License plate Recognition (LPR) är förmågan att fånga fotografisk video eller bilder från registreringsskyltar och omvandla optiska data till digital information i realtid.
även känd som Automatic Number Plate Recognition (ANPR), LPR är en allmänt använd teknik för fordonshanteringsoperationer som Biljettlös parkering (off-street och on-street), vägtullar, its, upptäckt av stulna fordon, smart fakturering och många andra applikationer i Europa och blir en trend i Amerika.
genom att föra registreringsskylten digital information (bland andra data såsom fordonets riktning och hastighet) till mixen, registreringsskylt erkännande tillåter operatörer att omedelbart samla in och associera mer data om varje fordon passerar en kontrollpunkt:
- själva åtgärden: Tid, Plats, Riktning och hastighet på fordonet
- fordonet: ursprung, begränsningar eller säkerhetsvarningar
- föraren: Licensnummer, personlig offentlig eller kontaktinformation om föraren
tack vare Registreringsskyltigenkänning har operatörer utvecklat ganska ”futuristiska” lösningar:
Tänk dig att automatiskt faktureras vid en vägtullning utan att sakta ner, eller parkera i ett köpcentrum utan att stanna vid hinder för att komma in / ut eller hos kassörer att betala; fantastiskt? vad sägs om detta: föreställ dig en stad som ”vet” var varje stulet eller rapporterat fordon är, när som helst.
hur fungerar Registreringsskyltigenkänning?
när kameran har tagit registreringsskyltbilden använder kamerans firmware specialiserade OCR-rutiner för att översätta den till digitala (maskinläsbara) tecken.
men registreringsskyltar är (mycket) skiljer sig från varandra; tecknen ser inte samma, inte ens nära!
för att känna igen en registreringsskylt korrekt måste vi” lära ” algoritmen för att läsa olika plattdesigner från olika typer av registreringsskyltar; det som kan verka som en O i vissa plattor ser ut som en 0 i andra.
så LPR handlar om att känna till varje möjlig plattvariation och läsa tecknen enligt många regionala modifieringar, algoritmen behöver veta ”vad man kan förvänta sig”.
Registreringsskyltigenkänningsfaser
även om det kan verka omedelbart (vi på survision gör allt på mindre än 20 MS) är Registreringsskyltigenkänning en 4-stegsprocess; de första 2 är standard OCR, men den komplicerade delen som gör LPR annorlunda än vanlig OCR kommer i fas 3 och 4.
-
1 * Lokalisering: hitta registreringsskylten i hela bilden, bortse från onödiga data och fokusera på tecknen. -
2 • segmentering: separera den exakta zonen som innehåller varje tecken för att identifiera dem separat. -
3 • identifiering: teckenigenkänning från de enskilda zoner som tidigare identifierats. -
4 * regionalisering: Regional syntaktisk korrigering för att identifiera tvetydigheter på uppenbarligen identiska tecken (i och 1, O och 0, B och 8, etc.).
att bygga en registreringsskyltigenkänningsalgoritm för att förstå alla registreringsskyltar är hårt arbete: särskilda egenskaper hos varje region (land eller stat) måste övervägas för en riktig slutlig dom; vi måste analysera alla typer av registreringsskylt som finns i världen och integrera deras särdrag i vår algoritm.
för att göra Registreringsskyltigenkänning till en pålitlig lösning bör vi komma så nära vi kan till 100% framgångsgrad (exakta avläsningar) i realtid; sådan prestation är bortom mänskliga programmeringsfunktioner:
Föreställ dig perfekt och omedelbart känna igen varje platta från varje land i alla möjliga vinklar…
ange AI
nya framsteg inom neurala nätverksmotorer gör att vi kan hjälpa vårt system att lära av varje platta som det läser; vi använder massor av tidigare avläsningar för att mata våra kameror och ge dem ”erfarenhet”, vilket gör dem ”klokare” och därför mer exakta.
ju fler avläsningar vi gör, desto större chans kan vi korrekt läsa registreringsskylten, vilket hjälper oss att komma närmare 100% noggrannhet.
Hur hjälper Registreringsskyltigenkänning oss?
Registreringsskyltdata som samlats in i Registreringsskyltigenkänning används för ett stort antal applikationer som gör det möjligt för företag och regeringar att göra mer intelligenta och effektiva policyer, ge bättre kundservice och minska luftföroreningar samtidigt.
-
Säkerhetspolisstyrkor använder redan Registreringsskyltigenkänning för säkerhet och brottsbekämpning genom inbyggda kameror på sina fordon, på Segways eller fasta kontrollpunkter för att upptäcka stulna, önskade eller oförsäkrade fordon. -
parkering registreringsskylt erkännande gör det möjligt att skapa beröringsfri, friktionsfri & biljettlösa parkeringsanläggningar där parkers inte behöver stanna vid hinder parkers att komma in, betala eller avsluta: en smidigare, snabbare och renare parkeringsupplevelse med minimal investering. -
smarta städer städer använder Registreringsskyltigenkänning för att utveckla bättre policyer baserade på en högre förståelse för trafiken. -
åtkomstkontroll bostäder, företag och regeringar använder Registreringsskyltigenkänning för att automatisera och optimera sin åtkomstkontrollhantering på nya sätt. -
vägtullar och dess Registreringsskyltigenkänning har varit nyckeln till att utveckla nya vägtullar och dess lösningar tack vare de senaste tilläggen av LPR-kameror till befintliga system för att uppgradera fordonsövervakning och platsfunktioner som vägtullar för plattor.
Registreringsskyltigenkänning innebär bättre kontroll till lägre kostnader
LPR: s framgång ligger i det faktum att det ger fördelar för både företag och deras kunder: Företag minskar kostnaderna och ökar intäkterna samtidigt som de förbättrar kundernas upplevelse tack vare en snabbare, friktionsfri, beröringsfri parkeringstjänst.
registreringsskylt erkännande är kostnadseffektiv lösning! Det är lätt att förstå, låt oss jämföra:
- LPR-system som Survision: du behöver bara installera LPR-kamerorna och ställa in programvaran
- andra system: kräver inbäddade transpondrar (DSRC, RFID, etc.), ytterligare installationer (loopar, Piezos, etc.) och dedikerade servrar endast för LPR
LPR är också en perfekt lösning när man hanterar de nya normalitetsavstånden och beröringsfria sanitära föreskrifter.