zwei Robotermodi auswählen: „Parken“ (6 Bilder/Sek.) wird für langsamen Verkehr verwendet und „Straße“ (25 Bilder/Sek.) für langsamen Verkehr (z. B. eine Straße oder andere). Autobahn).

Um die Empfindlichkeit und Erkennung des staatlichen Kennzeichens gegenüber der Ebenheit der Fahrbahnoberfläche bis zu 10° zu erhöhen, reicht es aus, die Option „Nicht horizontale Nummern erfassen“ zu aktivieren. Für die Suche nach Umkehrnummern (z. B. Polizei- und Militärnummern) steht die spezielle Option „Nach Umkehrnummern suchen“ zur Verfügung.

Mit dem Einstellparameter „Zuverlässigkeitsschwelle“ können Sie die Nummernerkennungsrate in Mobiltelefonen ändern. Zahlen, deren Wert unter dem angegebenen Schwellenwert liegt, werden automatisch hochgerechnet. Mit einem weiteren Parameter „Anzahl nicht erkannter Zeichen“ können Sie automatisch Zahlen auswählen, bei denen die Anzahl der nicht erkannten Zeichen größer ist als die angegebene.

Parameter „Minimale Raumgröße“ und „Maximale Raumgröße“ – legen Sie die minimale und fest maximale Größe Zahlen in Hunderten von Frames. Sie können auch interaktiv auf der Kameraansicht eingestellt werden – indem Sie den rechteckigen Bereich erweitern, sodass die Wagennummer in der Mitte dieses Bereichs erscheint (Abb. 2).

Klein 2. Mindestraumgröße

Oskolki Minimierung der Rechenressourcen Mit hochwertigen Ergebnissen, dem Corporate Style von MACROSCOP und dem Kennzeichenerkennungsmodul wurde alles darauf ausgelegt, den Betrieb des Systems zu optimieren.

Vorab ist es möglich, die umliegenden Bereiche abzusuchen (Abb. 3) – in Zukunft kann es Teile des Rahmens geben, in denen das Erscheinen von Nummernschildern nicht möglich ist (z. B. in Usbekistan der Gehweg usw.) . Wenn keine Suchzonen angegeben sind, wird der nächste Frame analysiert, wie es bei vielen anderen Systemen üblich ist.

Abbildung 3. Suchzonen

Die Anpassung „Vikoristovat Autoscale“ reduziert den Berechnungsaufwand, wenn die horizontale Größe der Zahl 120 Pixel überschreitet. (Diese Situation entsteht, wenn zur Überwachung einer dunkelhäutigen Frau eine Kamera mit einem separaten Ausschnitt von mehr als 1 Mpix installiert ist und sich dadurch herausstellt, dass die Räume zu groß sind ).

Für diese Zwecke ist es auch möglich, den „Victory-Roc-Detektor“ einzurichten. Wenn er eingeschaltet ist, werden nur die Frames und Zonen analysiert, die Roc enthalten.

Es ist wichtig zu beachten, dass das Datenbanksystem in zwei Modi betrieben werden kann:

„Lokal“ – da die Kartei auf einem Server im System gespeichert ist, muss sie auf demselben Server installiert werden, auf dem die Nummernerkennung funktioniert.
„Vided“ – weil die Datei auf mehreren Servern gespeichert und gleichzeitig auf demselben Server verteilt wird. Es ist erforderlich, die Serveradresse und den Port anzugeben, für den die Zahlung erfolgen soll, sowie den Kontonamen und das Kontopasswort.

Abb. 4. Fenster „Nummernidentifikation“.

Für die Echtzeitüberwachung und Überprüfung des Archivs im Client verwenden Sie das Fenster „Nummernerkennung“ (Abb. 4), das drei Registerkarten enthält: „Überwachung“, „Archive“ und „Kartei“.

Die Registerkarte „Achtung“ (selbst wird in der schwebenden Ansicht angezeigt) dient der Überprüfung der Identifizierung von Nummernschildern in Echtzeit. Im unteren rechten Teil der Registerkarte befindet sich eine Liste möglicher Identifizierungsmöglichkeiten von Fahrzeugnummern.

Oben links auf der Registerkarte wird ein Rahmen angezeigt, der das Erscheinungsbild der Bühne anzeigt. Der Kanalname, die Uhrzeit und das Datum, die diesem Rahmen entsprechen, werden im Rahmen angezeigt. Die orangefarbene Linie im Bild zeigt das Auto, dessen Kennzeichen erkannt wurde. Der untere linke Rahmen zeigt ein größeres Bild des Kfz-Kennzeichens. Im unteren linken Teil des Fensters werden Zusatzinformationen angezeigt, und auf der rechten Seite der Zusatzinformationen befinden sich die Schaltflächen „Gehe zum Archiv“ und „Zum Archiv hinzufügen“.

Über der Liste im oberen rechten Teil befindet sich ein Filterfeld. Dies hilft Ihnen, die Daten zu filtern, die in der Liste der entsprechenden Nummern angezeigt werden. Im Bereich „Filtration“ können Sie Einstellungen vornehmen kommende Parameter Filterung:

Fahrzeugnummer;
Der Spitzname des Herrschers;
Die Gruppe, die die Autonummer enthält;
Der Kanal, auf dem die Nummer gezeigt wurde;
Weitere Informationen;
Shvidkist;
Autofarbe;

Der Reiter „Archive“ dient der Einsicht und Suche in den Archiven zur Identifizierung von Kfz-Kennzeichen. Die Funktionalität dieses Lesezeichens ähnelt der des Lesezeichens „Achtung“. Die Bedeutung liegt darin, dass die Namen der Nummernliste das Ergebnis einer Abfrage aus dem Hauptarchiv sind.

Auf der Registerkarte „Kartei“ (Abb. 5) für die Arbeit mit einer Kartei von Kfz-Kennzeichen können Sie Gruppen und Listen der Speicherung erstellen, Kennzeichen und damit verbundene Informationen hinzufügen, bearbeiten, löschen.

Abb.5 Reiter „Kartei“

Abb.6 Fenster „Gruppenverwaltung“.

Um Ihre Gruppe zum Spit hinzuzufügen, müssen Sie lediglich das Kontrollkästchen „Autos aus dieser Gruppe spucken“ aktivieren. Sie können den Modus auch drücken, um Zahlen direkt auf dem Bild des gewünschten Kanals anzuzeigen – von Ansichten bis hin zu kleinen.

Abb.7 Modus zur Anzeige von Zahlen direkt auf dem Bild

Wenn Sie die Option „Alle Nummern anzeigen“ auswählen, werden alle identifizierten Nummern (in grüner Farbe) und zur Überweisung hinzugefügte Nummern (in roter Farbe) angezeigt, und „Zur Überweisung hinzugefügte Nummern anzeigen“ – nur die zur Überweisung hinzugefügten Nummern angezeigt.

Nach Angaben der Entwickler des beschriebenen Moduls haben ihre praktischen Beweise gezeigt, dass IP-Kameras bei der Erkennung von Nummernschildern hervorragende Arbeit leisten, allerdings ist die Erkennung für die Nacht immer noch schlecht.

Es ist an der Zeit, dass wir berichten, wie die Implementierung des Nummernschild-Erkennungsalgorithmus voranschreitet: Was sich bei unseren Entscheidungen herausstellte, die wirklich schlecht liefen. Und nur um die Habra-koristuvachs zu würdigen: Selbst mit Hilfe von Android-Erkennungsprogrammen haben sie uns geholfen, eine anständige Datenbank mit Telefonnummern zu erstellen, die absolut ohne Verzögerung erfasst wurden, ohne Erklärung, wie man sie nimmt und wie nicht. Und die Bilddatenbank ist bei der Entwicklung von Erkennungsalgorithmen am wichtigsten!

Was aus dem Android Recognitor-Add-on hervorgegangen ist

Es war wirklich schön, dass die Hacker von Habr angefangen haben, das Programm herunterzuladen, es auszuprobieren und uns die Zahlen zu geben.

Entdecken Sie Programme und Bewertungen

Seit dem Hochladen des Programms auf den Server wurden 3.800 Nummern vom mobilen Programm erfasst.
Und noch mehr freuten wir uns über die Nachricht http://212.116.121.70:10000/uploadimage – in zwei Tagen wurden uns fast 8.000 Exemplare unterschiedlich großer Autokennzeichen (vor allem Wologda-Kennzeichen) zugesandt! Der Server ist möglicherweise ausgefallen.

Jetzt haben wir eine Datenbank mit 12.000 Fotos – vor einem riesigen Roboter mit ausgereiften Algorithmen. Alles fängt gerade erst an!

Ich möchte Sie daran erinnern, dass das Android-Add-on zuvor eine Nummer hatte. In diesem Artikel ist mir dieses Stadium nicht bekannt. Unser Gerät verfügt über einen Haar-Kaskadendetektor. Dieser Detektor wird nicht immer verwendet, wenn die Bildnummer stark gedreht wird. Eine Analyse, wie wir den Kaskadendetektor betreiben, falls nicht, folgt im nächsten Artikel. Es ist noch effektiver. Es scheint, dass dies ein schwarzer Bildschirm ist – der Detektor ist gestartet und es kann nichts anderes getan werden. Eigentlich ist es nicht so.

Allerdings ist ein Kaskadendetektor immer noch eine schlechte Option, wenn es um den Austausch von Rechenressourcen geht. Wenn das Autokennzeichen schlecht ist oder der Rahmen schlecht sichtbar ist, dann zeigt sich Haar auch mit anderen Methoden schlecht.

Nummernidentifikation

Hier ist eine Geschichte über das Erkennen von Text in Bildern wie dieser:

Die versteckten Ansätze sind notwendig, um die Beschreibungen in den ersten Statistiken zu erkennen.

Von Anfang an haben wir es uns zur Aufgabe gemacht, schwierige, oft ausradierte und gut geschaffene Zahlen perspektivisch zu erkennen.
Erstens ist es nicht schlecht, aber andererseits schien es, dass bei 100 % der Anfälle etwas Reines benötigt würde. Ring, es ist klar und es kommt. Hier hat es nicht geklappt. Es stellte sich heraus, dass die Erfolgsquote bei harten Zahlen bei 88 % lag, bei reinen Zahlen beispielsweise bei 90 %. Ich möchte von Fotos an wirklich sicher sein, dass ich ihn wiedererkenne App Vor erfolgreicher Übermittlung war klar, dass dieser sogar noch höher ausfallen würde als der angegebene Wert. Etwas weniger als 50 % sollten künftig abgebildet sein (damit die Leute nicht versuchen, Fotos zu machen). Tobto. Um die Nummer erfolgreich zu erkennen, musste mitten am Tag ein Foto der Nummer gemacht werden. Ich möchte wissen, warum die Anzahl der Verbindungen so gering ist, weil viele Leute versuchen, Zahlen vom Monitorbildschirm zu übernehmen, und nicht in einer realen Situation.

Für die Brutzahlen wird der gesamte Algorithmus verwendet. Es stellte sich heraus, dass in Moskau mittlerweile 9 von 10 Zimmern vollkommen sauber sind. Das bedeutet, dass es besser ist, die Strategie zu ändern und zwei separate Algorithmen zu erstellen. Wenn Sie schnell und zuverlässig eine saubere Zahl erkennen können, deren Ergebnis korrekt berechnet werden kann, aber wenn nicht, dann verbringen wir weitere drei Stunden mit dem Prozessor und führen einen anderen Algorithmus für schlechte Zahlen aus.

Ein einfacher Nummernschild-Erkennungsalgorithmus, der sofort implementiert werden würde

Woran erkennt man einen guten und sauberen Raum? Es ist überhaupt nicht schwierig.

Folgende Algorithmen scheinen möglich:

1) Rotationswiderstand (±10 Grad)
2) Beständigkeit gegenüber geringfügigen Maßstabsveränderungen (20 %)
3).

Außerdem werden bei sauberen und leicht lesbaren Zahlen alle Zahlen und Buchstaben gleich verstärkt, und es ist auch möglich, Bilder zu binarisieren und verwandte Bereiche mithilfe morphologischer Methoden anzuzeigen oder Konturen mithilfe bekannter Funktionen schnell zu erkennen.

Der Frame ist binarisiert

Hier können Sie auch einen Mittelpassfilter verwenden und das Bild normalisieren.

Das Bild zeigt zur Verdeutlichung einen kontrastarmen Rahmen.

Dann binarisieren Sie entsprechend einem festen Schwellenwert (der Schwellenwert kann festgelegt werden, da die Bilder normalisiert wurden).

Hypothesen zur Bildrotation

Eine Reihe möglicher Bilddrehungen sind akzeptabel. Zum Beispiel +10, 0, -10 Grad:

Der Methode wurde ein geringer Widerstand gegen die Drehung von Zahlen und Buchstaben verliehen, was bedeutet, dass ein so großer Drehbereich 10 Grad beträgt.
Der Hautrahmen wird direkt behandelt. Lassen Sie uns der Hypothese eine gute Wendung geben bestes Ergebnis, du kannst es schaffen.

Wählen Sie dann alle zugehörigen Bereiche aus. Die Standardfunktion wurde hier vikorisiert findContours Von OpenCV. Wenn der verbundene Bereich (Kontur) eine Höhe in Pixeln von H1 bis H2 hat und die Breite und Höhe sich auf die Beziehungen von K1 bis K2 beziehen, dann geht er im Rahmen verloren und es ist gemeint, dass in diesem Bereich ein solcher vorhanden sein kann ein Zeichen. In diesem Stadium ist es möglich, dass alle Zahlen und Buchstaben verloren gehen und Sie sich entscheiden, das Bild aus dem Rahmen zu nehmen. Nehmen wir rechteckige Ausstecher, um die Konturen abzugrenzen, bringen sie auf den gleichen Maßstab und bringen dann den entsprechenden Buchstaben/die entsprechende Zahl an.

Die durch die geradlinigen Konturen abgegrenzten Achsen entsprechen unseren Fähigkeiten:

Buchstaben/Zahlen

Die Bildqualität ist gut, alle Buchstaben und Zahlen sind klar voneinander getrennt, sonst wären wir nicht an diesen Punkt gekommen.
Alle Schilder werden auf die gleiche Größe skaliert, beispielsweise 20x30 Pixel. Stink-Achse:

Vor dem Sprechen wandelt OpenCV bei Auswahl von „Größe ändern“ (bei Verkleinerung auf eine Größe von 20 x 30) das binarisierte Bild in einen Farbverlauf für die Interpolationsskala um. Sie müssen die Binärisierung wiederholen.

Und jetzt ist der einfachste Weg, mit den bekannten Bildern von Zeichen zu vergleichen, die Verwendung von XOR (normalisierter Hamming-Abstand). Zum Beispiel so:

Abstand = 1,0 - |Sample XOR Image|/|Sample|

Ist der Abstand größer als der Schwellenwert, dann ist es wichtig, dass wir das Zeichen gefunden haben, kleiner – wir werden abgewiesen.

Litera-Ziffer-Ziffer-Ziffer-Litera

Ja, das ist nur ein Scherz Autoschilder Die Russische Föderation selbst hat dieses Format. Dabei ist darauf zu achten, dass die Zahl 0 und der Buchstabe „o“ nicht identisch sind, die Zahl 8 und der Buchstabe „v“. Alle Zeichen des Bösen sind rechts sichtbar und werden durch 6 Zeichen zusammengefasst.
Zeitkriterium - Buchstabe-Ziffer-Ziffer-Ziffer-Buchstabe-Buchstabe (0/o, 8/v nicht vergessen)
Kriterium zwei – Hervorhebung der unteren Grenze von 6 Zeichen pro Zeile

Die Gesamtpunktzahl für eine Hypothese ist die Summe der Hamming-Distanz aller 6 Ziffern. Je mehr desto besser.

Da außerdem die Gesamtzahl der Okulare kleiner als der Schwellenwert ist, ist es wichtig, dass wir 6 Ziffern der Zahl gefunden haben (ohne Region). Wenn er größer als der Schwellenwert ist, verwenden wir einen starken Algorithmus für schlechte Zahlen.

Hier können Sie einen Blick auf die Buchstaben „N“ und „M“ werfen. Zu diesem Zweck ist es notwendig, einen eigenen Klassifikator zu entwickeln, beispielsweise für ein Histogramm von Gradienten.

Region

Oberhalb der Linie unterhalb der 6 bereits bekannten Schilder – Region – befinden sich zwei oder drei Schilder. Wenn die dritte Ziffer relevant ist und die Ähnlichkeit größer als der Schwellenwert ist, besteht die Region aus drei Ziffern. Ansonsten ab zwei.

Allerdings verläuft die Erkennung einer Region oft nicht so reibungslos, wie man es gerne hätte. Die Zahlen in der Region sind kleiner und können möglicherweise nicht erfolgreich geteilt werden. Dadurch kann die Region besser erkannt werden und ist resistenter gegen Störungen/Lärm/Kritik, was wir im Folgenden beschreiben werden.

Ich werde alle Details zum Algorithmus beschreiben, die nicht offengelegt werden müssen. Teilweise durch diejenigen, die das Layout ihres Algorithmus bereits herausgeschnitten haben und die Möglichkeit haben werden, zu protestieren und seine Vorteile Tausenden darzustellen. Wenn die Zahl gut und sauber ist, ist es notwendig, die Zahl in Zehntel-Millisekunden zu erkennen, andernfalls erscheint die Meldung „funktioniert nicht“ und man muss mit einem ernsteren Algorithmus fortfahren.

Der Algorithmus ist bis zu großen Zahlen stabil

Es ist klar, dass der Algorithmus im Allgemeinen überhaupt nicht funktioniert, da die Zeichen auf der Zahl durch die schmutzige Helligkeit des Bildes (die Brut, das schmutzige separate Gebäude, den Schatten oder das Haus in der Nähe) zusammenkleben.

Die Zahlenachse wird angewendet, wenn der erste Algorithmus nichts hervorbringt:

Möglicherweise verstecken Sie sich zwischen den Nummernschildern und finden dann mitten im Gesangsbereich Schilder mit genau derselben Ausrichtung und demselben Maßstab. Und Schmutz – heiße Binarisierung!

Suchen Sie nach der Unterseite zwischen den Zahlen

Die einfachste und fortschrittlichste Stufe dieses Algorithmus. Wir sortieren die Liste der Hypothesen, indem wir die Hauthypothese drehen, indem wir das Pixelhelligkeitshistogramm entlang der horizontalen Linien für die untere Bildhälfte drehen:

Wir wählen das Maximum des Farbverlaufs und daher ist es wichtig, die unten stehende Zahl zu reduzieren. Vergessen Sie nicht, den Kontrast einzufärben und die Bildachse zu entfernen:

Es ist wichtig, nicht nur das Helligkeitshistogramm, sondern auch das Dispersionshistogramm und das Gradientenhistogramm auszuwählen, um die Zuverlässigkeit des Zahlentrimmens zu erhöhen.

Schauen Sie sich die Oberseite zwischen den Zahlen an

Hier ist es nicht mehr so offensichtlich, es stellte sich heraus, wenn man das hintere Nummernschild aus den Händen nimmt, dann kann die Oberkante stark gebogen sein und oft die Schilder verdecken oder in den Schatten fallen, wie in diesem Fall:

Im oberen Teil der Zahl gibt es keinen scharfen Helligkeitsübergang und in der Mitte ist der maximale Gradient sehr dünn.

Wir sind auf nicht ganz triviale Weise aus der Situation herausgekommen: Wir haben den Haar-Kaskadendetektor auf die Hautnummer und den Hautbuchstaben angewendet, alle Zeichen im Bild gefunden und so die oberste zu zeichnende Linie festgelegt:

Es schien, als ob hier etwas nicht stimmte – wir kannten die Zahlen und Buchstaben bereits! Nun, es stimmt, der Haar-Detektor kann Gnade zeigen, aber wir haben hier 7-8 Zeichen. Ein gutes Beispiel für die Zahl 4. Da die obere Grenze der Zahl bei der Zahl 4 liegt, ist es überhaupt nicht schwierig, die Zahl 7 hinzuzufügen. Was, bevor wir sprechen, ist, was passiert ist Diese Anwendung. Andererseits stimmt die Obergrenze der gefundenen geraden Messer, ungeachtet der Gnade des Detektivs, tatsächlich mit der Obergrenze des Nummernschilds überein.

Finden Sie die genauen Zahlen heraus

Es gibt nichts Schwieriges – absolut das Gleiche wie unten. Zu beachten ist, dass die Helligkeit des Farbverlaufs des ersten oder verbleibenden Zeichens in einer Zahl häufig die Helligkeit des Farbverlaufs der vertikalen Grenze der Zahl übersteigen kann. Daher wird nicht das Maximum, sondern der erste Farbverlauf ausgewählt das den Schwellenwert überschreitet. Ebenso ist es beim unteren Kordon notwendig, eine Reihe von Hypothesen entlang des oberen Kordons zu klären, da perspektivisch die Rechtwinkligkeit der vertikalen und horizontalen Grenzen überhaupt nicht gewährleistet ist.

Ozhe, die Achse der guten Beschneidungszahl:

Also! Besonders empfehlenswert ist das Einfügen eines Rahmens mit der gleichen Nummer, der erfolgreich erkannt wird.

Es gibt nur eine Sache, über die man sich Sorgen machen muss: Bis zu diesem Zeitpunkt können 5 bis 15 % der Nummern falsch zugeordnet werden. Zum Beispiel so:

(Bevor Sie sprechen, hätten Sie uns meines Wissens die gleiche Taxinummer schicken sollen – das Format ist nicht Standard)

Es war alles nötig, um die Berechnung zu optimieren, also gingen wir alle möglichen Positionen durch, die bei ihrer Suche gefundenen Maßstäbe und Zeichen waren sehr aufwändig zu berechnen.

Teilen Sie die Reihe in Zeichen auf

Leider kann man durch die Perspektive und nicht durch die Standardbreite aller Schilder die Zeichen in der bereits beschnittenen Zahl erkennen. Auch hier verwende ich das Helligkeitshistogramm und auch die X-Achse:

Das Einzige, was man tun kann, ist, zwei Hypothesen zu verfolgen: Die Symbole beginnen sofort und ein Maximum an Histogrammen kann übersprungen werden. Dies liegt daran, dass auf manchen Nummernschildern die Schraube bzw. der Schraubenkopf des Nummernschilds wie ein Symbol erscheint oder überhaupt nicht sichtbar ist.

Erkennung von Symbolen

Die Dosierungsbilder sind nicht binärisiert, wir sammeln alle enthaltenen Informationen.

Hier gibt es noch andere Symbole, daher ist Kovarianz wichtig, um das Bild am Hintern auszurichten:

Ausdrücke für Nivellierung und Vagi während der Kovariation:

Natürlich ist es nicht möglich, den hinter den horizontalen Histogrammen und Symbolen sichtbaren Bereich einfach zu nivellieren. Es ist notwendig, an einer Reihe von Hypothesen zu arbeiten, die auf Verschiebung und Maßstab basieren.
Anzahl der Hypothesen für Positionen entlang der X-Achse = 4
Anzahl der Hypothesen für Positionen entlang der Y-Achse = 4
Anzahl der Hypothesen pro Skala = 3

Daher ist es für den Hautbereich bei Ausrichtung auf ein Zeichen erforderlich, die 4x4x3-Kovarianzen zu erweitern.

Wir kennen bereits 3 tolle Zahlen. Das sind 3 x 10 x 4 x 4 x 3 = 1440 Level.

Dann bin ich mit einem Buchstaben wütend und mit zwei rechtshändig. Buchstabe für Nivellierung 12. Die Anzahl der Nivellierungen beträgt 3x12x4x4x3 = 1728

Wenn wir 6 Zeichen haben, dann sind sie alle Rechtshänder – Region.

Die Region kann zwei- oder dreistellig sein – dies muss jedoch bestätigt werden. Teilen Sie den Bereich mithilfe der Histogrammmethode auf, auch wenn die Bildhelligkeit möglicherweise zu niedrig ist. Deshalb können wir einfach die Zahlen des Bösen rechts herausfinden. Ausgehend von der oberen linken Ecke müssen Hypothesen entlang der X-Achse, Y-Achse und des Maßstabs erstellt werden. Wir kennen den größten Gewinn. Wir bewegen uns um einen bestimmten Betrag nach rechts und schauen erneut. Das dritte Zeichen wird linkshändig vom ersten und rechtshändig vom anderen gesucht. Da die Ähnlichkeit des dritten Zeichens mit dem dritten Zeichen größer als der Schwellenwert ist, haben wir Glück – die Regionsnummer besteht aus drei Ziffern.

Visnovki

Die Praxis der Anwendung des Algorithmus (ein weiterer im Artikel beschriebener) hat nun die allgemeine Wahrheit zum Zeitpunkt der größten Erkennungsaufgabe bestätigt: Zum Zeitpunkt der Erstellung von Algorithmen ist eine wirklich repräsentative Basis erforderlich. Sie konzentrierten sich auf die groben und schäbigen Zahlen, weil Die Testbasis wurde aufgeladen. Und ehrlich gesagt oft fertig schmutzige Zahlen Es war notwendig, das herauszufinden, aber bei der ersten Wahl gab es möglicherweise keine Reinräume.

Die Kehrseite der Medaille ist ans Licht gekommen: Die Situation ist für die Koristuvach von geringer Bedeutung, wenn das automatische System nicht völlig primitiv funktioniert. „Na, was kann man hier nicht lesen?!“ Und diejenigen, bei denen das automatische System die unhöfliche oder schäbige Nummer nicht erkennen konnte – das wird geklärt.

Im Großen und Ganzen ist dies unser erster Beweis für die Entwicklung des Anerkennungssystems für die Massenbevölkerung. Und es ist leicht, über solche „Dribnitsy“ wie über Koristuvachs nachzudenken. Gerade ist ein Hacker bei uns eingetroffen, der ein ähnliches Recognitor-Programm für iOS entwickelt hat. Die Benutzeroberfläche bietet die Möglichkeit zu sehen, was gerade auf dem Server abstürzt, auszuwählen, welche der erforderlichen Zahlen Haar gesehen hat, und die Möglichkeit, den erforderlichen Bereich im Frame zu sehen, der bereits „eingefangen“ wurde. Und es ist einfacher, sich daran zu gewöhnen. Die automatische Erkennung ist keine sinnlose Funktion, ohne die nichts geht, sondern lediglich ein Helfer.

Um über ein System nachzudenken, in dem die automatische Erkennung von Bildern harmonisch und praktisch sein wird, war es für die Wissenschaftler nicht einfacher, als Erkennungsalgorithmen zu entwickeln.

Und natürlich vermute ich, dass es sich um einen braunen Artikel handelt.

Schauen wir uns den Bericht über die Fähigkeit einer IP-Kamera an, Nummernschilder zu lesen.

Sie können diese Methode als Vikory verwenden:

automatisches Öffnen der Schranke zum Zeitpunkt der Einfahrt in das kontrollierte Gebiet;
Automatisierte Verhängung von Bußgeldern bei Verstößen gegen die Fahrregeln im Erfassungsbereich einer Kennzeichenerkennungskamera.
zum automatischen Einparken, basierend auf den Fahrzeugdaten.
private Informationen über die Entdeckung benötigte Maschinen Der Weg besteht darin, die Zahlen mit der Datenbank abzugleichen.

Alle diese Analyseprozesse werden von einer internen Software im automatischen Modus oder mit konfigurierten und festgelegten Funktionen vom Client über ein auf dem Server installiertes Sicherheitsprogramm verarbeitet. Wenn Sie beginnen, eine IP-Kamera zur Erkennung von Nummernschildern zu verwenden, sollten Sie sich mit den Anweisungen zur Installation, Einstellung und Bedienung des Geräts vertraut machen. Die Nummernschilderkennungskamera von Merezheva kann einen anderen Formfaktor und eine andere Installationsart haben. Wählen Sie die Spur mit den aktuellen Methoden und Denkweisen aus.

Wir schlagen vor, in unserem Online-Shop IP-Kameras zur Nummernschilderkennung zum Preis von 3.000 Rubel zu kaufen. Die Website enthält alle notwendigen Informationen zum Gerät.

Eigenschaften einer IP-Kamera zur Nummernschilderkennung

Wenn Sie eine IP-Kamera mit Nummernerkennungsfunktion hinzufügen möchten, machen Sie sich zunächst mit deren technischen Eigenschaften vertraut.

Liste der technischen Merkmale:

Elektrische Parameter.
Art der Softwaresicherheit, Zuverlässigkeit des Systems.
Ich liebe die IP-Kamera.
Ich schaue mich mal um.
Erlaubt.
Art der Installation und Verbindung.
Fließende Informationsverarbeitung, Suche nach Gewissheiten.
Schnelligkeit des Darlehens, schreiben Sie es auf.
Temperaturregime Roboterkameras.
Der maximal zulässige Feuchtigkeitsgehalt des Windes
Bewertung der Marke Virobnik auf dem Markt für Kontrollsysteme und Videowarnung, vidguki koristuvachiv.
Abmessungen, ich füge ein Loch hinzu.
Komplettset, Verfügbarkeit der für die Montage benötigten Befestigungselemente, Bedienungsanleitung.

Die in diesem Abschnitt vorgestellten Kameras wurden von unseren Experten mit der Macroscop-Software „Kfz-Kennzeichenerkennung“ auf ihre Gültigkeit überprüft. In Kombination mit dieser Sicherheitssoftware sorgen unsere Kameras für Sicherheit permanente KontrolleÜber das geschützte Gebiet hinaus helfen wir bei der Suche nach der benötigten Maschine und automatisieren eine Reihe von Prozessen.

Durch die Auswahl eines Geräts, das alle Vorteile bietet, können Sie Ihre Bestellung auf der Website schnell abschließen. Wir liefern die Videokamera mit Nummernschildern in kürzester Zeit an den gewünschten Ort in Moskau.

Mit der aktuellen Videoüberwachung können Sie Informationen über den Verkehr von Autos und Fußgängern sammeln und bieten außerdem eine Vielzahl von Videoanalysefunktionen.

In privaten Organisationen und Unternehmen sind Funktionen zur Ermittlung der Anzahl der Agenten und zur Identifizierung von Personen erforderlich geworden.

Schauen wir uns die wichtige Funktion der Vergabe von Zahlensymbolen genauer an. Videosicherheitssysteme können per Zutritt an das Sicherheitssystem angeschlossen werden. Die Videokamera identifiziert die Nummer, und das Analysesystem erkennt etwaige Fehler bei der Nummernübertragung in der Datenbank und ermöglicht dem Zugangskontrollsystem die Einfahrt des Fahrzeugs.

Bei der Planung der Installation eines Videoüberwachungssystems ist es notwendig, die zugewiesenen Nummernzuweisungen für die Funktion der Überwachung von Fahrzeugen und Fußgängern zu erweitern. Videokameras zur Erkennung von Nummernschildern erfordern möglicherweise eine spezielle Einrichtung und Installation. Die Kamera ist möglicherweise stärker auf den Bereich gerichtet, in dem Personen vorbeigehen Transportmöglichkeiten. Daher ist es besser, Kameras zu installieren, die über ein unzerstörbares Objektiv verfügen. Der Gestank bietet einen zusätzlichen Vorteil in den Eigenschaften der Lichtempfindlichkeit.

Separater Aufbau der Zelle

Die hohe Trennung der Kammer bedeutet nicht, dass die zugewiesene Aufgabe der Kennzeichenerkennung eindeutig definiert ist. Rozrakhunkova, eine optimale Trennung kann die besten Ergebnisse liefern. Je weiter die Gebäude voneinander entfernt sind, desto größer ist die Lichtempfindlichkeit und desto größer ist die Anzahl der Räume mit schlechter Beleuchtung.

Wenn Sie eine Genehmigung benötigen, verwenden Sie die folgende Formel: (w/n)*p de w – die Sichtbreite des festen Nummernschilds; n – Nummernschildgröße; p - stellt die Breite der angezeigten und angezeigten Zahl in Pixel dar.

Werfen wir einen Blick auf die Größe des Fußendes: Die durchschnittliche Größe des Schildes beträgt 0,52 m, die Breite der kontrollierten Zone beträgt 3 m und die empfohlene Größe beträgt 200 Pixel. Nehmen wir diesen Beweis weg:

(w/n) * p = (3/0,52) * 200 = 1154 Pixel.

Von innen sieht man das als Alternative Die Kamera verfügt über ein Standard-HD-Videoformat (1280*720 Pixel). Dies gilt, wenn Sie 3–5 Meter von der Kamera entfernt stehen. Wenn der Ständer größer ist, werden die separaten Fächer der Kamera mehr benötigt. Wenn Ihre Entfernung 20 m beträgt, benötigen Sie eine Kamera mit einem Varioobjektiv. Bitte erlauben Sie sich, sich umzusehen, wodurch sich die Anzahl der Objekte auf dem Monitorbildschirm erhöht.

Eigenschaften von Videokameras zur Nummernschilderkennung

Dabei ist die Größe der Matrix selbst zu berücksichtigen. Eine tolle Mutter ist lichtempfindlicher. Um die Zahlen erkennen zu können, muss die Matrix mindestens 1/3 Zoll groß sein. Zur eindeutigen Identifizierung von Zahlen ist jedoch eine Matrix von 1/2 Zoll oder größer erforderlich. Zum Beispiel eine IP-Kamera mit einer Sony IMX 185-Matrix mit den Maßen 1/1,8.

Nicht weniger wichtig ist die Charakteristik des Lichts. Dieser Indikator gibt das Objektiv der Videokamera an und wird als F-Zahl angegeben. Er wird durch das Verhältnis der Brennweite zum Blendenöffnungswert charakterisiert. Die Signal-/Rauschcharakteristik wird mit höherer Lichtintensität besser, da mehr Licht auf die Matrix gelangt. Mit mehr Licht verändert sich das digitale Rauschen. Für die Zuweisung von Zahlen ist ein Helligkeitswert von F/1,4 oder höher erforderlich.

Sagen Sie es uns selbst Die besten Kameras Bitte geben Sie das Kennzeichen des noch dunklen Autos an. Deshalb benötigen wir einige Ratschläge zur richtigen Beleuchtung. Die meisten heutigen Kameras verfügen über IR-Beleuchtung, die Stummschaltung schaltet also in den Schwarz-Weiß-Fotomodus. Bei der Verwendung von IR wird die Kammer zusätzlich erhitzt, was zu einer Überhitzung des Flecks und damit zu einem Ausfall führen kann.

Wichtig ist die Anzahl der Bilder pro Sekunde. Empfohlen werden Kameras mit einer Frequenz von 25 fps. Auf Parzellen mit geringer Fließfähigkeit Verkehrsfluss Videokameras wechseln in den 12-fps-Modus oder weniger. Dadurch können Sie den Fokus auf das Gerät ändern, um Ihnen die benötigten Informationen besser bereitzustellen.

Entfernen der Videokamera

Um das gewünschte Ergebnis zu erzielen, muss der Besitz in den Köpfen des Rests von uns verankert werden.

Im Bild muss sich das Nummernschild des Autos nicht um 5° entlang der x-Achse bewegen.
Die Ausrichtung der Kamera beträgt bis zu 30°, sowohl horizontal als auch vertikal.
Um zwei Bilder aufzunehmen, können Sie die Kamera in der Mitte zwischen ihnen platzieren.
Die Höhe der Kamerainstallation sollte im Bereich von 2-6 Metern liegen.
Bei der Installation der Barrierebaugruppe ist eine Reparatur erforderlich, wodurch eine Barriere entsteht.
Nach der Installation der Kamera müssen Sie überprüfen, ob das Fotografieren bei Nacht angenehm ist. Der Blendenmodus ist auf „Auto“ bei 50 eingestellt.
Um die Scheinwerfer während der Dunkelheit abzublenden, benötigen Sie eine Kamera mit einer Viskosität von 1/1000 oder mehr.
Falls benötigt normale Aufhellung Straßen, stellen Sie die Tag-/Nachtfunktion auf „Auto“. Im anderen Fall wird das Smart Light auf die Position „Ein“ gestellt.
Die BLC- und WDR-Beleuchtung ist möglicherweise deaktiviert.

Um Nummernschilder automatisch in der Datenbank zu erfassen, benötigen Sie ein spezielles Programm für die Kamera oder den PC, das Nummernschilder erkennt. Es sind Kameras zum Verkauf aufgetaucht, die Autokennzeichen selbst erkennen können.