Система распознавания номеров транспортных средств

Рецепты надежного распознавания номеров автомобилей

Какие факторы нужно учесть при внедрении решения с распознаванием номеров транспортных средств, чтобы получить качественное распознавание и эффективную работу всей системы? В статье развеем миф, что качественное решение с распознаванием номеров стоит дорого, а полноценная автоматизация КПП требует интеграции с другими системами.

Система распознавания номеров актуальна для различных объектов

Примеры объектов, на которых востребованы решения с распознаванием номеров транспортных средств, – автотранспортные предприятия, заводы, автомобильные стоянки, гаражные кооперативы, коттеджные поселки, заправочные станции, пункты контроля въезда на территорию объекта и т.п.

Какого бы масштаба не был ваш объект, при создании решения по контролю проезда автотранспорта на территорию, в первую очередь ориентируйтесь на бизнес-задачи. Задачи могут быть разные: контроль въезда/выезда автомобилей на территорию, автоматизация работы сотрудников службы безопасности, учет автомобилей на территории, статистика и отчетность, реализация сложных сценариев въезда на территорию, например, установка ограничений для въезда или выезда определенного автотранспорта в зависимости от дня недели или времени суток.

Самое распространённое решение с использованием распознавания номеров автомобилей — решение по контролю доступа на объект.

Алгоритм работы подобного решения. Автомобиль подъезжает к закрытой территории, въезд или выезд на которую оснащен шлагбаумом или воротами. На въезде (выезде) установлена видеокамера. Видеокамера подключена к компьютеру, на котором установлено система распознавания VideoNet-AUTO PSIM. Система считывает номерной знак автомобиля. Дальше система сравнивает распознанный номер с базой данных номеров транспортных средств или базой данных номеров автомобилей системы контроля доступа. На основе результата сравнения распознанного номера и при выполнении настроенных сценариев доступа, система принимает решение об открытие проезда или его блокировке.

Уникальность решения VideoNet-AUTO PSIM

Основное преимущество VideoNet-AUTO PSIM — построение полноценной системы видеонаблюдения, системы распознавания номеров ТС и системы контроля и управления доступом в рамках одного решения. Такое решение является единым и не требует интеграции между системами. Для решения всего спектра задач используется одно программное обеспечение VideoNet. Модуль распознавания номеров встроен в программное обеспечение VideoNet PSIM. Пользователь подключает необходимое оборудование (камеры, контроллеры СКУД) и настраивает систему под свои задачи. Такой подход является максимально функциональным и простым для внедрения.

Комплексный подход к построению решения позволяют сократить инвестиции в инфраструктуру объекта.

На объектах с повышенными требованиями к безопасности можно организовать сложные сценарии доступа — многофакторную идентификацию — въезд может осуществляться по номеру транспортного средства плюс карта доступа или по номеру транспортного средства и отпечатку пальца водителя.

Модуль распознавания номеров ТС в VideoNet

Стоимость базового модуля распознавания за один канал распознавания 10600 рублей.

Для решения по контролю доступа на территорию используется модуль распознавания государственных номеров автотранспорта Base. Модуль распознавания автоматизирует процессы считывания и идентификации номерных знаков, облегчает поиск интересующих транспортных средств, автоматизирует въезд автомобилей на охраняемую парковку или территорию. Модуль работает с IP и аналоговыми видеокамерами. Решение с использованием модуля Base является лучшим решением на рынке по цене и функциональности.

Видеокамера — ключевой элемент системы распознавания.

От правильного выбора видеокамеры, ее настройки, выбора места установки зависит точность распознавания и соответственно эффективность работы всей системы. Мы собрали основные рекомендации, следуя которым, вы повысите качество системы распознавания. Итак, основные правила.

ПРАВИЛО №1. Разные камеры для разных задач

Используйте отдельную видеокамеру для распознавания номеров транспортных средств. Не пытайтесь решить с помощью одной видеокамеры две задачи: распознавание номеров ТС и обзорного наблюдения. Получить качественную систему распознавания при таком подходе у вас не получится.

ПРАВИЛО №2. Выбор разрешения камеры

Все автомобильные номера по ГОСТ Р 50577-2018 должны иметь строго определенные размеры и располагаться на определенном расстоянии от поверхности дорожного покрытия. На всех легковых, грузовых, грузопассажирских автомобилях, автобусах предусматривается наличие двух номерных знаков, один из которых располагается спереди, другой сзади.

Размер автомобильного номера — единый на всей территории РФ. Поэтому разрешение камеры можно подобрать по простой формуле.

Расчет разрешения камеры:

W – Ширина точки проезда в метрах

N – размер номера в метрах

P – рекомендованный размер изображения номера по ширине 150 -200 pix

Пример расчета разрешения камеры:

(6/0,52)*150= 1730 Pix

Ширина знака составляет 520 мм. У нас проезд 6 метров. Для проезда шириной 6 метров достаточно видеокамеры с разрешением 2МП.

Увеличение разрешения видеокамеры не улучшает качество системы распознавания и создает дополнительную нагрузку на ваш компьютер.

ПРАВИЛО №3. Частота кадров видеокамеры

Чем больше частота формирования кадров видеокамеры, тем больше кадров с номером каждого автомобиля будет сформировано во время его движения. Ниже приведены значения частоты кадров при различной скорости движения транспортных средств.

Если у нас решение по контролю доступа на территорию, где скорость движения транспортных средств до 30 км/ч, для качественного распознавания достаточно 6 к/с.

Расчет частоты кадров для разной скорости движения автомобиля:

до 30 км/ч – 6 кадров/сек.

до 70 км/ч – 15 кадров/сек.

до 150 км/ч – 25 кадров/сек.

до 270 км/ч – 60 кадров/сек

ПРАВИЛО №4. Фокусное расстояние (угол обзора), тип объектива

Ширина обзора камеры равна ширине проезда. Если известно заранее место установки, выбираем камеру с фиксированным объективом. Камера с фиксированным объективом за счет большей светосилы объектива дает лучший результат распознавания номеров транспортных средств.

Вариофокальный объектив выбираем в случае, когда точное место расположения камеры неизвестно. Такой вариант позволяет настроить систему распознавания непосредственно на месте монтажа.

Для повышения точности распознавания рекомендуем настроить в VideoNet зону распознавания. Будут распознаваться только номера автомобилей, которые попадают в заданную зону. Такой подход позволит исключить лишнюю информацию для системы распознавания и повысит качество распознавания.

ПРАВИЛО №5. Выбор выдержки объектива

На видеокамере должна быть возможность настройки выдержки.

Рекомендуемые значения экспозиции (выдержки, затвора) в зависимости от скорости движения автомобилей:

1/500 сек – до 30 км/ч

1/1000 сек – до 70 км/ч

1/2000 сек – до 150 км/ч

1/4000 сек – до 270 км/ч

ПРАВИЛО №6. Рекомендации по установке видеокамеры

Номер автомобиля должен размещаться в кадре целиком. Угол вертикального наклона не более 30°. Угол горизонтальной плоскости — не более 20°. Расстояние от камеры до автомобиля определяется характеристиками камеры.

ПРАВИЛО №7. Освещенность в зоне распознавания номера

Для распознавания номеров автомобилей освещенность в зоне распознавания номера должна быть не меньше 50 ЛЮКС. Рекомендуемые значения освещенности в зоне распознавания 100 -120 ЛЮКС. Рекомендуем использовать дополнительное освещение для эффективной работы системы в темное время суток — прожектор или ИК-прожектор. Тщательно относимся к выбору места установки, чтобы не было засветки номера.

Автомаршал

Система распознавания автомобильных номеров

Автомаршал – программное обеспечение для автоматического распознавания номеров автомобилей в транспортном потоке и в пунктах контроля. Применяется для автоматизации работы парковок, КПП и проходных предприятий, логистических и складских комплексов, учета транспорта на автомагистралях, весовых, автомойках и заправочных станциях, а также для управления доступом автомобилей на территорию многоквартирных жилых домов и загородных поселков.

Программное обеспечение (ПО) «Автомаршал» устанавливается на компьютер с операционной системой семейства Windows. К компьютеру по сети Ethernet подключается одна или более IP-видеокамер.

Система распознает номера автомобилей за счет анализа видео, поступающего с камер, и сохраняет информацию обо всех проехавших автомобилях в базу данных: дата/время проезда, направление проезда, изображение автомобиля, номер автомобиля, наименование камеры, комментарии и др.

Сопоставляя распознанные номера со списками и параметрами доступа, система дает команды внешним устройствам — шлагбаумам, воротам, светофорам.

Типовая схема системы «Автомаршал» со стационарным компьютером

Типовая схема системы «Автомаршал» с мини-компьютером Intel NUC

Данный вариант установки применяется на объектах с большим потоком машин (автомобильные трассы, городские дороги) и в аппаратно-программных комплексах «Безопасный город». Производительный мини-компьютер Intel NUC позволяет обрабатывать поступающие данные сразу на месте и передавать их из локальной базы данных в центральную, используя gsm-каналы данных с низкой пропускной способностью. Это исключает необходимость дорогостоящих работ по прокладке линий связи. Подробнее.

Ускорить и упростить монтаж системы на объекте поможет приобретение готового шкафа Автомаршал, в котором уже собраны все элементы, необходимые для установки системы с нуля.

Функционал системы позволяет:

  • создавать пользовательские списки доступа
  • отслеживать статистику и формировать отчеты
  • загружать сторонние базы данных
  • управлять исполнительными устройствами
  • рассчитывать время и стоимость парковки
  • взаимодействовать со СКУД, системами видеонаблюдения и комплексными системами безопасности

Программное обеспечение Автомаршал выпускается в двух модификациях: для скорости автомобилей до 30 км/ч и до 270 км/ч. Лицензирование осуществляется по количеству приобретаемых каналов распознавания – видеокамер, подключаемых к одному ПК.

Линейка программных продуктов Автомаршал включает также специализированную версию программного обеспечения Автомаршал.Gate и комплект средств разработки Автомаршал.SDK.


Преимущества Автомаршал

Быстрый старт. Интуитивно понятный интерфейс, не требующий от пользователя навыков программирования и администрирования. Установка и первоначальная настройка Автомаршал обычно занимают не более 30 минут.

Одновременное распознавание всех номеров в кадре. Автомаршал анализирует траекторию движения каждого транспортного средства в зоне видимости камеры, что обеспечивает одновременное распознавание номеров всех автомобилей в кадре и позволяет внести в журнал распознавания отдельные записи о каждом из них.

Гибкая настройка параметров распознавания. В Автомаршал можно блокировать повторные распознавания одного и того же транспортного средства, игнорировать неподвижные автомобили, распознавать номера транспортных средств, движущихся в определенном направлении и т.д.

Распознавание номеров России, СНГ и зарубежных стран. Перечень поддерживаемых стран постоянно расширяется. Реализовано распознавание одно- и двухстрочных автомобильных номеров, обычных, инверсных, а также специальных видов номеров. Актуальный список поддерживаемых стран доступен на automarshal.ru.

Неограниченное число списков доступа. Можно создать любое число списков доступа автотранспорта с индивидуальными настройками: по периоду действия, по дням недели, по времени суток, по числу проездов, по количеству доступных парковочных мест.

Статистика, уведомления и отчеты. Пользователь системы может получать сводные данные по числу въездов/выездов за любой период, просматривать проезды отдельного автомобиля, оценивать интенсивность движения транспорта по времени суток и т.д. Возможна отправка e-mail, SMS, Telegram уведомлений о проезде конкретного транспортного средства или автомобилей из выбранного списка.

Централизованное управление проездами. Возможность подключения нескольких модулей ввода-вывода позволяет работать системе на объектах с большим количеством территориально разнесенных въездов/выездов и управлять одновременно большим числом устройств из единого центра контроля. Централизация управления позволяет сэкономить на оснащении точек контроля (оборудование и ПО) и оплате труда персонала. Подробнее.

Возможности масштабирования. Данные о проезде автомобилей могут сохраняться как в локальную базу данных, так и передаваться в центральную базу данных, которая используется для хранения информации со всех установленных на объекте систем. Применение механизма репликации данных позволяет одновременно хранить их как в локальных базах, так и в центральной.

Надежное хранение данных. В Автомаршал используется индустриальная СУБД MS SQL Server, обеспечивающая надежность хранения данных и высокую скорость доступа к ним.

Удаленный доступ. Наличие web-клиента позволяет удаленно работать в программе через веб-браузер и с любого мобильного устройства. Пользователи системы могут удаленно создавать гостевые пропуска. Есть возможность открытия шлагбаума по телефонному звонку на gsm-модуль.

Интеграция со сторонними системами. Программное обеспечение Автомаршал легко интегрируется с системами контроля и управления доступом (СКУД), системами видеонаблюдения, системами весогабаритного контроля, автоматизированными парковочными системами и системами для автомоек/СТО. На этапе интеграции оказывается бесплатная техподдержка.

Дополнительные программные модули Автомаршал

Дополнительные программные модули позволяют расширить функционал базовой версии Автомаршал. Часть модулей поставляется бесплатно в составе программного обеспечения Автомаршал, другие приобретаются отдельно. Модульность системы позволяет сконфигурировать решение под конкретную задачу и не переплачивать за ненужный функционал.

Бесплатные модули

Платные модули

Дополнительные материалы

Предлагаем ознакомиться с самыми часто задаваемыми вопросами о системах распознавании вообще и о системе «Автомаршал» в частности в статье, опубликованной в журнале Control Engineering.

Сайт системы Автомаршал: automarshal.ru

Онлайн демонстрация работы Web-клиента: http://распознаваниеномеров.рф

ПО «Автомаршал» устанавливается на компьютер с операционной системой семейства Windows. К компьютеру по сети Ethernet подключается до восьми IP-видеокамер.

Поддерживаемые операционные системы:

Windows 7SP1/8.1/10* (32/64 бит)
Windows Server 2008R2/2012/2012R2/2016

* Windows 10 версии 1507 или более поздняя версия

Рекомендуемые параметры компьютера:

Для скорости автомобиля до 30 км/ч
Core i3-6XXX 2.7 GHz, ОЗУ 4 Гб (для обработки до 2 каналов распознавания)
Core i5-6XXX 2.7 GHz, ОЗУ 8 Гб (для обработки до 4 каналов распознавания)
Core i7-6XXX 2.7 GHz, ОЗУ 16 Гб (для обработки до 8 каналов распознавания)

Для скорости автомобиля до 150 км/ч
Core i3-6XXX 3.0 GHz, ОЗУ 4 Гб (для обработки 1 канала распознавания)
Core i5-6XXX 3.0 GHz, ОЗУ 4 Гб (для обработки до 2 каналов распознавания)
Core i7-6XXX 3.0 GHz, ОЗУ 8 Гб (для обработки до 4 каналов распознавания)
Core i7-5960X Extreme Edition 3.0 GHz или Core i7-6950X 3.0 GHz, ОЗУ 16 Гб (для обработки до 8 каналов распознавания)

Для скорости автомобиля до 270 км/ч
Core i5-6XXX 3.5 GHz, ОЗУ 4 Гб (для обработки 1 канала распознавания)
Core i7-6XXX 3.5 GHz, ОЗУ 8 Гб (для обработки до 2 каналов распознавания)
Core i7-5960X Extreme Edition 3.5 GHz или Core i7-6950X 3.5 GHz, ОЗУ 16 Гб (для обработки до 4 каналов распознавания)

Свободный USB-разъем для ключа защиты
Монитор разрешением 1280х720 или больше
Список рекомендуемых моделей процессоров см. на support.mallenom.ru

Примечание: при выборе компьютера для ПО Автомаршал рекомендуем придерживаться следующей логики – для анализа каждого видеоканала необходимо одно ядро процессора. Если необходимо анализировать более 8 каналов, то рекомендуем использовать сервера на базе процессоров Intel Xeon, например*:

Intel® Xeon® Processor E5-4660 v4 – (# of Cores/# of Threads) 16/32
Intel® Xeon® Processor E5-4667 v4 – (# of Cores/# of Threads) 18/36
Intel® Xeon® Processor E5-2699 v4 – (# of Cores/# of Threads) 22/44

По объему оперативной памяти – рекомендация 2 Гб на 1 видеокамеру.

*Приведены конфигурации процессора для распознавания номеров на видеопотоке разрешением 1280х720 пикселей.

Поддерживаемые видеокамеры:

Все IP-видеокамеры с возможностью установки фиксированного значения экспозиции (1/500 сек. – для скорости до 30 км/ч, 1/4000 сек. – до 270 км/ч) и автоматической диафрагмой (АРД). Общие требования и список рекомендуемых видеокамер указаны в документе ниже.

Дистанция распознавания: от 5 до 30 м (определяется объективом и используемой видеокамерой).

Угол наклона/поворота камеры: до 30°

Если у вас возникли вопросы по выбору оборудования, обращайтесь к специалистам технической поддержки ООО «Малленом Системс».

Техническое задание на ПО «Автомаршал» (для участия в аукционах):

Функционал типового ПО «Автомаршал»:

  • Обнаружение автотранспортных средств в зоне контроля и определение направлений их движения.
  • Распознавание государственных регистрационных номеров автомобилей.
  • Видеонаблюдение.
  • Ведение базы данных обнаруженных ТС, сохранение их изображений с возможностью просмотра и редактирования результатов распознавания ГРЗ.
  • Поддержка баз данных пользователя по автомобилям: типа «Клиенты», «VIP», «Розыск», «Черный список» и др.
  • Автоматический поиск распознанных номеров автомобилей в базах данных пользователя и при совпадении автоматическое реагирование по заданному пользователем сценарию.
  • Поиск по базе данных обнаруженных ТС по указанным пользователем критериям, формирование отчета по результатам поиска.
  • Разграничение доступа различных категорий пользователей к формируемым данным по паролям.

Дополнительные модули к ПО «Автомаршал»:

  1. Шкаф «Автомаршал» для питания, коммутации и управления внешними устройствами (шлагбаумы, светофоры, датчики, осветители и т.д.)

Включает в себя программное обеспечение + монтажный шкаф со следующим оборудованием: Ethernet-модуль ввода-вывода и блок питания и несколько реле с переключающим контактом (+24 В). Шкаф проектируется и изготавливается под Заказчика с учетом подключаемого оборудования. Предназначен для приема сигналов от вспомогательных датчиков, управления шлагбаумами и другими исполнительными механизмами, состав которых определяет Заказчик. Сигналы управления от ПК на блок коммутации передаются по сети Ethernet. Общее количество дискретных каналов в минимальном варианте поставки – 4. Удобен в монтаже и подключении.

  1. OEM-Модуль взаимодействия с внешними устройствами (шлагбаумы, светофоры, датчики и т.д.).

Позволяет принимать сигнал от датчиков и передавать сигнал на исполнительные устройства при совпадении распознанного номера с номером из пользовательской базы данных. Включает USB-модуль ввода-вывода (16 цифровых входов; 16 цифровых выходов) [*].

  1. Модуль учета времени нахождения транспортного средства на территории

Позволяет рассчитывать время и стоимость стоянки автомобиля на территории.

  1. Модуль отправки SMS-отчета

Позволяет передавать информацию о распознанном номере (при совпадении распознанного номера с номером из пользовательской базы данных) посредством sms-сообщений. Рассылка осуществляется с помощью smtp-сервера.

  1. Модуль отправки отчета на e-mail, ftp

Позволяет передавать отчет о распознанном автотранспорте (номер, дата и время, № камеры, направление движения), сформированный за определенный период на заданный электронный адрес с определенной периодичностью.

  1. Экспорт распознанных номеров в файл (форматы: .txt, .xml, .csv) для интеграции со сторонним ПО

Данные о распознанном автотранспорте (номер, дата и время, № камеры, направление движения) автоматически сохраняются в файл для дальнейшей работы со сторонним ПО.

  1. Web-клиент «Автомаршал»

Позволяет удаленно через web-браузер просматривать журнал регистрации проехавших транспортных средств, видео с подключенных камер и управлять пропусками с различных устройств (телефон, планшет, компьютер).

  1. Автомаршал-Клиент

Предназначен для работы с базой данных системы распознавания Автомаршал с дополнительного компьютера. Поддерживается просмотр журнала распознавания, создание и редактирование пропусков, формирование и печать отчетов. Для просмотра в Автомаршал-Клиент видео в реальном времени с видеокамер, подключенных к Автомаршал или любых других камер требуется приобрести программный модуль AM-Video1 на каждую подключаемую видеокамеру.

  1. Программный модуль передачи данных во внешнюю базу данных

Позволяет передавать информацию, сохраненную в журнал распознавания, во внешнюю по отношению к АМ базу данных. Лицензия распространяется на один экземпляр программного обеспечения Автомаршал вне зависимости от количества подключенных видеокамер. Подходит для применения в составе АПК “Безопасный город”.

  1. Программный модуль «Измерение скорости»

Позволяет подключить к системе радар Искра ДА/40 (данные измерения скорости записываются в БД вместе с результатами распознавания), имеется возможность выводить оповещения о превышении скорости и передавать события во внешние системы.

  1. AM-LED программный модуль для подключения светодиодного экрана

Позволяет подключать к ПО Автомаршал поддерживаемые светодиодные экраны и выводить на них сообщения для водителей. Состав сообщений настраивается.

[*] Блок питания и реле для OEM-модуля приобретаются самостоятельно (рекомендуемые модели уточнять у специалистов ООО «Малленом Системс»).

Стоимость программного обеспечения «Автомаршал», дополнительных модулей и оборудования определяется прайс-листом. Для партнеров и интеграторов действует система скидок по партнерской программе. Подробности уточняйте у менеджеров.

По вопросам приобретения обращайтесь:

по телефону: 8-800-700-35-17 (для звонков по России), +7 (8202) 20-16-34
по электронной почте: am@mallenom.ru

Как купить?

После того, как Вы сообщите нашим менеджерам о Вашей задаче по телефону или по электронной почте, они с удовольствием помогут вам в выборе версии ПО «Автомаршал», дополнительных модулей, IP-камер и всего вспомогательного оборудования.

В дальнейшем Вам будет выслано коммерческое предложение и/или выставлен счет на оплату. Вы можете совершить оплату банковским переводом или с использованием банковской карты. При поступлении денежных средств на расчетный счет «Малленом Системс» мы организуем доставку ПО «Автомаршал» и купленного у нас оборудования.

Компания «Малленом Системс» не осуществляет монтаж и пусконаладку систем, но мы можем рекомендовать Вам монтажные организации в Вашем регионе.

Подписывайтесь на канал «Малленом Системс» на Youtube и получайте уведомления о выходе новых видео: www.youtube.com/user/MallenomSystems

Выбор и настройка камер для совместного использования с системой Автомаршал

Мастер подключения IP-видеокамер

Группировка камер в ПО Автомаршал

Настройка области распознавания

Настройка блокировки повторного распознавания

Автомаршал – первый запуск и настройка

Автомаршал. Решение для автомоек

Партнерская программа АВТОМАРШАЛ 2020

Партнерская программа «Автомаршал» – это портфель преимуществ, включающий в себя высокотехнологичные решения, финансовые привилегии и поддержку в области реализации проектов любого масштаба и сложности, в соответствии с тенденциями рынка и задачами заказчиков.

Система распознавания номеров транспортных средств

Актуальная версия программного обеспечения CVS Авто размещена на странице Центра загрузки.


    автоматическое распознавание государственных регистрационных знаков транспортных средств.

  • организация въезда/выезда автомобилей на охраняемых территориях.


  • Может работать как на одном компьютере с оборудованием для оцифровки видеосигнала, так и на сетевых компьютерах.

    Одно клиентское приложение поддерживает до 4-х камер распознавания, подключенных как к одному, так и различным серверам CVS в одной сети.
    На одном компьютере может быть запущено несколько копий программного обеспечения CVS Авто .

    Система CVS-Авто может работать в одном из трех режимов:


      режим Трасса : регистрация автотранспорта, проезжающего через контрольные зоны.

    режим КПП 1 : контроль въезда и выезда автотранспорта через неуправляемые контрольно-пропускные пункты с помощью одной камеры для въезда и выезда.

  • режим КПП 2 : контроль въезда и выезда автотранспорта через управляемые контрольно-пропускные пункты въезда и выезда (светофоры, шлагбаумы, автоматические ворота и пр.) с помощью двух и более камер позволяет организовать въезд/выезд на территорию автотранспорта постоянного доступа (свой), временного доступа (чужой) и запрещенного доступа (подозрительный).


  • Функциональные возможности системы:

    • формирование базы данных распознанных государственных регистрационных знаков ТС (с указанием номера транспортного средства, даты и времени его фиксации, направления движения, изображения транспортного средства, типа регистрационного знака).

    предоставление информации оператору по результатам сверки регистрационного знака с заданным списком (фотография автомобиля, текстовая информация о владельце и т.д.).

    проведение выборки оператором по базе данных регистрации по различным признакам в любой комбинации:

    • по частично или полностью распознанному номеру;
    • по дате проезда;
    • по временному диапазону;
    • по направлению;
    • по типу регистрационного знака.

  • работа с внешними исполнительными устройствами.

    запись и просмотр событий из архива CVSCenter .


  • Типы распознаваемых регистрационных знаков:

    • Российские номера старого и нового образца, в том числе с трехзначным кодом региона:
      • милицейские,
      • военные,
      • общественный транспорт,
    • Белорусские номера .

    Преимущества системы:

    • большой диапазон ширины и глубины зоны контроля без специальных настроек,
    • высокая вероятность распознавания регистрационных знаков,
    • предельно высокая частота распознавания,
    • уверенное распознавания при неравномерной освещенности и в тяжелых погодных условиях (снег, дождь).

    Технические характеристики системы:


    Параметры установки видеокамеры относительно движения транспортного средства

    Ширина поля зрения камеры в зоне обнаружения номера ТС

    от 1,9 м до 4 м
    Оптимально для уверенного распознавания: 2,2 – 3,1 м
    Угол установки камеры по вертикали

    до 45 °
    Оптимально для уверенного распознавания: 20 °
    Угол установки камеры по горизонтали

    до 45 °
    Оптимально для уверенного распознавания: 20 °
    Угол крена пластины относительно горизонта

    до 10 °
    Оптимально для уверенного распознавания: 5 °
    Тип распознаваемых регистрационных знаков

    • Российские номера старого и нового образца, в том числе с трехзначным кодом региона:
      • милицейские;
      • военные;
      • общественный транспорт.
    • Белорусские номера .

    Вероятность обнаружения регистрационного знака *

    не хуже 99%
    Скорость автомобилей
    для каналов реального времени:

    для мультиплексируемых каналов:


    до 250 км/ч

    2 канала до 160 км/ч
    3 канала до 120 км/ч
    4 канала до 90 км/ч

    Примечание:
    * Для чистых регистрационных знаков в реальных условиях: 85 – 95%.

    Рекомендуемое телевизионное оборудование:

    • всепогодные камеры АвтоБЛИЦ .
    • видеокамеры с ручной установкой электронного затвора (шутера) 1/50-1/10000 сек и диафрагмой.
    • варифокальный длиннофокусный объектив 1/3″, 5.0-50.0 мм, 51°-5.2°, автоирис DC.

    Для специалистов монтажных организаций полезно будет ознакомиться с «Рекомендациями по настройке системы CVS Авто».

    Имеется две версии программного обеспечения программы CVS Авто и CVS Авто+ , которые различаются системами управления базой данных и назначением.

    CVS Авто работает с базой данных, размещающейся на том же компьютере, что и сама программа. Система управления базой данных встроена в программное обеспечение. Работа с базой данных с сетевых рабочих мест не предусмотрена.
    Основное назначение этой версии программы обеспечение автоматизированного контроля на автомобильных стоянках, парковках, на КПП небольших предприятий.

    CVS Авто+ создана с применением клиент-серверных технологий. Система управления базой данных в этой версии является отдельным приложением. Поэтому CVS Авто+ позволяет строить распределенные системы контроля за въезжающими/выезжающим транспортом с нескольких точек проезда и централизованным хранилищем распознанных номеров.

    Загрузить актуальное программное обеспечение CVS Авто и CVS Авто+ можно со страницы Центра загрузки .

    Наличие двух версий программы распознавания автомобильных номеров, приспособленных под решение различных задач, позволяет пользователям легко внедрять систему распознавания регистрационных знаков транспортных средств на уже работающие производственные объекты и любые охраняемые территории (парковки, платные стоянки и пр.).

    В помощь специалистам инсталляторам выпущен интерактивный помощник – программный модуль CVS Авто – Калькулятор .

    Интерфейс программы максимально упрощён. Достаточно в соответствующие поля ввести данные по установке камеры – программа автоматически расчитает параметры размещения камеры, предложит необходимые рекомендации для оптимальной работы системы CVS Авто .

    Загрузить актуальную версию программы CVS Авто – Калькулятор можно со страницы Центра загрузки .

    Сравнение систем распознавания автономеров ISS Auto и Автомаршал

    В данной статье мы расскажем об итогах параллельной эксплуатации двух систем распознавания автономеров (ISS Auto и Автомаршал. Проходная), которые одновременно работали на одном и том же объекте в течение 3 недель в декабре 2015 года.

    Обе системы были подключены к одной и той же камере и были запущены на одном и том же компьютере. Базовой (постоянно работающей) системой для объекта является «Автомаршал», а система ISS Auto была любезно предоставлена для тестирования Петербургским филиалом компании ISS.

    В качестве объекта использовался въезд на строительную площадку одной из крупных строительных компаний, являющейся нашим партнером, с высокой интенсивностью движения автомобилей (около 120 въездов в сутки).

    «Сравнительная эксплуатация» проводилась для оценки удобства использования, возможности настроек, результативности распознавания каждой из систем и выработке рекомендаций по выбору программного обеспечения в зависимости от типа объекта для установки системы распознавания.

    Для успешного решения задачи распознавания государственных регистрационных знаков (ГРЗ) необходимо выбирать аппаратно-программное решение в целом, так как значительное влияние на конечный результат имеют модели и характеристики камер, вычислительная мощность ПК, версия ПО и другие факторы. В рамках данной статьи «аппаратные» вопросы затрагиваться не будут, при возникновении конкретных вопросов по вашей (имеющейся или планируемой) системе распознавания номеров вы всегда можете задать их специалистам нашей компании в индивидуальном порядке. Кроме того мы не ставим перед собой задачу подробнейшего описания продукта, так как для этого есть руководство пользователя и руководство администратора от создателей программных продуктов. Основное внимание будет уделено собственно системам распознавания как программному продукту, их возможностям и особенностям, на которые мы обратили внимание в процессе эксплуатации

    Начнем с обзора каждой из установленных систем.

    ISS Auto


    Первым, на что первым обращает внимание продукт ISS – его модульность, гибкие возможности конфигурирования, развитые сетевые возможности, что дает возможность наращивать систему постепенно и при этом хранить информацию как централизовано (причем система может работать на обособленном компьютере), так и в режиме «клиент-сервер».

    Кроме того, система имеет развитые средства администрирования пользователей системы, что немаловажно для защиты от несанкционированного доступа или возможных злоупотреблений сотрудниками.

    Наш обзор сделан на примере конфигурации продукта ISS SecurOS Premium и модуля ISS Auto. Вот каким образом разработчики ISS представляют свой модуль ISS Auto в расширенном варианте (картинка взята из руководства пользователя Auto User Guide):


    В нашей системе использовалась одна IP видеокамера без радара и отдельно стоящий компьютер, поэтому сетевые возможности упомянуты, но в данном тестировании они не были задействованы.

    В этом смысле можно говорить о некоторой «избыточности» решения ISS для условий, когда система небольшая и не будет расширяться.

    В качестве базы данных используется PostgreSQL, сервер базы данных может быть как отдельно стоящим, так и локально установленным, при этом для ISS Auto создается отдельная База данных.

    Система ISS позволяет гибко настраивать интерфейс пользователя, решая задачу комфортного отображения изображений, получаемых с камер, элементов управления и окон с журналами событий.

    Итак, посмотрим на данный продукт подробнее.

    При запуске система запросит от вас имя пользователя и пароль, и, после инициализации системы, мы получаем примерно такую картинку (обратите внимание, что интерфейс пользователя может быть гибко настроен).

    На данном изображении видим три основные области – собственно область видеоотображения потока с камеры, внизу результат последнего распознавания, а справа журнал событий и результатов распознаваний. В целом система выглядит лаконичной, но вся ключевая информации видна на экране.

    Вкладка “автоматический” (см. изображение выше) – это основной режим работы, когда проезд машины фиксируется и результат появляться в журнале событий, а кнопка “ручной” переводит систему в режим просмотра событий:

    Помимо знакомых элементов здесь добавляется шкала событий – видеорегистратора, по которой наглядно выделено красными черточками события, записанные программой. Удобная особенность – это наличие записи событий по движению, что позволяет отследить проезд транспорта с плохо читаемыми номерами.

    Давайте пройдемся по основным настройкам системы, для чего откроем управляющую панель, щелкнув на значке ISS в правом нижнем углу и выберем пункт – “Показать панель”.

    Если у нас достаточно полномочий, то вверху мы увидим панель управления с управляющими элементами, слева дерево нашей конфигурации системы, а справа окно свойств выбранного элемента. Для пользователей системы «Интеллект» многое будет знакомым, поскольку используется похожая идеология организации интерфейса конфигурирования системы.

    Пройдемся по дереву элементов конфигурации:

    – Элемент «Система» – позволяет сохранить конфигурацию и поменять название системы, а также задать пароль самого главного «суперпользователя» – администратора системы.

    – SecureOS Premium – содержит основные настройки ядра системы SecurOS

    – Базы данных Auto – содержит настройки Базы данных PostgreSQL

    – Auto Интерфейс оператора – содержит элементы настройки рабочего стола ISS (2 вкладки)

    – Медиа клиент – содержит настройки отображения с камеры (5 вкладок)

    – Зоны изображений ( в Устройствах видеозахвата) – здесь стоит остановиться чуть подробнее, т.к. одной из интересных особенностей системы является возможность настройки зон определения движения на изображении:

    Кроме того, система позволяет задать произвольную маску для изображения, что очень удобно, когда область закрыта или неизменна – например, в данном случае (изображение выше) мы ограничили зону движения шлагбаума и «обрезали» верхнюю часть изображения.

    Эти настройки позволяют уменьшить количество ложных срабатываний видеорегистратора системы, хотя по опыту эксплуатации системы хочу отметить, что их число было невелико.

    – Распознаватель номеров – определяет настройки распознавания (4 вкладки). Рассмотрим вкладку «Распознавание». На ней мы указываем вид установки камеры и номера каких стран мы хотим распознавать. Важно добавить, что большинство разработчиков систем распознавания автономеров «шаблоны» номеров разных стран продают отдельно от самого программного продукта, необходимо учитывать это при приобретении программы.

    В этом же модуле – вкладка «Фильтры и запись». Здесь мы можем изменить параметры чувствительности модуля распознавания номеров. Как вы, наверняка, обратили внимание – расположение камеры не самое идеальное из-за требований заказчика по месту ее установки. Путем изменения этих параметров удалось уменьшить количество ошибок в определяемых номерах.

    В этом же модуле – вкладка «Дополнительно». Здесь мы можем задать названия направлений движения, зоны контроля скорости и балансировать нагрузку на процессор

    Важная и полезная опция системы – это утилита калибровки камеры. В случае, когда имеются большие угловые искажения номерного знака их может «исправить» специальная утилита.

    Вот пример ее работы. Исходное изображение:

    А вот изображение после ее обработки – изображение номера стало более удобно для чтения как для человеческого глаза, так и для системы распознавания номера.

    Автомаршал.Проходная:

    Ниже типичное окно системы Автомаршал. Интерфейс программы достаточно жестко задан, но с другой стороны в нем присутствует все необходимое – слева видим изображение с видеокамеры,слева внизу элементы управления, справа вверху фотокадр обнаруженной машины, ниже журнал обнаруженных транспортных средств.

    Давайте пройдемся по основным настройкам программы – выбираем пункт меню Cервис и выбираем пункт Настройки (оно же доступно по нажатию F8) и увидим окно настроек:

    Информация по пунктам настроек:

    – Подключение – указываются основные настройки базы данных, в качестве которой используется Firebird SQL (возможна работа с БД по сети)

    – Журнал учета ТС – здесь мы можем указать название направлений движения, место хранения снимков и время очистки журнала, если это необходимо.

    – БД пользователя – позволяет создать различные списки например – розыск машины, белый или черный список

    – Видеоканалы – здесь мы настраиваем подключение к видеокамере:

    В нашем случае настроено подключение по http, сжатие MJPEG, при этом возможно подключение к системе видеонаблюдения Линия, потоку RTSP.

    Важный момент – крайне желательно использовать камеру из списка рекомендованных разработчиками Автомаршала (Малленом Системз), это поможет избежать проблем при запуске аппаратно-программного комплекса и получить стабильную вероятность распознавания, близкую к максимальной.

    В настройке области распознавания (можно вызвать нажатием правой кнопки мыши на области трансляции изображения с камеры) – можно ограничить прямоугольной областью область распознавания и указать допустимые размеры номера в кадре, при этом важно учитывать, что 80х20 пикселей – это минимально возможный размер номера, который система может распознавать:

    Настройки «Параметры распознавания» – регулируют работу алгоритма распознавания номера и обнаружения движения транспортного средства:

    Здесь же, вкладка «Обнаружение ТС» – регулируем чувствительность обнаружения движения.

    Важный момент – в процессе эксплуатации Автомаршала столкнулись с проблемой, которая заключалась в том, что система вообще не фиксировала факт проезда некоторых транспортных средств.

    После отсмотра контрольной видеозаписи обнаружился интересный факт – не фиксировался транспорт с очень грязными номерами, и общение с разработчиками подтвердило подозрения, система не видела белый прямоугольник номера, а поэтому, при стандартных настройках системы, не фиксировала факт проезда транспорта.

    Решением подобной проблемы является покупка дополнительного плагина аппаратного обнаружения факта проезда (по датчику), либо повышение чувствительности в настройках, что, однако, ведет к генерации большего количества ложных срабатываний.

    – Пункт «Страны и шаблоны» – позволяет выбрать наиболее используемые шаблоны номеров и стран. В данном примере одна страна – Россия, шаблоны других стран, приобретаются отдельно.

    – Пункт «Права доступа» позволяет ограничить доступ к функциям и настройкам программы.

    – Пункт «Плагины» (приобретаются отдельно) – позволяет наращивать функционал программы, интегрировать систему со СКУД GATE, вести взвешивание автомобиля, обеспечить гарантированную фотофиксацию автомобиля при помощи аппаратного датчика проезда автомобиля, а так же формировать и отправлять отчеты. В нашей комплектации программы есть плагин отправки отчета. Мы использовали отчет по электронной почте, есть также возможность выгрузки отчета на FTP сервер:

    Сравнение систем

    Прежде чем переходить собственно к сравнению, хотелось бы отметить один общий момент для всех систем – важно понимать, что системы, дающей 100% вероятность распознавания в реальных условиях не существует – всегда существует вероятность ошибки, так как в реальной работе системы обязательно будут встречаться плохо читаемые (затертые) или сильно загрязненные номера. Причем надо отметить, что в зависимости от сезона и погодных условий, вероятность распознавания будет меняться. В период чередования морозов и оттепелей номера машин сильно загрязнены и не всегда читаются уверенно. Также влияние может оказать даже «сезонное» изменение положения солнца, которое может привести к появлению ранее отсутствовавшей «засветке» камеры и ухудшению распознавания номеров. В темное время суток очень важно хорошее освещение ГРЗ автомобилей. Из собственного опыта можем сказать, что прекрасным результатом распознавания является 96% вероятность (суммарная по всем временам года и суток).

    Ну а теперь собственно к сравнению.

    Если говорить о назначении систем, как его формулируют сами разработчики, то ISS Auto +SecurOS Premium – это масштабируемая распределенная система видеонаблюдения с модулем распознавания автомобильных номеров. ISS подойдет организации, которой необходимо масштабируемое комплексное решение видеоконтроля с подключенной системой видеоаналитики, где одной из функций будет возможность распознавания автомобильных номеров.

    Автомаршал же – это специализированная система распознавания автомобильных номеров. Он «заточен» именно на распознавание номеров и связанных с этим задач, управлением исполнительным оборудованием (шлагбаум, светофор), взвешиванием автотранспорта, систем СКУД.

    Это же отражается и на их стоимости – разница в цене систем составляет почти 2 кратную величину в пользу Автомаршала (цена ПО для распознавания 1 канала составляет 25 000 рублей), ПО ISS, соответственно, стоимость комплекта ПО составляет 51 000 рублей (цены на декабрь 2015)

    Что касается качества (вероятности) распознавания номера автомобиля – на протяжении всего периода тестирования, результаты качества распознавания были практически одинаковы (разница около 1%). Ошибки программ иногда были разными, что связано с различными математическими методами и алгоритмами распознавания.

    При этом, благодаря видеорегистратору в системе ISS, выявилась проблема с неточной установкой камеры, вследствие чего некоторые номера не попадали в кадр системы полностью (лишь частично), что давало большое отклонение от максимальной вероятности распознавания.

    Надежность фиксации события проезда – благодаря более совершенным алгоритмам определения движения, система ISS зафиксировала все проехавшие транспортные средства. Автомаршал, при нераспознанном номере, периодически пропускал машины без фиксации события.

    Решением стало повышение чувствительности Автомаршала, что, однако, привело к генерации большего количества ложных событий в журнале учета транспортных средств. По нашим оценкам , 100% фиксацию транспорта при отсутствии ложных срабатываний в Автомаршале можно получить только подключив к системе аппаратный датчик факта проезда.

    В завершение хочется сказать, что обе программы обладают своими наборами как плюсов, так и минусов, и выбирать из них необходимо с учетом специфики вашего объекта, планов развития и необходимости интеграции системы распознавания номеров – с другими системами компании.

    Не стесняйтесь обращаться в нашу компанию за консультацией или советом по поводу систем распознавания номеров, мы будем рады поделиться с вами нашим опытом (который, как известно «сын ошибок трудных») и знаниями по настройке и эксплуатации таких систем.

    Распознавание автомобильных номеров в деталях


    Настало время подробно рассказать, как работает наша реализация алгоритма распознавания номеров: что оказалось удачным решением, что работало весьма скверно. И просто отчитаться перед Хабра-пользователями — ведь вы с помощью Android приложения Recognitor помогли нам набрать приличного размера базу снимков номеров, снятых совершенно непредвзято, без объяснения как снимать, а как нет. А база снимков при разработке алгоритмов распознавания самое важное!

    Что получилось с Android приложением Recognitor

    Было очень приятно, что пользователи Хабра взялись качать приложение, пробовать его и отправлять нам номера.


    Скачиваний программы и оценки

    С момента выкладывания приложения на сервер пришло 3800 снимков номеров от мобильного приложения.
    А еще больше нас порадовала ссылка http://212.116.121.70:10000/uploadimage — нам за 2 дня отправили около 8 тысяч полноразмерных снимков автомобильных номеров (преимущественно вологодских)! Сервер почти лежал.

    Теперь у нас на руках база в 12 000 снимков фотографий — впереди гигантская работа по отладке алгоритмов. Все самое интересное только начинается!

    Напомню, что в приложении Android предварительно выделялся номер. В этой статье я не буду подробно останавливаться на этом этапе. В нашем случае — каскадный детектор Хаара. Этот детектор не всегда срабатывает, если номер в кадре сильно повернут. Анализ того, как работает нами обученный каскадный детектор, когда не работает, оставлю на следующие статьи. Это ведь действительно очень интересно. Кажется, что это черный ящик — вот обучили детектор и больше ничего не сделать. На самом деле это не так.

    Но все-таки каскадный детектор — неплохой вариант в случае ограниченных вычислительных ресурсов. Если автомобильный номер грязный или рамка плохо видна, то Хаар тоже неплохо себя проявляет относительно других методов.

    Распознавание номера

    Здесь рассказ про распознавание текста в картинках такого вида:


    Общие подходы про распознавании были описаны в первой статье.

    Изначально мы ставили перед собой задачу распознавания грязных, частично стертых и здорово искаженных перспективой номеров.
    Во-первых, это интересно, а во-вторых, казалось, что тогда чистые будут срабатывать вообще в 100% случаях. Обычно, конечно, так и происходит. Но тут не сложилось. Оказалось, что если по грязным номерам вероятность успеха была 88%, то по чистым, например, 90%. Хотя на деле вероятность распознавания от фотографии на мобильном приложении до успешного ответа, конечно, оказалось еще хуже указанной цифры. Чуть меньше 50% от приходящих изображений (чтобы люди не пытались фотографировать). Т.е. в среднем дважды нужно было сфотографировать номер, чтобы распознать его успешно. Хотя во многом такой низкий процент связан с тем, что многие пытались снимать номера с экрана монитора, а не в реальной обстановке.

    Весь алгоритм строился для грязных номеров. Но вот оказалось, что сейчас летом в Москве 9 из 10 номеров идеально чистые. А значит лучше изменить стратегию и сделать два раздельных алгоритма. Если удалось быстро и надежно распознать чистый номер, то этот результат и отправим пользователю, а если не удалось, то тратим еще немного времени процессора и запускаем второй алгоритм для грязных номеров.

    Простой алгоритм распознавания номеров, который стоило бы реализовать сразу

    Как же распознать хороший и чистый номер? Это совсем не сложно.

    Предъявим следующие требования к такому алгоритму:

    1) некоторая устойчивость к поворотам (± 10 градусов)
    2) устойчивость к незначительному изменению масштаба (20%)
    3) отрезание каких-либо границ номера границей кадра или просто плохо выраженные границы не должны рушить все (это принципиально важно, т.к. в случае грязных номеров приходится опираться на границу номера; если номер чистый, то ничего лучше цифр/букв не характеризует номер).

    Итак, в чистых и хорошо читаемых номерах все цифры и буквы отделимы друг от друга, а значит можно бинаризовать изображение и морфологическими методами либо выделить связанные области, либо воспользоваться известными функциями выделения контуров.

    Здесь стоит еще пройтись фильтром средних частот и нормализовать изображение.

    На изображении приведен изначально малоконтрастный кадр для наглядности.

    Затем бинаризовать по фиксированному порогу (можно порог фиксировать, т. к. изображение было нормализовано).

    Гипотезы по повороту кадра

    Предположим несколько возможных углов поворотов изображения. Например, +10, 0, -10 градусов:

    В дальнейшем метод будет иметь небольшую устойчивость к углу поворота цифр и букв, поэтому выбран такой достаточно большой шаг по углу — 10 градусов.
    С каждым кадром в дальнейшем будем работать независимо. Какая гипотеза по повороту даст лучший результат, та и победит.

    А затем собрать все связанные области. Тут использовалась стандартная функция findContours из OpenCV. Если связанная область (контур) имеет высоту в пикселях от H1 до H2 а ширина и высота связана отношением от K1 до K2, то оставляем в кадре и отмечаем, что в этой области может быть знак. Почти наверняка на этом этапе останутся лишь цифры и буквы, остальной мусор из кадра уйдет. Возьмем ограничивающие контуры прямоугольники, приведем их к одному масштабу и дальше поработаем с каждой буквой/цифрой отдельно.

    Вот какие ограничивающие прямоугольники контуров удовлетворили нашим требованиям:

    Качество снимка хорошее, все буквы и цифры отлично разделимы, иначе мы до этого шага не дошли бы.
    Масштабируем все знаки к одному размеру, например, 20х30 пикселей. Вот они:

    Кстати, OpenCV при выполнении Resize (при приведении к размеру 20х30) бинаризованное изображение превратит в градиентаное, за счет интерполяции. Придется повторить бинаризацию.

    И теперь самый простой способ сравнить с известными изображениями знаков — использовать XOR (нормализованная дистанция Хэмминга). Например так:

    Distance = 1.0 — |Sample XOR Image|/|Sample|

    Если дистанция больше пороговой, то считаем, что мы нашли знак, меньше — выкидываем.

    Да, мы ищем автомобильные знаки РФ именно в таком формате. Тут нужно учесть, что цифра 0 и буква «о» вообще не отличимы друг от друга, цифра 8 и буква «в». Выстроим все знаки слева направо и будем брать по 6 знаков.
    Критерий раз — буква-цифра-цифра-цифра-буква-буква (не забываем про 0/о, 8/в)
    Критерий два — отклонение нижней границы 6 знаков от линии

    Суммарные очки за гипотезу — сумма дистанций Хэмминга всех 6 знаков. Чем больше, тем лучше.

    Итак, если суммарные очки меньше порога, то считаем, что мы нашли 6 знаков номера (без региона). Если больше порога, то идем к алгоритму устойчивому к грязным номерам.

    Тут еще стоит рассмотреть отдельно буквы «Н» и «М». Для этого нужно сделать отдельный классификатор, например, по гистограмме градиентов.

    Следующие два или три знака над линей, проведенной по низу 6 уже найденных знаков, — регион. Если третья цифра существует, и ее похожесть больше пороговой, то регион состоит из трех цифр. Иначе из двух.

    Однако, распознавание региона часто происходит не так гладко, как хотелось бы. Цифры в регионы меньше, могут удачно не разделиться. Поэтому регион лучше узнавать способом более устойчивым к грязи/шума/перекрытию, описанным далее.

    Какие-то детали описания алгоритма не слишком подробно раскрыты. Отчасти из-за того, что сейчас сделан лишь макет этого алгоритма и предстоит еще протестировать и отладить его на тех тысячах изображений. Если номер хороший и чистый, то нужно за десятки миллисекунд распознать номер или ответить «не удалось» и перейти к более серьезному алгоритму.

    Алгоритм устойчивый к грязным номерам

    Понятно, что алгоритм, описанный выше совсем не работает, если знаки на номере слипаются из-за плохого качества изображения (грязи, плохого разрешения, неудачной тени или угла съемки).

    Вот примеры номеров, когда первый алгоритм не смог ничего сделать:

    А алгоритм, описанный далее, смог.

    Но придется опираться на границы автомобильного номера, а потом уже внутри строго определенной области искать знаки с точно известной ориентацией и масштабом. И главное — никакой бинаризации!

    Ищем нижнюю границу номера

    Самый простой и самый надежный этап в этом алгоритме. Перебираем несколько гипотез по углу поворота и строим для каждой гипотезы по повороту гистограмму яркости пикселей вдоль горизонтальных линий для нижней половины изображения:

    Выберем максимум градиента и так определим угол наклона и по какому уровню отрезать номер снизу. Не забудем улучшить контраст и получим вот такое изображение:

    Вообще стоит использовать не только гистограмму яркости, но также и гистограмму дисперсии, гистограмму градиентов, чтобы увеличить надежность обрезки номера.

    Ищем верхнюю границу номера

    Тут уже не так очевидно, оказалось, если снимают с рук задний автомобильный номер, то верхняя граница может быть сильно изогнута и частично прикрывать знаки или в тени, как в данном случае:

    Резкого перехода яркости в верхней части номера нет, а максимальный градиент и вовсе разрежет номер посередине.

    Мы вышли из ситуации не очень тривиально: обучили на каждую цифру и каждую букву каскадный детектор Хаара, нашли все знаки на изображении, так определили верхнюю линию где резать:

    Казалось бы, что тут и стоит остановиться — мы же нашли уже цифры и буквы! Но на деле, конечно, детектор Хаара может ошибаться, а у нас тут 7-8 знаков. Хороший пример цифры 4. Если верхняя граница номера сливается с цифрой 4, то совсем не сложно увидеть цифру 7. Что кстати и произошло в данном примере. Но с другой стороны, несмотря на ошибку в детектировании, верхняя граница найденных прямоугольников действительно совпадает с верхней границей автомобильного номера.

    Найти боковые границы номера

    Тоже ничего хитрого — абсолютно также, как и нижнюю. Единственное отличие, что часто яркость градиента первого или последнего знака в номере может превышать яркость градиента вертикальной границы номера, поэтому выбирается не максимум, а первый градиент, превышающий порог. Аналогично с нижней границей необходимо перебрать несколько гипотез по наклону, т. к. из-за перспективы перпендикулярность вертикальной и горизонтальной границы совсем не гарантирована.

    Итак, вот хорошо обрезанный номер:


    да! особенно приятно вставить кадр с отвратительным номером, который был успешно распознан.

    Печалит лишь одно — к этому этапу от 5% до 15% номеров могут отрезаться неправильно. Например, так:

    (кстати это кто-то нам отправил желтый номер такси, насколько я понял — формат не штатный)

    Все это нужно было, чтобы все это делалось лишь для оптимизации вычислений, т. к. перебрать все возможные положение, масштабы и наклоны знаков при их поиске — очень затратно вычислительно.

    Разделить строку на знаки

    К сожалению, из-за перспективы и не стандартной ширины всех знаком, приходится как-то выделять символы в уже обрезанном номере. Тут снова выручит гистограмма по яркости, но уже вдоль оси X:

    Единственное, что в дальнейшем стоит исследовать две гипотезы: символы начинаются сразу или один максимум гистограммы стоит пропустить. Это связано с тем, что на некоторых номерах отверстие под винт или головка винта автомобильного номера могут различаться, как отдельный знак, а могут быть и вовсе незаметны.

    Изображение до сих пор не бинаризовано, будем использовать всю информацию, что есть.

    Здесь печатные символы, значит подойдет взвешенная ковариация для сравнения изображений с примером:

    Образцы для сравнения и веса при ковариации:

    Конечно, нельзя просто сравнить область, выделенную с помощью горизонтальной гистограммы, с образцами. Приходится делать несколько гипотез по смещению и по масштабу.
    Количество гипотез по положению по оси X = 4
    Количество гипотез по положению по оси Y = 4
    Количество гипотез по масштабу = 3

    Таким образом, для каждой области при сравнении с одним знаком необходимо рассчитать 4х4х3 ковариации.

    Первым делом найдем 3 большие цифры. Это 3 х 10 х 4 х 4 х 3 = 1440 сравнений.

    Затем слева одну букву и справа еще две. Букв для сравнения 12. Тогда количество сравнений 3x12x4x4x3 = 1728

    Когда у нас есть 6 символов, то все справа от них — регион.

    В регионе могут быть 2 цифры или 3 цифры — это нужно учесть. Разбивать регион гистограммным способом уже бессмысленно из-за того, что качество изображения может быть слишком низкое. Поэтому просто поочередно находим цифры слева направо. Начинаем с левого верхнего угла, необходимо несколько гипотез по оси X, оси Y и масштабу. Находим наилучшее совпадение. Смещаемся на заданную величину вправо, снова ищем. Третий символ будем искать слева от первого и справа от второго, если мера похожести третьего символа больше пороговой, то нам повезло — номер региона состоит из трех цифр.

    Выводы

    Практика применения алгоритма (второго описанного в статье) в очередной раз подтвердила прописную истину при решении задач распознавания: нужна действительно презентативная база при создании алгоритмов. Мы нацеливались на грязные и потертые номера, т.к. тестовая база снималась зимой. И действительно часто довольно плохие номера удавалось узнавать, но чистых номеров в обучающей выборке почти не было.

    Вскрылась и другая сторона медали: мало что так раздражает пользователя, как ситуация, когда автоматическая система не решает совсем примитивную задачу. «Ну что тут может не читаться?!» А то, что автоматическая система не смогла узнать грязный или потертый номера, — это ожидаемо.

    Откровенно говоря, это наш первый опыт разработки системы распознавания для массового потребителя. И о таких «мелочах», как о пользователях, стоит учиться думать. Сейчас к нам присоединился специалист, разработавший аналогичную «Recognitor» программу под iOs. В UI у пользователя появилась возможность увидеть, что сейчас отправляется на сервер, выбрать какой из выделенных Хааром номеров нужный, есть возможность выделить необходимую область в уже «застывшем» кадре. И пользоваться этим уже удобнее. Автоматическое распознавание становится не дурацкой функцией, без которой нельзя ничего сделать, а просто помощником.

    Продумывать систему, в которой автоматическое распознавание изображения будет гармонично и удобно пользователю, — оказалось задачей ничуть не проще, чем создавать эти алгоритмы распознавания.

    И, конечно, надеюсь, что статья будет полезна.

    Первая статья цикла — общий обзор технологий
    Вторая статья — Наш сервер
    Третья статья — Протокол обращения к нашему серверу

    Система распознавания номеров транспортных средств

    ГлавнаяНовости Распознавание автомобильных номеров: 5 умных систем из Москвы

    Распознавание автомобильных номеров: 5 умных систем из Москвы

    Точная идентификация участников дорожного движения — важный элемент умного города. Это позволяет следить за ситуацией на дорогах, выявлять нарушителей правил дорожного движения, автоматизировать многие сервисы, например, оплату парковки или проезда по платным магистралям.

    Если в случае с общественным транспортом или даже такси можно применять системы геолокации, то в случае с частным нужен другой подход. Одно из таких решений — умные системы, способные распознать автомобильный номер.

    27% — на столько удалось снизить аварийность в Москве с помощью умных систем распознавания автомобильных номеров.

    В Москве многие компании создают цифровые решения, способные почти безошибочно определить автомобильный номер с помощью машинного зрения, искусственного интеллекта, нейронных сетей. Знакомим вас с такими разработками.

    Авто-Интеллект

    Продукт «Авто-Интеллект» распознает автомобильные номера по информации с видеокамеры. Система сохраняет в базу данных SQL распознанный номер, изображение транспортного средства, часть кадра с номерным знаком, дату и время регистрации, адрес и другие данные. Можно настроить уведомления при совпадении распознанного номера с базой номеров.

    • Скорость, на которой можно распознать номер: до 255 км/ч
    • Вероятность распознавания: не менее 92% в дневное время

    Для работы системы применяется сертифицированный аппаратно-программный комплекс фотовидеофиксации «Арена». Он включает в себя узколучевой радар, видеокамеру, компьютер, накопитель данных, устройство поддержания рабочей температуры и блок питания. Для обмена данными между АПКФ «Арена» и системой сбора данных «Авто-Интеллект» используется стандартный сетевой протокол.

    SecurOS Auto

    Система позволяет распознавать номера по отдельным кадрам без использования видео. Есть возможность быстро настроить обновления для распознавания номеров новых стандартов.

    • Скорость, на которой можно распознать номер: 120 км/ч и более
    • Вероятность распознавания: более 96%

    Работа строится следующим образом. Модуль локализации формирует гипотезы о вероятном присутствии номерной пластины в кадре и корректно обрабатывает ситуации, если в кадре несколько номеров. Анализ основан на поиске участков кадра, имеющих специфичную для текста структуру яркостных перепадов.

    Распознавание знаков осуществляется в несколько этапов анализов двуградационного и полутонового изображений. Область кадра, указанная локализатором, масштабируется и затем бинаризуется с помощью собственного алгоритма. На этапе анализа бинарного изображения происходит обнаружение и распознавание символов номера, их выстраивание в последовательность знаков, а также поиск недостающих символов, исходя из используемых номерных шаблонов конкретной страны.

    Vocord Traffic и Vocord MicroCyclops

    Для обработки данных с комплексов Vocord используется коммутационный шкаф со встроенным уличным сервером Vocord SSCross. Данные автоматически выгружаются на сервер. Передача данных возможна как по проводным, так и по беспроводным каналам. В случае обрыва связи уличный сервер работает в режиме автономного архивирования данных.

    • Вероятность распознавания: более 97%
    • Не определяется антирадарами
    • Решение внесено в Реестр типов средств измерений, имеет сертификаты ГОСТ Р и Таможенного союза

    В решении Vocord MicroCyclops для контроля транспортного потока на перекрестках и железнодорожных переездах используется интегрированная видеокамера Vocord NetCam с полностью управляемым объективом, встроенный в камеру ГЛОНАСС/GPS-приемник, импульсный инфракрасный прожектор. Вся обработка данных, распознавание номеров и фиксация нарушений осуществляется непосредственно в камере на современном процессоре Nvidia Jetson.

    Smart PlateReader

    Технология Smart PlateReader позволяет в приложениях для iOS и Android распознавать номера автомобилей на смартфонах и планшетах. Время распознавания от начала показа автомобильного номера до получения результата составляет 1-2 секунды.

    В процессе распознавания Smart PlateReader использует только оперативную память устройства, не создает копий и не передает данные на обработку через интернет. Высокую скорость и качество распознавания в Smart PlateReader обеспечивают используемые нейронные сети.

    Ссылка на основную публикацию