РАСПОЗНАВАНИЕ АВТОМОБИЛЬНЫХ НОМЕРОВ

До недавнего времени все фотопленки и изображения номерных знаков интерпретировались человеком. Однако, множество технологий, которые были разработаны во время холодной войны, теперь нашли свое применение в фотопромышленности. Компании и консультанты, которые перечислены ниже, в настоящее время активно предоставляют продукты для автоматизации этой функции.

По словам Lee J. Nelson, одного из ведущих консультантов в области распознавания регистрационных номеров, распознавание/идентификация регистрационных номеров (LPI/R) является одной из форм ITS технологии, которая не только распознает и считает количество транспортных средств, но и отличает каждое как уникальное. Для некоторых приложений, таких как устройства электронной платы за проезд, LPI/R-система записывает символы с номерных знаков владельцев транспортных средств, для которых могут быть составлены соответствующие квитанции. В других, таких как коммерческие операции или контроль доступа, номерной знак транспортного средства проверяется по базе данных для определения приемлемого условия прохождения транспортного средства на охраняемую территорию.

LPI/R может быть использована в вопросах нарушения скорости движения или просто дать водителям напоминание, показывая номерной знак со скоростью транспортного средства в виде некоторого сообщения. Это может способствовать прохождению тестирования записи буквенно-цифровой последовательности номерного знака во время автоматического анализа выхлопных стоков, или помочь идентифицировать и штрафовать нарушителей. LPI/R также может контролировать время, которое требуется транспортному средству для перемещения из одного пункта в другой, информировать центры управления движения сообщениями о мере оживленности на улицах и магистралях.

В международных пунктах пересечения границы, номерной знак - единственный универсальный идентификатор автомобиля, который может быть проверен по базе данных "горячих" автомобилей для поиска угнанных автомобилей и номерных знаков или лиц, зарегистрированных как беглецы, преступники, подозреваемые или контрабандисты.

Компоненты системы и как они работают

Типичная LPI/R система состоит из подсистемы получения видеоизображения, центрального процессора для обработки изображений и управления аппаратной или программной реализации распознавания символов, а также хранения или передачи подсистемы электронной записи номера для содержания и данные, такие как дата, время и место.

Сердцем любой LPI/R системы является ее механизм распознавания и встроенный алгоритм. Важно понимать, что система решает, как код распознается. Пользователь, OEM, или интегратор принимает этот алгоритм вместе с системой. Общее представление о том, как система распознавания интерпретирует содержание образа, имеет центральное значение для подтверждения того, что общее "решение" может быть получено с помощью данного приложения.

Корреляция или шаблон в подходе к распознаванию символов является прямым методом и может быть надежным, если итоговая цель и приложение остаются неизменными. Как следует из названия, когда каждый символ распознается в отдельности, предпринимаются попытки сопоставить его с набором предопределенных стандартов. Любое условие - освещение, угол обзора, затемнение, размер плитки, шрифт – все, что вызывает отличие от стандарта, вероятно, приводят к сомнительному или ошибочному результату.

Структурный анализ использует дерево решений для оценки геометрических особенностей контура каждого изображения. Этот метод может быть несколько устойчив к изменениям в размерах, наклоне и перспективных искажениях. В качестве простого примера, рассмотрим символы B, D, 6 и 9. Отличия, которые могут быть использованы, чтобы характеризовать их, представляют число петель в каждом символе (одна или две) и вертикальное положение петли (верхнее, центральное и нижнее). Две петли приводят к символу B, одна петля приводит к следующей ветви дерева. Петли в верхней части указывают на 9; если петля является центральной - это D, и петли в нижней части изображения - 6. Символы без петель (E, M, N, тире и т.д.) требуют дополнительных затрат.

Нейронные сети обучаются на примере вместо того, чтобы быть запрограммированными в обычном смысле. Изучая повторяющиеся модели, сеть строит статистические модели, которые адаптируются к особенностям отдельных символов. Таким образом, нейронные сети, как правило, устойчивы к шуму, и производительность обычно не нарушается при изменении условий эксплуатации. Однако, для каждой модификации (например, новый шрифт), которая представлена в нейронной сети, могут потребоваться значительные затраты на переобучение.

Что искать

Для оценки возможностей системы можно потребовать, чтобы данный алгоритм распознавания работал со стандартным набором символов при почти идеальных условиях испытаний. Это разумно, чтобы определить все факторы, которые могут влиять на выполнение алгоритма. Они включают в себя:

• Скорость транспортного средства.
• Объем потока транспортных средств.
• Окружающее освещение (день, ночь, солнце, тень).
• Погода.
• Тип транспортного средства (легковой автомобиль, грузовик, тягач-прицеп и т.д.).
• Монтаж печатных форм (только тыл или фасад и тыл).
• Другие номера.
• Государственные номера.
• Номера на расстоянии.
• Наклон номеров, поворот.
• Интервал между транспортными средствами.
• Наличие прицепа, декоративной рамки, или других факторов заслоняющих номер.

Покупатели должны понимать разницу между абсолютной идентификацией каждого символа и приложениями, регистрирующими нарушения правил дорожного движения. Степень компьютерной обработки, точность распознавания и внутренний контроль точности больше импортируется в предыдущий сценарий.

В настоящее время LPI/R системы базируются на управление запасами. Многие уже используются для наблюдения транспортных средств, мониторинга и происхождения, назначения съемки. В тех ситуациях, когда одна ошибка символа является менее значительной, чем в исполнении приложений. Проще для системы распознать весь номер – был ли он интерпретировано точно - чем для правильного определения каждого символа, снова и снова, при любых условиях эксплуатации. Очевидно, что система, предназначенная для автоматического выявления и штрафования нарушителя, должна быть достаточно точной, чтобы предотвратить законопослушных водителей от получения незаслуженного штрафа.

Определение точности

Определение точности системы AVI является сложным процессом и зависит от применения, условий эксплуатации и предположений, сделанных в ходе тестирования. При оценке системы важно, чтобы были использованы все эти критерии.

Производительность системы трудно поддается количественной оценке. Заманчиво ожидать систему распознавания, которая должна быть совершенной, и взять на себя сто процентов точности в интерпретации содержания номерного знака. Однако, некоторые номера не могут быть прочитаны ни системой распознавания, ни глазом человека из-за грязи, плохого освещения, повреждения или затемнения. Поэтому не следует ждать от автоматизированной системы большой точности из-за ограничений.

Одним из способов измерения процента успешного распознавания системой номерных знаков является проверка человеком, смотрящим видеоизображение на мониторе. Если человек должен догадаться о том, какой там номерной знак, то, вероятно, что и система распознавания сделает также. Автоматизированная система имеет большую степень точности из-за того, что в ней не участвует человеческий фактор, а все решения принимаются исходя из алгоритма.

Система распознавания может определить только буквенно-цифровое содержание номерного знака. Успехи каждого шага, следовательно, должны быть вычислены по общей формуле:

Если интерпретация любого символа оценивается индивидуально, уравнение принимает вид:

Но в целом, точность системы не может быть экстраполирована непосредственно из отдельных символов. Например, предположим, система автоматически распознает и определяет десять тысяч номерных знаков с семи символов на каждом номере. В общей сложности – это семьдесят тысяч символов. Если система считывает первые шесть символов правильно на каждом номере, но пропускает последний символ на каждом номере, общая точность составит (60000 ÷ 70000) * 100, или 85,7 процента. Однако, используя уравнение 2, истинная точность системы в этом случае равна нулю.

Технические характеристики должны быть указаны тщательно, чтобы быть значимыми. Просто заявление, как "восемьдесят пять-девяносто процентов точных распознаваний" может таить в себе важные особенности, из-за чего распознавание будет давать ошибку. Чтобы избежать всевозможного рода ошибок, увеличивая тем самым процент точности, нужно учитывать множество факторов: освещенность, шумы и т.д. Обычно для разработчиков четко выделены время и деньги для подобного рода тестирований.

Разработчик должен точно определить, при каких условиях система будет давать правильный результат. Система может правильно определить девяносто пять процентов номера за определенное время в контролируемых условиях, но только на пятьдесят процентов времени в менее идеальных условиях. Разработчик также должен определить те состояния, в которых система дает неверный результат: провал может означать пропуск номера (не распознавание) или ошибка в интерпретации (идентификации) одного или более символов.

То, почему не удалось идентифицировать какой-то номер, зависит от приложения. Например, в контроле безопасного доступа, любой сбой системы был бы неприемлем, потому что можно распознать все что угодной (ложное срабатывание) или отказать в допуске к уполномоченному лицу. Регулируя порог, можно получать различные ошибки. Только на практике можно сказать, какой порог дает какого типа ошибку.

На примере контроля доступа, постобработка может компенсировать несовершенство интерпретации. После распознавания номера последовательность символов сравнивается с известными номерами в базе данных. Ошибка в один символ может быть незначительной.

Номер ABV 123

Сущность в базе данныхABV 123

Номер прочитан как ABW 123

Для конечной базы данных заполняется номер ABV 123, проектировщики должны учитывать вероятность столкновения истинного номера ABW 123 и значения признанного несанкционированным транспортным средством.

Рынок устройств

Компьютерные программы распознавания автомобильных номеров появились в 1980-х годах. В 1993 году LPI/R технологии сделали успешный переход от исследования к выходу на коммерческий рынок. Существует спрос и предложение, и все большое число разработчиков предоставляют готовые продукты покупателям.

LPI/R обладает большой значимостью среди правоохранительных органов коммерческого и частого сектора, Потенциальных пользователей будет смущать богатство AVI (автоматической идентификации транспортного средства), AVL (автоматическое определение местоположения транспортного средства), ETTM (электронный сбор платы за проезд и управление дорожным движением), и видеооборудование для установления нарушения (VES). Кроме того, новые проблемы, несомненно, будут найдены во все возрастающем разнообразии номеров, более мелкие буквы и цифры, декоративные шрифты.

Учитывая эти условия, производители используют творческий подход в решении проблемы:

Для номеров, где контраст переднего плана / фона делает даже трудной визуальную идентификацию, применяются 2 камеры, используя видимые и инфракрасные области электромагнитного спектра. Фильтрация соответствующих длин волн значительно улучшает читаемость символов для номеров.

Федеральные государственные номера не читаются обычными CCIR. Компьютерное распознавание Systems, Inc объединяется ультравысокой четкостью захвата изображения "фронт-энд". В 1300 * 1030-пикселей, буквы и цифры могут быть получены с высокой четкостью.

Метод AutoVu Technologies не только читает алфавитно-цифровые номера, она анализирует весь номер и проверяет его по базе данных в поисках подходящих. Это может быть очень важным для того, чтобы определить штат – например, Штат Теннесси, который не всегда указан на номере.

Транспортные организации и правоохранительные органы, несомненно, получают выгоду от этой технологии, это может быть выявление каких-то правонарушений или получении информации о загруженности определенного транспортного узла, дороги. Это очень перспективное направление, и реализация этой технологии на международном рынке кажется очень привлекательным решением.

Источник: http://www.photocop.com