Autode numbrite kajastamist kasutatakse meie riigis suhteliselt hiljuti. Seda kasutatakse õiguskaitseasutuste esimesi esindajaid kiirrajad ja linnas. Juhid, kes rikuvad kiiret režiimi, parkimist ja muid liiklusreegleid, saada trahvi, mis põhineb video salvestamise video püüdmisest ja auto kindlaksmääramisel.
Sageli on vaja dekrüpteerimisfunktsiooni ja tavalise draiveri (näiteks, kui kokkupõrge masinaga, tulistage õnnetuspaigast). Automaatse projektori kirje omamine võib juht numbri dešifreerida või video uurimisele üle kanda.
Mida saab näha videovalve kaameras ja kuidas seda teha?
Hiljuti on tunnustamise programm muutunud üha populaarsemaks mitte ainult spetsialiseeritud asutustest, vaid ka tavakodanikelt. Sõltuvalt video kvaliteedi ja pildistatud raamid, raskusi võib tekkida.
Video, mida kasutatakse dekrüpteerimiseks:
- auto autorentrist;
- eramaja või organisatsiooni tänavakojast;
- tänava kambri poest või muu asutusest.
Kodumaised arendajad on loonud paljusid programme, mida pildid muudavad selle selgemaks ja arusaadavaks.
Tunnustamise masin number: abi tagajärge
Videovalve kaamerate dokumentide vaatamine Interneti kaudu või spetsiaalsete programmide kaudu, mis tuleb otse personaalarvutisse paigaldada. Kõik see võib abistada nende olukordade tagajärgi, kus õiguskaitseametnikud juhtivad ründajat.
Lõviosa sellistest seadmetest on järgmised eelised:
- Praegune aeg, kuupäev ja raamisKes sai autoga, millel on konkreetne litsentsplaat;
- Asukohta saab jälgida Sõiduk reaalajas kaameratel teha pealtkuulamist;
- Põhineb kuupäeva, kellaaja ja asukoha (kus auto oli märganud) aICHI Betoonikaardi ajakava number;
- Kättesaadav töötamise funktsioon olemasoleva andmebaasi, Saades üksikasjalikumat teavet masinate kohta, nende värskendusi, pealtkuulamise töö lühikese aja jooksul.
Tänapäeval on õiguskaitseametnikud, tolliteenused selliste programmide peamised tarbijad, kuid nende populaarsus kasvab tavaliste juhtide seas, kes peavad leidma konkreetse numbriga auto või proovige tagajärgi aidata.
Toa tuvastamise programmid: populaarsete mudelite ülevaade
Programmid tunnustamise litsentsplaatide, mis on tõepoolest tõestanud, saate maksta ainult ühendust tootja või nende rakendajaga.
Me tegime jälgimise kõige populaarsemate jälgimisprogrammide seas ja eraldasime kõige huvitavamad:
1. AutorChal
Seadme lihtsuse tõttu näitab programm suurepäraseid tulemusi, ulatudes ligi 98% litsentsplaatide tunnustamise täpsusest. Sõltuvalt tarkvara arvust võib tarkvara maksumus varieeruda kakskümmend kuni sada viiskümmend tuhat rubla.
Rakenduse ulatus: Kõige sagedamini paigaldatud mööduva käigukasti, teiste draivide juurde. Kasutatakse ainult kahe tunnustuse algoritmi kasutamist. Samal ajal saab süsteemi paigaldada kiirrajad, kus auto liigub kiirusega kuni 150 kilomeetrit tunnis. Pildi kvaliteeti ja määratlust selgus ei mõjuta.
2. Teenus
See programm on spetsialiseerunud IP-kaamerate andmete tunnustamisele. Arendajate avalduste kohaselt saab tunnustust teha otse autorentja kaudu tänu videomängukaardile. Liikuvate autode kiirus võib ületada kakssada kilomeetrit tunnis ja programm tagab 95% tunnustamise kvaliteedi, pildi selgusest. Programmi jaemüügihind jõuab ligi 27 000 rubla.
Rakenduse ulatus: Seda saab paigaldada autopesudele, parkimisele ja teistele kohtadele, kus salvestatakse suur voolu.
3. Rakenduste tunnustaja
Android operatsioonisüsteemis töötavate seadmete jaoks. Programmi omadus on see, et kasutajad vahetavad andmeid saadud ruumide kohta, suurendades seeläbi andmebaasi andmebaasi. Praegu on see vaba juurdepääs, kuid ei anna selliseid suurepäraseid näitajaid eelmiste programmidena. Siin jõuab tunnustamise selguse 85% ni. Samal ajal ei ole lõpliku pildi kvaliteet piisavalt kõrge, pildid saadi sageli määrdunud ja ei ole selge.
Kuid arendajad väidavad, et nad kavatsevad täiustada olemasolevat tarkvara ja pakkuda kasutajatele kõrgema kvaliteediga pilte. Pärast muudatusi ei ole veel teada.
Tunnustamisprogramme kasutavad üha enam kasutajad ja spetsialiseeritud teenused. Ülaltoodud programmid on kõige populaarsemad, kuid mitte ainus turul.
Lisatud: 2018-02-28 15:24:21
Kaasaegsed videovalvesüsteemid 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 fotosensitiivsuse parimad omadused 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 § 3 m laiuse laiuse, on numbrimärgi keskmine laius 0,52 m ja pildi optimaalne suurus (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 lubatud maatriksi suurus, et 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, mida pikem tuled, seda suurem valgus langeb kaamera maatriks ja signaali / müra suhe 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 kõik tehnilised omadused olid kaameraga, kusjuures valgustuse täielik puudumine, 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.
Kaitstud objekti territooriumile autosse sisenemiseks on palju automatiseerimissüsteeme. Alustades banaalne valvur kabiini nupuga ja lõpetades elektroonilise passi või raadio võtmega.
Autode numbrite elektrooniline tunnustamise süsteem asub selle mõisa nimekirjas ja alles hiljuti ei kasutanud palju populaarsust.
Selle jaoks on mitmeid põhjuseid.
Esiteks on seadmete kõrged kulud ja seadistuse keerukus. Teiseks, innovatsiooni aktiivne tagasilükkamine, sealhulgas sabotaaži aktid, valvurid ise, kelle töö on nüüd jäigalt kontrollitud, kõrvaldades lisatasu võimaluse.
Siiski on olulisi eeliseid, mis pakuvad auto litsentside tunnustamise süsteemid:
- maanteetranspordi ohutuse ja kontrolli taseme märkimisväärne suurenemine rajatises;
- kolmandate isikute võimaluse kõrvaldamine kaitstud alale, kasutades võltsitud või varastatud magnetilisi või elektroonilisi klahvihelrõngaid. (Autot saab ravida ka, kuid see on palju keerulisem);
- automaatne aruandlus sõidukitele võimalus moodustada mitmeid aruandeid;
- kaugjuurdepääsuvõimalused võimaldavad korraldada organisatsiooni juhtimisel töötajate töö;
- autode numbrite tunnustamise süsteemi saab hõlpsasti integreerida organisatsiooni üldisesse alustesse.
Võimalus siseneda kaitstud objekti territooriumile, liimides numbrinumbrile trükitud numbritega, mis on täielikult välistatud. Peaaegu kõik auto numbrite automaatsed tunnustamise süsteemid kontrollivad peegeldustegurit, mida paberil ei ole. Varjatud number lihtsalt ei loeta.
Automaadi tunnustamise süsteemide ulatus automatiseeritud numbritega on üsna mitmekesine. Esiteks on auto ruumi tunnustamine kasulik hooldusjaamades, bensiinijaamades, autopesu, ladudes, ettevõtetes, parkingates.
Funktsioonid, mis võivad teostada sellist autoarvutite automaatse tunnustamise süsteemi, on üsna mitmekesised:
- kontrollitud territooriumile sisenemise ja lahkumise kontroll;
- väljumise piiramine ettevõtte territooriumilt, näiteks bussijaama, kliendi, kes ei maksnud;
- teenusvööndi laadimise rakendamine.
Kombinatsioonis juurdepääsu kontrollisüsteemidega annab autode numbrite identifitseerimine täiendavaid eeliseid. Esiteks on see täieliku kontrolli maanteetranspordi järelduse kontroll ettevõtte laadimisalas. See võimaldab jälgida toorainete importimist või valmistoodete eemaldamist, kontrollige laadimise ja mahalaadimise tõhusust ja ennetamist.
Samal ajal ei ole auto arvu kontrollimine mitte ainult sissepääsu juures, vaid teedel, mis on välja jäetud kauba eksportimise võimalus võltsitud või ekslike saatedokumentidega.
Kuid kõige kasu saavad parkimise või parkla omanik. Numbrite automaatse tunnustamise süsteem kontrollib territooriumi aegumist reaalajas, mis võimaldab võtta meetmeid tõhususe parandamiseks.
Autode tunnustamise ühendamine maksesüsteemiga kõrvaldab töötajate kuritarvitamise või reljeefimise võimalus. Lisaks täielikult kõrvaldada võimalused vead sõiduki aja loendamisel parklasse ja annab raua tõendeid hoolimatute klientidega vaidlustes.
Spetsifikatsioonid ja seadmed
Automaatsete numbrite tunnustamise süsteem sõltuvalt tootjast ja mudelist võivad sisaldada mitmeid seadmeid ja tarkvarapaketti moodulitega, mis täidavad erinevaid analüüsi funktsioone või ebatüüpilisi seadmeid. Näiteks autotööstuse kaalud, radar kiiruse määramiseks jne.
Arvuti nõuded, millele programm paigaldatakse.
Erinevate programmide miinimumnõuded võivad sõltuvalt funktsionaalsest koormusest oluliselt erineda, kuid enamikul juhtudel on see vajalik:
- protsessor, mitte vähem kui 3 GHz;
- videokaart: Intel, ATI koos OpenGL või NVIDIA vähemalt 512 MB;
- rAM, mitte liige 4 GB;
- HDD-plaadi maht on vähemalt 4 GB.
Videosalvesti RTSP funktsiooniga.
See on voogesituse protokoll, mis võimaldab mitte ainult teabe vaatamiseks ja kirjutamiseks, vaid ka video reaalajas. Selliste registripidajate näide võib olla Hikvision DS-7204HVI-SV mudelina.
Videovalve kaamera RTSP funktsiooniga.
Selliste seadmete tuvastamise seadmete eraldusvõimega peab olema vähemalt 550 TVL-i eraldusvõime, mida pakub 1/3 "760H maatriks. Fokaalne pikkus on 9-22 mm, mis võimaldab näiteks identifitseerimist märkimisväärselt ja üsna suure kiirusega ATIS AW-CAR40VF või AW-CAR180VF.
Kaamera valgustundlikkus peab olema võimalikult kõrge 0,001 luksi, lisaks peab seade olema varustatud IR-valgustusega, millel on kõrge kvaliteediga pildistamine vähemalt 15-20 m kaugusel. Nõutavad funktsioonid:
- käsitsi katiku kiiruse paigaldamine;
- valge automaatne saldo;
- hüvitis vasturükk;
- laiendatud dünaamiline vahemik.
Kaamera andmeid kasutatakse eranditult tänaval, seega on vaja IP-66 eluasemekaitseklass sisseehitatud termoealkestega, mis võimaldavad seadmel töötada madalatel temperatuuridel vähemalt -30 ° C.
Soovitatav on kasutada musta ja valget kambrid, kuna neil on suurem tundlikkus ja eraldusvõime kui värv. Lisaks konverteerivad enamik auto äratundmis algoritme kaamerast saadud värvi pildi musta ja valge.
Executive seadmed ja juhtimismoodulid.
Näiteks Barbos moodul ühendatud arvutiga USB-ühenduse kaudu. Selles moodulis on 4 viie kambri releed, mille kaudu saate juhtida tõkkeid, väravaid, wicket, valgustus, GSM-i häired, erinevad näidustussüsteemid, keelduvad lähetamisest jne.
Autode numbrid Tunnistamise kaamerad
Peamine parameeter pöörata tähelepanu, kui valides koha paigaldada videovalve kaamera tuvastada auto numbrid, on käsitsi seadistus. Sõiduki kiiruse ja soovitatava katiku kiiruse vahel on lineaarne suhe (raami kokkupuute aeg on katiku).
Mida suurem on auto kiirus, seda vähem kokkupuuteaeg peaks olema, vastasel juhul on raamide määrimine - liikumise hägusus määrimine. Kuid maksimaalne lubatud katiku kiirus sõltub mitte ainult kokkupuuteajast, vaid ka kambri paigaldamise nurga all. Kambri nurk on nurk sõiduki suunda ja videokaamera optilise telje vaheline nurk.
Kõige keskmise hinnakategooria videokaamerad on võimelised edastama autotööstuse numbri 80 pikslilaiusega sobiva pildi, millel on paigaldamise vertikaalne nurk kuni + 30 ° ja horisontaalne kõrvalekalde nurk +/- 30 °. Seda peetakse hea näitajaks, kui süsteem tunnustas auto numbri, kui see erineb horisontaalselt (maanteede eeskirjade eiramised) +/- 10 °.
Kokkupuute aja ajastus kambri paigaldamise nurgast ja sõiduki kiirus kuvatakse joonisel.
Tarkvara.
Tarkvara on auto numbrite süsteemi tunnustamise põhielement. On palju arendajaid, kes pakuvad oma toodet tarbijale.
Kõige tavalisem eelarve arendamine Ruumid.
See tunnustab vene, Ukraina, Valgevene ja Moldova numbreid, dokumenteerib auto transpordi kandmise kuupäeva ja kellaaega ning objekti territooriumil viibimise aega. Sellel on võime ehitada lihtsaid aruandeid ja võivad integreerida 1c-sse. Programm on ühilduv enamiku videokaamerate ja video salvestajatega, kellel on RTSP-funktsioon.
Teine kõige olulisem on auto numbrite süsteemi tunnustamine "Automaatne".
Sellel on 2 tunnustamise algoritmi kiirusega kuni 30 km / h, teine \u200b\u200bon kuni 150 km / h. See on spetsiaalselt kohandatud "parkimine" moodulid, "autopesu", "scud värav". Ulatusvõimalused analüütiliste aruannete ehitamiseks, veebi kliendi kaudu ja teatiste SMS-i saatmise funktsiooni juhtimiseks.
Laiematel lisavõimalustes on süsteemi numbrite tuvastamine "Liikluskorraldus" Teadus- ja tootmisliitu "Diskr".
Seda programmi saab ühendada autode kaaludega ja lipsuga bruto- ja netoväärtuste arvuga ning vormi aruannete, bilansi ja muude aruandlusdokumentide arvuga. "Liikluskorraldus" juhib reisitehnikate hetkede arhiivi kontrollpunkti kaudu ja tal on piisavalt võimalusi analüütiliseks otsimiseks auto või kaameraga, kellaaja ja kuupäeva järgi.
Süsteem "Auto number" Elvis Neo Tech.
Kompositsioon sisaldab "automaatse juhtimise" mooduleid, "senesys-avto" ja "auto tuba". Programmil on olulised integratsiooni võimalused teiste videovalvesüsteemide ja Akudiga ning paindliku aruande generaatoriga, heade referaatidega arhiivile ja otsida seda.
Kahtlemata on professionaalsed auto kasumi tuvastamise süsteemid üsna kallid. Ja kohandatud tavapärase videovalvesüsteemi ja spetsialiseeritud tarkvara demulsioonide kasutamine ei ole nii tõhusalt nii, nagu ma tahaksin.
Kuid sellise video analüüsi kasutamine võib tuua maanteetranspordiga seotud äritegevust kvalitatiivselt uuele tasemele nii kontrolli- kui ka ettevõtluse analüüsi osas.
* * *
© 2014-2020 Kõik õigused kaitstud.
Saidi materjalidel on sissejuhatav iseloom ja seda ei saa kasutada juhiste ja regulatiivsete dokumentidena.
Hikvision Paar kuud tagasi tutvustas ametlikult neljanda seeriakaamerate püsivara, millel on võimalus tunda auto numbrid. See püsivara saab alla laadida ametlikust Hikvision saidi Venemaal, firmware on täiesti tasuta ja kaasas kaamerate ostetud rohkem kui 2 aastat tagasi, ainus miinus hetkel saate välja lülitada kõik arukad funktsioonid, välja arvatud number tunnustamine ( See on tingitud suure koormuse kaamera protsessor). Hetkel võivad HikVision 4. seeria kaamerate omanik testida selle püsivara võimalust oma kambritega. Kambri sisseehitatud platvorm tuvastab ja tunnustab auto numbrid ja saadab juurdepääs juurdepääsu või juurdepääsu kontrollimisele.
Hikvision 4. seeriakambri auto numbrite tunnustamise funktsiooni nõuetekohaseks täitmiseks peate täitma mitmeid parameetreid:
- tunnistamise korral on horisontaalse nurk kriitiline ja see peab olema 0-7 kraadi piires;
- number peaks pildil olema vähemalt 130 pikslit;
- kaamera püsivara spetsialiseerunud 5.3.0_150719. Seni ainult inglise keeles
Mida me saame Sirvi kaudu:
Privative eesmärkidel eemaldati pildi numbrimärgist ja üks tunnustatud numbri märk.
Nagu näete, tuvastab kaamera numbrimärk, näitab aja, piirkonna ja fotode arvu, kui mingil põhjusel ei tuvastata numbrit, kuvatakse ekraanipilt ja seda saab kajastada käsitsi režiimis. Andmete salvestamiseks koos kommunikatsiooni kadumise korral on kambris puhver 1000 tuba.
Mida me saame Smart NVR-i kaudu. (Meie puhul, Firmware V3.4.0-ga):
Me saame fotosid, mis näitavad kuupäeva, kaamera numbrid ja tunnustatud auto tuba. Registripidaja kogub ja salvestab selle teabe. Saate otsida nii ajas kui ka numbri järgi, saate igal numbril ja kirjale mis tahes aja jooksul kogu vajaliku teabe XLS-failis maha laadida.
Ja ka saate faili alla laadida numbritega musta ja valge nimekirja numbritega ning seeläbi automatiseerida täiturmehhanismi avamise.
Viimane teabe saamise võimalus on. Täna on see süsteem, mis toetab täielikult kogu funktsionaalsust kambrite numbrite ja muude intelligentsete funktsioonide tunnustamise kohta. IVMS-5200PRO-s "Linemark tunnustuse" liides reaalajas Smart Camera Video režiimi paremale, kuvatakse 8 viimast litsentsplaati, mis näitab aega.
Privative eesmärkidel kustutati üks tunnustatud numbri märk.
Samal ajal klõpsates litsentsplaadi, ilmub üksikasjalik pilt: 
Informatsioon Otsi: Kõik autode ja autode pildid langevad andmebaasi, kus neid on parameetrite abil lihtne otsida ( iga numbri ja numbri kirjaga saate mis tahes aja jooksul). Selleks avage numbri vastuse liidese ja täpsustage huvitatud teave.
Me testisime seda süsteemi 2 kambrile + DS-7616NI-E2-ga, millel on püsivara V3.4.0 ja IVMS-5200Pro tarkvara HikVisionist (mitte nii kaua aega tagasi IVMS-4200 2.3.1.3 uuendatud versioonis. See moodul ilmus ka ja testiti ka). Tunnustatud litsentsplaatide osakaal oli ~ 70% , Kuid meie puhul oli see tingitud võimetusest panna kaamera ideaalselt ja jälgima kõiki horisondi nurga parameetreid auto numbrile.
Peterburi kolleegide kogemustest: "Tootja teabe kohaselt on tunnustatud litsentsplaatide osakaal 85% kiirusel 65 km / h. Praktikas - muldkeha autode mõnikord minna 100+, kuid numbrid kajastatakse õigesti. Mis puudutab numbri tunnustamise tumedas, vastavalt tootja teabele ja põhineb tervet mõistust, on vaja panna IR-valguse lainepikkusega 850 nm. Meie puhul on kaamera paigaldatud kõrge ja otsinguvalgus ei sobi. "
Eespool öeldut kasutati "Bunda":
2) Tamron 5-50 objektiiv
3) Hikvision 1313Hz-S Termopaarid 
Üldiselt töötab süsteem korralikult, litsentsplaadi tunnustamine toimub otse kaamerale, koormus kliendi arvutis on minimaalne (isegi kui kõik kaamerad töötavad koos tunnustusega), saab süsteem teavet samaaegselt lugeda 4-ribadega.
Selle otsuse majanduslik osa: Hikvision Chambers 4. seeria seista 19990 rubla. Sest eraldi vaja termilist ja head objektiivi) ja 39990 rubla. Sest kui siin on 16-kanaliline salvestaja, on see lisaks 16990 rubla. Süsteemituvastussüsteemi maksumus ühe kaameraga (võimalus 39990 rubla) kohta videosalvesti alusel maksab 57 000 rubla. Kui kasutate 2-3 kaamerat, langeb kanali kanali hind ja tegelikult kaamera maksumus võrdub.
Ametlik edasimüüja Hikvision (Glavizhen) Uuralites (c) 2017
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 foto mobiiltelefoni rakenduse eduka vastuse muidugi selgus veelgi hullem kui määratud joonis. 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.
