Технологија препознавања регистарских таблица возила на видео надзору
Технологија препознавања регистарских таблица возила на CCTV-у је широко позната као аутоматско препознавање регистарских таблица (ANPR) или препознавање регистарских таблица (LPR). Овај систем омогућава CCTV камерама да аутоматски „читају“ бројеве регистарских таблица, а затим их претварају у текстуалне податке који се могу чувати, претраживати и анализирати. Последњих година, ANPR се све више користи на аутопутевима, паркинзима, наплатним рампама, индустријским зонама, па чак и стамбеним комплексима, јер може побољшати безбедност, оперативну ефикасност и тачност снимања долазећих и одлазећих возила.
Шта је ANPR и како функционише?
Генерално, ANPR је комбинација хардвера (CCTV камере и уређаји за обраду) и софтвера (алгоритми за обраду слика и вештачка интелигенција). Његова сврха је снимање слика возила, детекција подручја регистарских таблица, а затим препознавање знакова на таблицама.
ANPR токови рада обично укључују четири главне фазе:
1. Снимање слике (снимање слике)
CCTV камере снимају слике или видео записе возила. У овом тренутку, квалитет слике је кључан за успех система. Фактори као што су резолуција камере, брзина затварача, осветљење и локација монтаже камере су значајни фактори.
2. Детекција регистарских таблица
Софтвер лоцира регистарске таблице на слици. Овај процес користи препознатљиве карактеристике регистарске таблице: правоугаони облик, специфичан контраст боја и правилне обрасце карактера. Модерни системи често користе моделе дубоког учења како би побољшали могућности детекције на сложеним позадинама.
3. Сегментација ликова
Када се плочица пронађе, систем раздваја знакове један по један. Овај корак је кључан јер прљава, оштећена или плочица која рефлектује светлост може отежати раздвајање знакова.
4. Препознавање знакова (OCR/препознавање)
Раздвојени знакови се препознају помоћу OCR (оптичког препознавања знакова) техника. Најновија генерација система користи неуронске мреже које могу да уче из различитих фонтова, углова снимања и услова осветљења.
У неким имплементацијама, класични процес сегментације замењен је приступом од почетка до краја: модел вештачке интелигенције директно конвертује слику регистарске таблице у текст без експлицитног раздвајања знакова. Ово омогућава стабилније перформансе у захтевним условима у стварном свету.
Главне компоненте ANPR система заснованог на CCTV-у
Да би ANPR оптимално функционисао, потребно је неколико међусобно се подржавајућих компоненти:
– CCTV камера специфична за ANPR
Генерално имају велике брзине затварача, широки динамички опсег (WDR), инфрацрвено (IR) зрачење за ноћни вид и могућност снимања покретних објеката. Док се ANPR може користити на стандардним камерама, специјализоване камере побољшавају тачност, посебно за возила велике брзине.
– Додатно осветљење (ИР осветљивач / помоћна светла)
Ноћу или у подручјима са слабом светлошћу, инфрацрвени осветљивач помаже у стварању јасне слике регистарске таблице. Подешавање интензитета је важно како би се избегло прекомерно излагање.
– Уређаји за обраду (edge уређаји/NVR/сервери)
Постоје системи који обрађују податке на камери (edge AI), на NVR-у или на централизованом серверу. Edge обрада смањује захтеве за пропусним опсегом јер преноси очитавања регистарских таблица и снимке слика уместо сировог видеа.
– Софтвер за управљање и интеграцију
Резултати очитавања регистарских таблица морају бити снимљени, приказани и повезани са другим системима као што су портали за капије, базе података о корисницима паркинга, безбедносни системи или аналитичке контролне табле.
Фактори који утичу на тачност очитавања регистарских таблица
Тачност ANPR-а не одређује само софистицираност вештачке интелигенције, већ и услови на терену. Неки кључни фактори су:
1. Угао и удаљеност камере
Превелики нагиб отежава читање плоче. Уобичајена пракса је да се камера постави под умереним углом и на одговарајућој удаљености од објектива тако да плоча задовољава одређену минималну величину на слици.
2. Брзина возила
Возила која се брзо крећу захтевају велику брзину затварача како би се спречило замућење покрета. На путу, ANPR уређаји се често упарују са камерама са великом брзином кадрова и великим временом затварача.
3. Осветљење и рефлексија
Рефлексије са плоча (посебно рефлектујућих) могу проузроковати да ликови „нестану“. Правилна подешавања WDR-а и IR-а помажу у ублажавању овог проблема.
4. Физичко стање плоче
Прљаве, покривене, удубљене или модификоване плоче (нестандардни фонтови) смањују тачност. Други прекршаји, као што је употреба додатне опреме, лискуна или вијака који заклањају знакове, такође компликују систем.
5. Време и животна средина
Киша, магла, прашина и екстремно осветљење (нпр. позадинско осветљење од сунца) могу смањити квалитет слике.
Улога вештачке интелигенције и дубоког учења у модерном ANPR-у
Рани ANPR се у великој мери ослањао на традиционалне технике обраде слика, као што су прагови, детекција ивица и анализа облика. Међутим, ове методе су се често мучиле са различитим условима у стварном свету.
Тренутно, дубоко учење побољшава могућности система у неколико аспеката:
– Прецизније откривање регистарских таблица чак и када су мале, нагнуте или имају густу позадину.
– Препознавање знакова је отпорније на варијације као што су фонтови, оштећење или шум.
– Прилагодљивост различитим земљама/форматима кроз обуку о релевантним скуповима података.
– Препознавање од краја до краја које смањује ослањање на сегментацију ликова.
Међутим, вештачкој интелигенцији и даље су потребни добри подаци за обуку. Системи обучени за локалне услове (формат регистарске таблице, стил фонта, језик/карактери и локални услови у саобраћају) обично дају боље резултате.
Пример ANPR апликације на CCTV-у
1. Управљање паркирањем
ANPR се користи за аутоматско израчунавање трајања паркирања, отварање рампи без карата и смањење редова чекања. Систем може повезати регистарске таблице са дигиталним плаћањима или претплатама.
2. Безбедност приступа подручју
Стамбени комплекси, складишта и фабрике често користе беле листе за регистрована возила и црне листе за сумњива возила. Када се детектује регистарска таблица, систем може да покрене аларм или обавештење.
3. Спровођење закона и праћење саобраћаја
ANPR помаже у лоцирању изгубљених возила, идентификацији возила која крше прописе и анализи густине саобраћаја. У већем обиму, ANPR подаци се могу користити за анализу саобраћаја.
4. Наплатне рампе и путеви са наплатом путарине
Интеграција са системима плаћања убрзава процес, посебно у шемама слободног протока са више трака које минимизирају потребу за заустављањима.
Изазови у вези са приватношћу и безбедношћу података
Употреба ANPR-а директно се односи на потенцијално осетљиве податке, јер се регистарски бројеви возила могу повезати са идентитетом власника путем одређених система. Стога, ANPR администратори морају обратити пажњу на:
– Политика чувања података: колико дуго се подаци чувају и у коју сврху.
– Контрола приступа: ко има право да види податке о регистарским таблицама и њихову историју.
– Сајбер безбедност: шифровање, евиденција ревизије и заштита од цурења података.
– Усклађеност са прописима: поштујте важеће прописе о заштити података у сваком региону.
Добра пракса је чување података по потреби, ограничавање приступа и примена адекватних безбедносних стандарда како би се осигурала одговорна употреба технологије.
Закључак
Технологија препознавања регистарских таблица возила на CCTV-у (ANPR/LPR) је кључно решење за безбедност и аутоматизацију, од приступа капији до анализе саобраћаја. Овај систем функционише кроз фазе снимања слике, детекције регистарских таблица, препознавања карактера и интеграције у системе управљања. На успех ANPR-а у великој мери утичу квалитет камере, осветљење, инсталација и софистицираност коришћених вештачких интелигенција (AI). Штавише, имплементација ANPR-а мора бити уравнотежена и са робусним политикама приватности и безбедности података. Уз правилно техничко планирање и етичку употребу, ANPR може пружити значајне користи управницима објеката, владама и широј заједници.
