IP kaamerad numbrid Tunnustamine: Jah, või mitte? Eksperdiarvamused. Hikvision Automotive Ruum Määratlus - Hikvision Uurali kaamera lugemise auto tuba

Mõelge Loe edasi Omadused IP-kaamera lugemiseks numbrid.

Seda saab kasutada selleks, et:

• barjääri automatiseeritud avamine kontrollitud territooriumi sissepääsu juures;
• Automatiseeritud trahvide aruanne, mis on rikkunud kajastamispiirkonnas eeskirjade juhi poolt auto numbrid.
• Automaatselt arvutada auto andmed põhinevad parkimiskulud.
• kohene teavitamine avastusest külmunud autoVõrreldes selle numbri andmebaasiga.

Kõik need analüütilised protsessid viiakse läbi automaatrežiimis sisemises tarkvaras või seadistuste ja määratud funktsioonide abil serverisse installitud tarkvara kaudu. IP-kaamera käivitamine auto numbrite äratundmiseks on soovitatav lugeda installimise, konfigureerimise ja käitamise juhiseid. Network-kambris numbrite tunnustamisel võib olla erinev vormidegur ja paigaldustüüp. Sa peaksid valima kehtivate nõuete ja tingimuste põhjal.

Pakume ostma IP-kaameraid autode numbrite tundmiseks, hinnaga 3000 rubla meie veebipoes. Sait on saadaval kõik vajalik teave Seadme kohta.

Omadused IP-kaamera autode tuvastamiseks

Enne kui ostate IP-kaamera numbrite tuvastamise funktsiooniga, lugege selle tehnilisi omadusi.

Tehniliste kirjelduste loetelu:

• Võimsusvalikud.
• Tarkvara tüüp, juhtimise lihtsus.
• IP-kaamera kaitseklass.
• Vaatenurk.
• Resolutsioon.
• Paigaldamise meetod ja ühendus.
• Teabe töötlemise kiirus, otsige sobitamist.
• Kiiruse pildistamine, salvestamine.
• Temperatuuri režiim Kaamera töötab.
• Äärmiselt lubatud niiskus
• Tootja brändi reiting turul juhtimissüsteemide ja videovalve, kasutaja kommentaare.
• Mõõtmed, seadme kaal.
• Seadmed, paigaldamiseks vajalike liitmike olemasolu, kasutusjuhend.

Selles jaotises esitatud kaamerad testisid meie spetsialistid ühilduvusega MacroSCOP-tarkvaraga "Autode numbrite tunnustamine". Kombinatsioonis andmetega, meie kaamerad annavad teile pideva seire kaitstud ala, aitab teil otsida soovitud masin, automatiseerimine mitmeid protsesse.

Valides seadme, mis vastab kõigile nõuetele, saate kiiresti kontrollida tellimuse kohapeal. Me edastame kaamera numbrite tunnustamisega Moskva soovitud objektile nii kiiresti kui võimalik.

Lisatud: 2018-02-28 15:24:21

Kaasaegsed süsteemid Videovalve ei ole mitte ainult videovoogude kogumik, vaid ka video analüüsi laiavõimalused.

Sellised funktsioonid kui külastajate arvu loendamisel, üksikisikute tunnustamine, autode kajastamine ja fikseerimine, läksid enesekindlalt kaugemale erakorraliste teenuste huvidest ja jurisdiktsioonist igapäevase äriülesannete lahendamisel.

Lõpetame üksikasjalikumalt video analüüsi ühe nõudmispärase funktsiooni kohta - autode numbrite tunnustamine. Mõnikord on videovalvesüsteem integreeritud juurdepääsukontrollisüsteemiga: kaamera loeb auto numbri, analüüsi süsteem kontrollib saadud pildi andmebaasist numbrite arvust ja kui juhus on kinnitatud, saadab autoliikme.

Eraldi märgime, et videovalvesüsteemi kujundamisel on vaja jagada autode numbrite tunnustamise ülesandeid ja ülevaatefunktsiooni (liikuvaid tehnikaid ja jalakäijaid, kambrite asukohta sõltuvalt täheldatud piirkonna tingimustest jne) .). Kaamera jaoks, mis on ette nähtud numbrite tuvastamiseks, on majutust piirangud. Lisaks on vaja spetsiaalseid seadeid. Kaamera teravustamine peaks olema rangelt suunatud autode juhtimiseks mõeldud piirkonnale (enamikul juhtudel on see 3-4 meetrit). Sellega seoses on soovitatav kasutada kaameraid fikseeritud objektiiviga. Lisaks on neil tavaliselt parimad omadused Valgustundlikkuse võrreldes mootoriga läätsedega.

Kaamera Mis resolutsioon on parem valida?

Autode arvu tuvastamise ülesande lahendamisel võib kaamera kõrge eraldusvõime põhjustada arvutatud ühe võrreldav. See on tingitud asjaolust, et resolutsioon suurenemisega kambrid halvenevad valgustundlikkust, mis mõjutab negatiivselt numbrite tunnustamist öösel.

Arvutamiseks kasutatakse valemit (W / N) * P:

kui W on läbivaatamise laius fikseerimisvööndis number (m),

n - auto numbri suurus (m),

Kui me võtame vaadeldava osa 3 m laiuse litsentsplaadi keskmine laius 0,52 m ja optimaalne suurus Pildid (praktikas) 200 pikslit, siis saame järgmise arvutuse:

(W / N) * p \u003d (3 / 0,52) * 200 \u003d 1154 pikslit.

Arvutus näitab, et see sobib HD-eraldusvõimega kaamerale (1280 x 720 pikslit).

Tunnustamissüsteemi kaameratel peab olema teatud omadused.

Seda tuleks arvesse võtta maatriksi füüsilist suurust. Mida rohkem maatriks, seda rohkem valgustundlikumat. Minimaalne lubatav suurus Maatriksid, tunda 1/3 tolli numbrit. Maatriksid 1/2 tolli suuruse ja kõrgemate on kõige hästi.

Joonis 1. Piltide võrdlemine pimedas ja ereda päeva jooksul alates kaameratest, mis erinevad maatriksi suurusest

Kaamera valimisel peaksite arvestama ka tulede parameetri. See määrab kambri objektiivi valik ja see on näidatud f - numbri kujul, mis määratakse fookuskaugus ja Suurus diafragma vastavalt eespool. Pilt ise muutub vähem digitaalse müra. Numbrite äratundmiseks on heledusega objektiiv, mis on väiksem kui F / 1.4. F / 1.3 objektiiv on kergem.

Pange tähele, et mis iganes spetsifikatsioonid Kaamerat ei olnud valgustuse täieliku puudumise tõttu, tulemus tunnustatud numbrimärgi kujul, mida te ei saa. Sellega seoses kaaluge esialgu täiendava valgustuse võimalust. Absoluutne enamus kambrite on nüüd IR valgustus, aga kasutamist sisseehitatud valgustatud IR tähendab vajadust kanda kaamera musta ja valge režiimi. Lisaks võib suvel vabanenud täiendava sooja suvel saada tarbetuks, põhjustada ülekuumenemist, luues täiendavaid häireid.

Me pöörame tähelepanu ka sellisele kambrile iseloomulikule kui ka raamide arvule sekundis. Meie tootjana soovitame kambrisse kambrisse 25 k / s. Kuid praktikas nende objektide kohta, kus masinad liiguvad madalal kiirusel, kantakse kambrid režiimi 12 kuni / s alla ja alljärgnevalt, eemaldades samal ajal koormuse teabe massiivi töötlemiseks vajalikest seadmetest.

Nagu eespool mainisime, on videokaamera majutuse üsna jäigad piirid, nende tulemusel põhjustab märkimisväärset halvenemist.

Puuduta plaadi kalde kaldenurk ei tohiks ületada 5 ° võrreldes X-teljega pildi kahemõõtmelise versiooni suhtes.

Kahe sõiduraja püüdmiseks saate kaamera paigutada järgmiselt:

Kaamera tuleb paigutada kõrgusele 2 kuni 6 meetrit. Kui asetatakse takistuseks objektidele, on vaja kaaluda, et takistus ise moodustab teatud võõrandusala.

Tarkvara tehnoloogiate tehnoloogiate ja inimeste inimeste tehnoloogiad muutuvad üha nõudluse üha enam. Näiteks võib automaatse automaatse tunnustamise kasutada juurdepääsu kontrollisüsteemi komponendina arveldussüsteemide korraldamiseks paide parkimineautomatiseerimine auto läbib või koguda statistilist teavet (korduvad külastused TRV või pesemise, näiteks). Kõik see on võimeline kaasaegse intellektuaalse tarkvara. Mis on vaja sellise süsteemi rakendamiseks? Põhimõtteliselt ei ole palju - videokaameraid, mis vastavad teatud nõuetele ja vastavatele intelligentsetele tarkvaramoodulile. Näiteks või rohkem eelarvet

Käesolevas artiklis me ütleme teile, kuidas valida digitaalse videokaamera, mis suudab moodustada kvaliteetse video, mis on vastuvõetav tarkvara tuvastamise ülesannete jaoks

Resolutsioon

Paar aastat tagasi mõõdeti ekraani numbrimärgi suurust arvu raami laiuses. Kõik kaamerad olid analoogsed ja nende vastus oli konstantse ulatus. Nüüd, kui maatriksil võib olla resolutsioon 0,5 kuni 12), suhtelised väärtused ei kehti ja nõutavat numbrimärkide laius mõõdetakse pikslites.

Reeglina näitab numbrite tunnustamise spetsifikatsioon, et ekraanil oleva litsentsiplaadi laiuse nõuded piisavad kindlate tunnustamise jaoks. Niisiis, näiteks automaatse mooduli autotransmisseri vajab laius 120 pikslit ja number on 80 pikslit. Erinevusi nõuete selgitatakse nüanssid töö tunnustamise algoritme ja lubatud usaldusväärsuse poolt vastu võetud arendaja poolt vastu võetud. of isiklik kogemus Võib märkida, et autotransmisir on nõudlikum ja "kapriisne" seadmete valiku, objektiivi, kaamera seadistuse õigsuse osas. Kuid meeldetuletus näitab pidevalt usaldusväärseid tulemusi ja see sõltub vähe ilmastikutingimustest.

Suurema usaldusväärsuse saamiseks saate soovitada navigeerida litsentsplaadi väärtuse väärtuse 150 pikslina. Ja kui te mäletate, et GOST-i sõnul on litsentsplaadi laius, on pool meeter (520mm täpne), siis jõuame soovitud eraldusvõime 300 punkti kohta meetri kohta.

Pikslite lineaarne eraldusvõime arvesti sõltub vaatenurgast ja kaamera maatriksi loal. See on võimalik arvutada valemiga:

R lin. - lineaarne eraldusvõime, pikslid meetri kohta

R H. - koja horisontaalne lahendamine (näiteksR H. =1080)

α - kaamera vaatenurk

L. - Kaugus kaamerast objekti

Võite kasutada ka meie online-kalkulaatorit toodete toote kohta, mida olete huvitatud, "mida ma näen" Tab.

Allpool on (näiteks) Mitmed IP-videovalve kaamerate variandid, mis näitavad maksimaalset kaugust, millega litsentsplaadi tunnustamine on võimalik (litsentsplaadi laius 150 pix). Märkus, fookuskauguse maksimaalset väärtust kasutati kaamerate jaoks varifikatsiooni objektiiviga

	Fookuskaugus	Horisontaalne eraldusvõime	Max. Kaugus, M.	Max. Läbivaatamise laius, m
		1920 pikslit
		1280 pikslit
		2688 pikslit
		2048 Pixels
		2048 Pixels

Oluline on mõista, et kõrgemad resolutsioonikaamerad võivad jälgida laiemaid tsooni, seega on neid samas kohas. Sellisel juhul jääb lineaarne resolutsioon identifitseerimisnõuete piires. See asjaolu Majanduslikult mõistlik kasutamine kõrge resolutsiooniga kambrite paljudes olukordades.

Kergeduse tundlikkus ja katiku kiirus

Autode registreerimismärkide enesekindlaks tunnustamiseks peaks kaameral olema hea valgustundlikkus ja katiku kiiruse käsitsi paigaldamine (katiku kiirus või lihtsalt väljavõtted). See nõue on väga oluline suure kiirusega liikuvate autotuvastussüsteemide ehitamisel. Autode jaoks, mis liiguvad kiirustel kuni 30 km / h (nimelt me \u200b\u200breeglina meie klientide rakendamisel: suvila asulad, elamukompleksid, parkla kaubanduskeskus, erinevad suletud territooriumid) See nõue on vähem oluline, kuid Seda ei ole võimatu alahinnata, sest kõrge kvaliteediga tunnustamise saavutamiseks peaks kaamera eemaldama vähemalt kümme kaadrit lugemise numbriga.
Seega, näiteks tunnustada arvu A / M, liikudes kiirusel 30 km / h nurgas kambri paigaldamine kuni 10 kraadi võrreldes liikumise telje suhtes, katiku kiirus peaks olema umbes 1 / 200 sekundit. Paljude odavate kaamerate puhul on selline väljavõte isegi pärastlõunal häguse ilm, see võib olla ebapiisav ja pilt on tume ja / või vinge. Seetõttu tasub pöörata suurt tähelepanu maatriksi suurusele ja selle kvaliteedile. Ideaalis kasutage spetsiaalset musta ja valget kambrit CCD maatriksiga. Hind on siiski väga suur ja resolutsioon ei ole tavaliselt rohkem kui 1 mm, mis paneb nende kohaldatavusele tõsiseid piiranguid.
Üldiselt ei tohiks seda suure eraldusvõimega edasi lükata, kui objektiivseid põhjuseid ei ole. Suhteliselt odavad Ultra-kõrge eraldusvõimega kaamerad (4MP, 5MP ja kõrgem) ehitatakse maatriksid 1/3, 1/2,8 ja harvemini 1 / 2,5 tolli. Samal maatriksil on ka kaamerad 1,3 ja 2 mm eraldusvõimega. Selle tulemusena suurus iga valgustundliku elemendi kambris 1,3 mm on oluliselt rohkem kui 5MP kambris ja suurem suurus - rohkem valgus võib koguda iga valgustundliku elemendi. Seepärast on meie soovitatud IP-kaamera tuvastamise ülesannete jaoks soovitatav luba rohkem kui 2MP.

Lai dünaamiline vahemik (WDR), taustavalgustuse kompenseerimine

Kambri dünaamiline valik määrab suhte maksimaalse ja minimaalse valguse intensiivsuse vahele, mis võivad selle anduri tavaliselt kinnitada. Teisisõnu, see on kaamera võime edastada ilma moonutusteta ja kahjumiteta samal ajal ja eredalt valgustatud ja pildi tumedate piirkondadeta. See parameeter on numbrite automaatse tunnustamise ajal väga oluline, sest See aitab võidelda kergete meistritega. Kuid isegi kõige arenenumad kaamerad WDR-iga 140DB-ga ei suuda alati suure kontrastsuse valgusega toime tulla. Sel juhul on seatud täiendav valgustus Nähtav valgus või tegutseb IR-vahemikus, valgustav tsoon, kus arv tunnustamine toimub.

Sügavus

Väli sügavus või täielikult pildi teravuse sügavus (gripp) nimetatakse vahemaad, millele objektid tajutakse teravana.

See parameeter määrab fookuskaugus, diafragma ja objekti kaugusel. Mida suurem on põllu sügavus - rohkem teravustamistsooni ja seda rohkem võimalusi "püüda" piisava liikuva auto selgete raamide jaoks.

Võib-olla on teravuse sügavusel maksimaalne toime objektiivi diafragma. Mida väiksem on diafragma auk - mida suurem on teravuse sügavus, seda rohkem - gripi teemad. Kõik numbrite tunnustamise jaoks soovitatavad kaamerad suudavad kohaneda diafragma automaatse muutmise tõttu valgustusolude muutmisega. Selliste kambrite fookuse reguleerimine on soovitatav valmistada võimalikult suures diafragma juures, kui teravuse sügavus on minimaalne.

Mida suurem on kaugus kaamerast objektile, teravuse sügavus on suurem, mistõttu ei ole vaja püüda kaamerat tunnustamise tsooni võimalikult lähedale paigutada. Teisest küljest on fookuskaugus pikem, teravuse sügavus on väiksem. Meie praktikas on kaamera optimaalne kaugus amini vahemikus 6 kuni 10 meetrit. Kuigi see ei ole võimatu ja tunnustatakse kaugusest ja 100 meetrit.

Moonutamine

Paljud läätsed moonutavad vähe pilti. Kõige sagedamini esineb nn "barrel-kujuline" pildi moonutamine. See on seotud suurendamisega, mis on keskuses suurem ja vähem servades, mis toob kaasa objekti suuruse muutuse. Niisiis, kui sama objekt langeb pildi keskele ja selle servale - selle suurused servale tunduvad väiksemad. See võib mõjutada võime tuvastada.

Lühem fookuskaugus on tugevam moonutus võib olla märgatav. Seetõttu on kaamerad laia nurga objektiividega (vähem kui 4 mm) tuvastamiseks ebasoovitav.

Müra ja värvi reprodutseerimine

Mida vähem müra ja täpsem värvi reprodutseerimine - parem identifitseerimiseks. Seetõttu on soovitatav pöörata tähelepanu sellistele parameetritele kui kambri minimaalse valgustuse ning müra vähendamise funktsioonide olemasolu.
Müra allasurumine on eriti oluline ebapiisava valgustusega, kui kaamera andurid on tugevalt "mürarikad", mis raskendavad identifitseerimist. Tuleb mõista, et paljudel juhtudel ei suuda müra vähendamine ja muud elektroonilised "pullid" toime tulla ja rajatises piisava valgustuse taseme tagada.

Kokkusurumise video

Kaasaegsed IP-kaamerad edastavad kokkusurutud videosignaali ja kui raamil puudub liikumine või see on minimaalne - liiklus on väike. Kui liikumine raami intensiivse - liikluse kasvab. Seega, juhul, kui konstantse bitterate seadete seadetes on pilt sobiva pildi identifitseerimiseks liikumise puudumisel, kuid sobimatu - intensiivse liikumisega raami.
Selleks, et tuvastada, on soovitatav muuta kõige rohkem muutuva bitikate kõrge tase Kvaliteet. Sel juhul pakutakse soovitud pildikvaliteet.

Matrix: 1/2,8 "Progressive Scan CMOS Riistvara WDR 140DB. Objektiiv: 2,8-12 mm Omadused: sisemise kaamera paigaldamiseks tänaval on vaja termopaaride. Objektiivi ei kuulu ja ostetakse eraldi
Max. Lahendus: 1,3MP, 1280 x 960 pix Riistvara WDR. Objektiiv: 2,8-12 mm
Street 2 MP võrgukaamera telg P1365-E C WDR ja Lightfinder Matrix: 1/2,8 "Progressive Scan CMOS Max. Resolutsioon: 2MP, 1920 x 1080 pix Riistvara WDR. Tehnoloogia Latterfinder. Objektiiv: 2,8-8 mm @ f1.3 Omadused: kõrge tundlikkus, autofookus
Dahua IPC-HF8301E Utlra WDR 120DB, Ultra 3DNR Matrix: 1/3 "Progressive Scan CMOS Max. Resolutsioon: 3MP, 2048x1536 pix Riistvara WDR. Objektiiv: 2,8-12 mm Omadused: sisemise kaamera paigaldamiseks tänaval on vaja termopaaride. Objektiivi ei kuulu ja ostetakse eraldi
Matrix: 1/3 "Progressive Scan CMOS Max. Lahendus: 1,3MP, 1280x960 pix Objektiiv: 2,8 - 8 mm (f1.2) Omadused: kõrge tundlikkus, autofookus

Kaasaegne videovalve võimaldab teil koguda teavet autoliikluse ja jalakäijate voolu kohta ning pakub ka video analüüsi erinevaid funktsioone.

Külastajate arvu määramise funktsioonid, isikute identifitseerimiseks sai erasektori organisatsioonide ja ettevõtjate vahel nõudlus.

Kaaluge litsentsplaatide määramise üksikasjalikku olulist funktsiooni. Videovalvesüsteeme saab kombineerida juurdepääsu kontrollisüsteemiga. Kaamera määrab numbri ja Analüütika süsteem otsib andmebaasi numbrite loendis kokkusattumust ja kui see on olemas, annab sõiduki juurdepääsu kontrollisüsteemile loa.

Videovalvesüsteemi paigaldamise planeerimisel peate eraldama transpordi ja jalakäijate vaatlusfunktsiooni numbrite määramise ülesande. Videokaamera tuvastada litsentsplaatide piiranguid paigalduskohale, samuti vajavad nad spetsiaalset seadet. Kaamera peaks keskenduma ainult saidile, kus nad läbivad sõidukid. Seetõttu on parem paigaldada kaamerad, millel on fikseeritud objektiiv. Neil on täiendav eelis valgustundlikkuse omadustes.

Kaamera eraldusvõime

Kaamera kõrge eraldusvõime ei tähenda veel ülesande tunnustamise kvaliteeti. Arvutatud optimaalne eraldusvõime võib isegi anda parim tulemus. Mida kõrgem on resolutsioon, seda halvem valgustundlikkus ja see süvendab halva valgustusega numbrite määratlust.

Vajaliku eraldusvõime arvutamisel kasutatakse järgmist valemit: (W / N) * P, kus W on fikseeritud numbrimärgi kontrollimise laiuse; n - numbrimärgi number; P - kuvatud numbri kavandatav laius mõõdetakse pikslites.

Kaaluge arvutust järgmisel näitel: tähise keskmine suurus on 0,52 m, kontrollitud tsooni laius on 3 m ja soovitatav suurus võetakse tavaliselt 200 pikslit. Me saame sellise vastuse:

(W / N) * p \u003d (3 / 0,52) * 200 \u003d 1154 pikslit.

Arvutus näitab seda sobiv valik Seal on kaamera, millel on standard HD pildistamisvorming (1280 * 720 pikslit). Aga see on tõsi, kui kaugus kaamerast numbrile on 3-5 meetrit. Kui vahemaa on suurem, siis kaamera eraldusvõime on vajalik eespool. Kui see kaugus ületab 20m, siis on vaja kaamera variofotaalse objektiiviga. See võimaldab kitsendada vaatenurka, suurendades seeläbi fikseeritud objekti monitori ekraanil.

Videokaamerate omadused numbrite tunnustamiseks

On vaja võtta arvesse maatriksi suurust. Suur Matitsa on suurem valgustundlikkus. Numbrite äratundmiseks peaks maatriks olema vähemalt 1/3 tolli. Kuid numbrite kvalitatiivse määratluse puhul on maatriks vajalik 1/2 tolli ja palju muud. Näiteks IP-kaamera koos SONY IMX 185 maatriksi suurusega 1 / 1.8.

Tulede omadused on võrdselt olulised. See indikaator määrab kaamera objektiivi ja tähistatakse numbri f -ni. Seda iseloomustab fookuskauguse suhe diafragma avalikustamisväärtusele. Iseloomulik signaal / müra on parem suurema heledusega, kuna maatriksis on rohkem valgust. Suurendava valgusega väheneb digitaalse müra arv. Numbrite määratlus nõuab tulede väärtust F / 1.4-st ja kõrgemale.

Isegi väga parimad kaamerad Ei saa kindlaks määrata auto arvu, mis asub täielikus pimeduses. Seetõttu peate kohe tavalise valgustuse eest hoolitsema. Enamik kaasaegsetest kambritest on IR-valgustus, kuid see funktsioon on sunnitud vahetama musta ja valge pildistamisrežiimi. Kui IR-valgustus esineb kaamera täiendavat kuumutamist, mis võib kuumas hooajal ülekuumenemise põhjustada ja see tekitab täiendavaid häireid.

See on oluline ja näitaja kaadrite arvu kohta sekundis. Kaamerad soovitatakse sagedusega 25 k / s. Transpordivoolu väikese kiirusega piirkondades on kaamera sisse lülitatud 12 kuni / s või alla. See võimaldab teil sissetulevat teavet paremini vähendada seadme koormust.

Kaamera paigutus

Oodatava tulemuse jaoks tuleb seadmed paigutada selge järgimisega kõikides tingimustes.

• Pildil ei tohiks auto kallutusnumber olla x-teljel rohkem kui 5 °.
• Kambri suunda nurk peab olema kuni 30 ° nii horisontaalselt ja vertikaalselt.
• Pildistamiseks 2 bändi, saate paigaldada kambri kesklinnas nende vahel.
• Kaamera kõrgus peab olema 2-6 meetri kaugusel.
• Seadme paigaldamisel takistuse lähedal tuleb meeles pidada, et see loob teatud osa võõrandumisest.
• Olles kaamera paigaldatud, on vaja kontrollida öösel pildistamise kvaliteedi vastuvõetavust. Diafragma režiim on seatud "AUTO" tasemele 50 tasemega.
• Light-esilaternate puhastamiseks pimedas perioodis on väljavõttega kaamera 1/1000 või rohkem.
• Tavalise valgustuse puudumisel tuleks tee määrata päeva / öö funktsiooni "Auto". Vastasel juhul on intellektuaalne valgustus asendisse asendisse - "ON".
• Valgustuse BLC ja WDR peab olema välja lülitatud.

Andmebaasis olevate numbrite automaatseks salvestamiseks on vaja spetsiaalset kaameraprogrammi või litsentsplaatide tuvastamist arvutit. Nüüd tulevad müük ja kaamerad, et ise tunnevad auto numbrid.

On aeg üksikasjalikult öelda, kuidas meie numbrite tunnustamise algoritmi rakendamine töötab: mis osutus hea lahendusena, mida ta töötas väga suurepäraselt. Ja lihtsalt raportida Habra-kasutajate ees - Lõppude lõpuks kasutate Android-rakenduste tunnustust, aitas meil saada korralikku suurust numbrite hetkepiltide andmebaasi, eemaldati täiesti piiramata, ilma et nad ei selgitata ja kuidas mitte. Ja piltide andmebaas algoritmide tunnustamise arendamisel on kõige olulisem!

Mis juhtus Android App tunnustaja

See oli väga tore, et HABRA kasutajad võtsid rakenduse allalaadimiseks proovida ja saata meile numbreid.

Allalaadimise programmid ja hindamine

Alates taotluse postitamise hetkest tuli serverisse 3800 pilte mobiiltelefoni rakendusest.
Ja veelgi enam olime hea meel link http: //21/116/121.70: 10000 / uploadimage - 2 päeva saatsime umbes 8000 täissuuruses pildid autode numbrid (enamasti Vologda)! Server oli peaaegu valetamine.

Nüüd on meil umbes 12 000 fotot fotodest - enne hiiglaslikku tööd silumise algoritme. Kõik kõige huvitavamad algavad!

Lubage mul teile meelde tuletada, et Android-rakendus on eelnevalt numbrit rõhutanud. Selles artiklis ma ei lõpeta üksikasjalikult selles etapis. Meie puhul Haari kaskaadide detektor. See detektor ei tööta alati, kui raami number on väga välja lülitatud. Analüüs selle kohta, kuidas koolitatud kaskaadi detektor töötab meid, kui see ei tööta, jätke järgmised artiklid. See on tõesti väga huvitav. Tundub, et see on must kast - siin nad koolitasid detektorit ja midagi muud tegema. Tegelikult ei ole see.

Kuid ikka veel kaskaadide detektor on piiratud võimaluse puhul piiratud arvutivahendite puhul. Kui auto number on määrdunud või raam on halvasti nähtav, näitab Haar ka teiste meetodite suhtes.

Toa tuvastamine

Siin on lugu selle tüübi piltide teksti tunnustamise kohta:

Üldised lähenemisviisid tunnustamise kohta kirjeldati esimeses artiklis.

Esialgu seadme endale ülesandeks tunnistada määrdunud, osaliselt purunenud ja hästi moonutatud perspektiivi numbrid.
Esiteks on huvitav ja teiseks tundus, et siis on puhas töötama 100% juhtudel. Tavaliselt juhtub see muidugi. Aga siin ei töötanud see välja. Selgus, et kui määrdunud numbrite puhul oli edu tõenäosus 88%, siis puhtal, näiteks 90%. Kuigi tegelikult tuvastamise tõenäosus fotost mobiilirakendus Enne edukat vastust, muidugi selgus veelgi hullem kui määratud näitaja. Veidi vähem kui 50% sissetulevatest piltidest (nii et inimesed ei püüa pilte pildistada). Need. Keskmiselt oli kaks korda suurem, et pildistada ruumi, et seda edukalt ära tunda. Kuigi paljudes aspektides on selline madal protsent seotud asjaoluga, et paljud on proovinud numbreid pildistada monitori ekraanilt ja mitte reaalses seadistuses.

Kogu algoritm ehitati määrdunud numbrite jaoks. Aga selgus, et nüüd suvel Moskvas 9 on 10 toast täiesti puhas. Seega on parem strateegia muuta ja teha kaks eraldi algoritmi. Kui teil õnnestus kiiresti ja turvaliselt ära tunda puhta numbri, siis selle tulemusena ja saata kasutaja ja kui see ebaõnnestus, veetme rohkem töötleja aega ja käivitada teise algoritmi määrdunud tubade jaoks.

Lihtne algoritm arvude tuvastamiseks, mis maksaksid kohe

Kuidas tunnustada hea ja puhas number? See ei ole üldse raske.

Esitame selle algoritmi jaoks järgmised nõuded:

1) mõned vastupanu pöörlemistele (± 10 kraadi)
2) stabiilsus väikesemahuliste muutustega (20%)
3) raami piiride arvu piiramise katkestamine või lihtsalt halvasti väljendunud piirid ei tohiks kõike sulgeda (see on põhimõtteliselt oluline, sest määrdunud numbrite puhul peate tuginema numbri piirile; kui number on Puhastage, siis midagi paremat kui numbrid / tähed ei iseloomusta numbrit).

Niisiis, puhtad ja hästi loetavad ruumid, kõik numbrid ja tähed eraldatakse üksteisest, mis tähendab, et saate binarize pildi ja morfoloogiliste meetodite või eraldada seotud valdkondades või kasutada tuntud sagedusi kontuuri.

Binarize raam

See on ikka veel väärt jalgsi keskmise sageduste filtri ja normaliseerida pilt.


Pilt näitab esialgu väikese raami selguse jaoks.

Siis binarisy kindlal künnisel (saate künnise kinnitada, kuna pilt normaliseeriti).

Hüpotees keerates raami

Oletame mõned võimalikud kaardimängud. Näiteks +10, 0, -10 kraadi:

Tulevikus on meetodil väike resistentsus numbrite ja kirjade pöörlemise nurgale, nii et selline üsna suur samm nurgas on 10 kraadi.
Iga inimese tulevikus töötame iseseisvalt. Milline hüpotees omakorda annab parima tulemuse, siis võidab.

Ja seejärel koguda kõik seotud valdkonnad. Standardfunktsiooni kasutati siin. findContours. Opencvist. Kui assotsieerunud ala (kontuur) kõrgus pikslites H1 kuni H2 ja laius ja kõrgus on seotud suhe K1 K2, siis jätame selle raami ja tähele, et selles valdkonnas võib olla märk . Peaaegu ilmselt selles etapis ainult numbrid ja tähed, ülejäänud prügi raami lahkub. Võtke piiravad kontuurid ristkülikute, me anname neile ühe skaala ja siis me töötame iga kirja / numbri eraldi.

Need on piiravad kontuuri ristkülikud rahulolevad meie nõuded:

Kirjad / numbrid

Pildi kvaliteet on hea, kõik tähed ja numbrid on täiesti eraldatud, vastasel juhul ei jõua me selle sammu juurde.
Skaleerimine kõik märgid ühele suurusele, näiteks 20x30 pikslit. Siin nad on:

Muide, OPENCV muutmisel suurust (kui suurus 20x30 teostatakse), binaarne pilt muutub gradientide tõttu interpolatsiooni tõttu. Me peame kordama biniseerimist.

Ja nüüd kõige lihtsam viis võrrelda teadaolevate piltide pilte on kasutada XOR (normaliseeritud haamimikaal). Näiteks:

Kaugus \u003d 1,0 - | Proovi Xor pilti | / | Proov |

Kui kaugus on rohkem künnis, siis me usume, et me leidsime märk, vähem - visata välja.

Layout-Digit-Digit-Digit-tähtekiri

Jah, me otsime selles vormis Venemaa Föderatsiooni autotööstuse märke. Siin on vaja kaaluda, et joonis 0 ja täht "O" ei ole üksteisest üldiselt eristatavad, joonisel fig 8 ja täht "B". Ehitame kõik märgid vasakult paremale ja me võtame 6 tähemärki.
Kriteeriumi korda - kirjakoha-numbriga-numbriline kiri (ärge unustage umbes 0 / O, 8 / c)
Kriteerium kaks - kõrvalekalde alumise piir 6 tähemärki rida

Kokkuvõtlikud prillid hüpoteesi jaoks - kõigi 6 tähemärgi haamimiskauguse summa. Mida suurem on parem.

Niisiis, kui kogu prillid on väiksemad kui künnis, siis usume, et leidsime 6 ruumi (ilma piirkonnata). Kui on rohkem künnist, siis läheme algoritmi jätkusuutlikuks määrdunud numbritega.

Samuti on tasub vaadata eraldi tähed "h" ja "m". Selleks teha eraldi klassifikaator, näiteks histogrammi gradientide.

Regioon

Järgmised kaks või kolm märki ületab juba 6 tähemärgi all olevat jooni, mis on juba leitud, on piirkond. Kui kolmas number on olemas ja tundub rohkem künnis, koosneb piirkonnas kolm numbrit. Muud kui kaks.

Piirkonna tunnustamine sageli ei juhtu nii sujuvalt, kui ma tahaksin. Regioonide arvud on vähem, ei saa edukalt jagada. Seetõttu on regioon parem teada, kuidas allpool kirjeldatud mustuse / müra / kattumise vastupidavam.

Algoritmi kirjelduse mõned üksikasjad ei ole liiga üksikasjalikud. Osaliselt tingitud asjaolust, et ainult selle algoritmi paigutus on nüüd tehtud ja veel katsetatud ja silunud selle tuhandete piltide kohta. Kui number on hea ja puhas, siis peate tundma numbrit või reageerima millisekundid ja vastake "ebaõnnestunud" ja minge tõsisemale algoritmile.

Algoritmi vastupidav määrdunud numbrite suhtes

On selge, et ülalkirjeldatud algoritm ei tööta üldse, kui arvul olevad märgid keppide tõttu on halb pildikvaliteedi tõttu välja (mustus, halb eraldusvõime, ebaõnnestunud vari või pildistamisnurk).

Siin on numbrite näited, kui esimene algoritm ei suutnud midagi teha:

Aga te peate tuginema auto numbri piiridele ja seejärel rangelt määratletud piirkonna sees, et otsida märke täpselt tuntud orientatsiooni ja ulatusega. Ja mis kõige tähtsam - ei binarisatsioon!

Otsime madalamat piiripunkti

Selle algoritmi kõige lihtsam ja kõige usaldusväärsem etapp. Me pöörame ümber mitu hüpoteesit rotatsiooni nurga all ja ehitame iga hüpoteesi jaoks, pöörates pikslite heleduse hissulgrammi piki horisontaalseid jooni pildi alumise poole jaoks:

Me valime maksimaalse gradiendi ja seega me määrame kaldenurga ja millisel tasemel vähendada allolevat numbrit. Ära unusta kontrastsust parandada ja saada see pilt:

Üldiselt tasub kasutada mitte ainult heledust histogrammi, vaid ka dispersiooni histogrammi, gradientide histogrammi, et suurendada ruumi lõikamise usaldusväärsust.

Otsime ülempiiri

Siin ei ole nii ilmne, kui tagumise auto numbri käest eemaldatakse, võib ülemine piir olla väga kõverad ja osaliselt katta märgid või varjus, nagu käesoleval juhul:


Ruumi ülaosas ei ole teravat heledust üleminekut ja maksimaalne gradient vähendab keskel olevat numbrit.

Me läksime välja olukorrast, mis ei ole väga triviaalselt välja: nad koolitasid iga näitaja ja iga kirja kaskaadi detektori Haari jaoks, leidis kõik pildi märgid, nii et see määras tippjoon, kus lõigata:

Tundub, et siin ja see on väärt peatust - oleme juba leidnud numbreid ja kirju! Aga tegelikult võib Haari detektor olla vale ja meil on siin 7-8 märki. Hea näide numbri 4. Kui numbri ülempiir ühendatakse numbriga 4, ei ole see kõik, mis on raske näha joonist 7. Mis viisil juhtus selles näites. Kuid teisest küljest, hoolimata tuvastamise vea avastamisest, langeb leitud ristkülikute ülempiir tõesti auto numbri ülemise piiriga.

Leia külgpiirangud

Samuti ei ole midagi salakaval - absoluutselt ja põhja. Ainus erinevus on see, et esimese või viimase märgi gradiendi heledus ruumis võib ületada numbri vertikaalse piire gradiendi heledust, mistõttu ei ole maksimaalne, vaid esimene gradient, mis ületab künnist. Samamoodi on alumise piiri korral vaja liikuda mitu hüpoteesit kallega, kuna vertikaalse ja horisontaalse piiri perpendikulaarsuse väljavaadete tõttu ei ole üldse tagatud.

Niisiis, siin on hästi kärbitud number:

Jah! Eriti meeldiv sisestada kaadri vastikust numbriga, mis oli edukalt tunnustatud.

Üks asi on kurb - sellesse etappi 5% -lt 15% numbrid saab lõigata valesti. Näiteks:

(Muide, see keegi saatis meile kollase takso numbri, niipalju kui ma aru - formaat ei ole korrapärane)

Kõik see oli vajalik, et kõik see tehti ainult arvutuste optimeerimiseks, kuna see on liikuda kõik võimalikud positsioone, märke skaala ja nõlvadel, kui nad otsivad, on väga kallid arvutuslikud.

Jagage string märke

Kahjuks on väljavaadete tõttu ja mitte tavalise laiuse tõttu, et nad on juba kärbitud numbri allolevad sümbolid. Siin histogrammi heledust pääseb taas, kuid juba piki X-telge:

Ainus asi, mis jätkab kahe hüpoteeside uurimist: sümbolid algavad kohe või üks maksimaalne histogramm tasub vahelejätmist. See on tingitud asjaolust, et mõnedel numbritel on auto numbri kruvi kruvi või pea auk erineda eraldi märk ja see võib olla üldse nähtamatu.

Sümbolide tunnustamine

Pilt ei ole ikka veel binariseeritud, kasutame kogu teavet, mis on.

Siin on trükitud sümbolid, mis tähendab kaalutud kovariansi, et võrrelda pilte näitega:

Proovid võrdlemiseks ja kaal, kui Covariance:

Loomulikult on võimatu lihtsalt võrrelda horisontaalse histogrammi abil eraldatud pindala. Me peame tegema mitmeid hüpoteesid ümberpaigutamise ja ulatuse.
Hüpoteeside arv X \u003d 4 telje asendis
Hüpoteeside arv asendis Y \u003d 4 teljel
Hüpoteeside arv skaalal \u003d 3

Seega peate iga piirkonna puhul võrreldes ühe märgiga arvutama 4x4x3 Covariani.

Kõigepealt leiame 3 suurt numbrit. See on 3 x 10 x 4 x 4 x 3 \u003d 1440 võrdlus.

Siis lahkus üks täht ja veel kaks paremale. Tähed võrdlemiseks 12. Siis võrdluste summa on 3x12x4x4x3 \u003d 1728

Kui meil on 6 tähemärki, siis kõik on nendest otse - piirkond.

Piirkonnas võib olla 2 numbrit või 3 numbrit - seda tuleb kaaluda. Piirkonna jagamiseks histogrammiga nii on see juba mõttetu tõttu asjaolu, et pildikvaliteet võib olla liiga madal. Seetõttu leiate lihtsalt vaheldumisi numbreid vasakult paremale. Me alustame vasakpoolsest ülemisest nurga alt, vajate mitmeid hüpoteesit X-teljel, Y-teljel ja skaalal. Leiame parim kokkusattumus. Oleme nihkunud määratud väärtusele paremale, me vaatame uuesti. Me otsime kolmanda sümboli vasakule esimesele ja teisele paremale, kui kolmanda sümboli välimuse mõõtmine on rohkem künnis, siis olime õnnelikud - piirkonna tuba koosneb kolmekohalist.

järeldused

Algoritmi rakendamise tava (artiklis kirjeldatud teine \u200b\u200bkirjeldatud) kinnitas uuesti registreerimisrate tunnustamise ülesannete lahendamisel: algoritmide loomisel on vaja tõesti esitlevat baasi. Me suunatud määrdunud ja raua numbrid, sest Katsebaasi filmiti talvel. Ja tõesti sageli üsna halvad numbrid õnnestus ära tunda, kuid koolituse proovis ei olnud puhas numbrid.

Teine pool medali ilmnes: Väike on nii tüütu kasutaja kui olukord, kus automaatse süsteemi ei lahenda täiesti primitiivne ülesanne. "Noh, mida siin ei saa lugeda?!" Ja asjaolu, et automaatne süsteem ei suutnud määrdunud või räpasküsimust ära tunda.

Ausalt öeldes on see meie esimene kogemus massiasutuse tunnustamise süsteemi väljatöötamisel. Ja umbes selliste "Triftles" kasutajatele, tasub õppida mõtlema. Nüüd kinnitas IOS-i raames sarnast "tunnustaja" programm spetsialist. UI-s on kasutaja võimalus näha, mis serverisse nüüd saadetakse, valida, milline nummerdatud tähemärkidest on vajalik, on võimalik rõhutada juba "külmutatud" raami vajalikku ala. Ja see on mugavam kasutada seda. Automaatne tunnustamine ei ole loll funktsioon, ilma milleta on võimatu midagi teha, vaid lihtsalt assistent.

Mõelge üle süsteemi, kus pildi automaatne tunnustamine on kasutajale harmooniline ja mugav - see osutus ülesandeks, mis ei ole lihtsam kui nende tunnustamise algoritmide loomine.

Ja muidugi loodan, et artikkel on kasulik.