Die automatische Kennzeichenerkennung (ALPR) ist die Gegenwart und nicht die Zukunft der Technologieentwicklung, die eine breite Palette von Anwendungen bietet, von der Verkehrsüberwachung bis zur Verfolgung gestohlener Fahrzeuge. Die Technologie wurde von Jahr zu Jahr verbessert, bis maschinelles Lernen (ML) und Deep Learning (DL) neue Wege für den Fortschritt aufgedeckt haben.

Wie es weltweit für die Kennzeichenerkennungstechnologie vorhergesagt wird, wird der US-Markt ein deutliches Wachstum verzeichnen. Es wird erwartet, dass es bis zum Jahr 3.57 2023 Milliarden US-Dollar erreichen wird.

Für Ihr Unternehmen bedeutet der Besitz einer individuell zugeschnittenen ALPR-Lösung die Injektion von Technologie in traditionelle Ansätze. Der technologiebasierte Ansatz kann Ihnen erweiterte Datenverarbeitungsfunktionen, Methoden zur Optimierung von Routineaufgaben und hochmoderne Tools zur Beschleunigung der Ausgabe und zur Wertschöpfung von Workflows bieten.

Wie funktioniert die Kennzeichenerkennung? Lesen Sie weiter, um zu erfahren, wie es geht und wo Sie benutzerdefinierte ALPR-Lösungen für bessere Renditen anwenden können.

ALPR basiert auf Hardware- und Softwarekomponenten

ALPR ermöglicht das Scannen der Kennzeichen aller registrierten Fahrzeuge in einem bestimmten Zustand. Und dann wird eine Analysesoftware benötigt, um die Nummernschilder nach dem Nummernschildcode jedes Staates zu klassifizieren (im Fall von Massachusetts lautet der Code beispielsweise M). Die Daten können dann für verschiedene Zwecke verwendet werden: Sicherheit und Überwachung, Verkehrsmanagement, Mauterhebung, Parkkontrolle oder Fahrzeugortung auf der Karte.

Ein wichtiger Bestandteil eines ALPR-Systems ist eine Kamera. Eine Kamera erfasst das Kennzeichen eines angehaltenen oder fahrenden Fahrzeugs und hilft beispielsweise, ein verdächtiges Fahrzeug zu identifizieren. Diese Kamera kann auf einem stationären Objekt platziert oder am Fahrzeug montiert werden.

Stationäre ALPR-Kameras

Quelle: Commons.wikimedia.org

Stationäre ALPR-Kameras, die an festen Orten platziert sind, können alle Autos aufzeichnen, die in einen bestimmten Bereich der Fahrbahn einfahren. Dies kann besonders schwierig sein, wenn eine Straße überwacht wird, die zwei oder mehr Fahrspuren mit jeweils entgegengesetztem Verkehr aufweist. Da jeweils nur eine Kamera die Daten erfasst, kann ein Fahrer leicht unbemerkt an einer Verkehrskamera vorbeifahren, und eine Kamera erfasst keinen Unfall. Die beste Lösung für dieses Problem besteht darin, mehrere ALPR-Kameras an verschiedenen Orten zu haben, die alle gleichzeitig aufnehmen.

Darüber hinaus sind ALPR-Kameras in der Lage, ein Fahrzeug auf ein kurzes Video zu bringen. Dieses Video kann sofort auf einen zentralen Server hochgeladen werden, so dass alle Informationen an einem Ort zu halten, für die spätere Anzeige zur Verfügung.

Mobile ALPR-Kameras

Quelle: Flickriver

Mobile ALPR-Kameras sind häufig an Streifenwagen der Polizei angebracht. Zum Beispiel können sie Nummernschilder, Uhrzeit und Datum erfassen, an denen das Auto geparkt ist, oder sie können der Polizei helfen, Stadtgebiete zu überwachen, in denen die Bürger alarmiert sind. Kameras können zu jeder Tageszeit und bei jedem Wetter aufnehmen. Somit, Sie haben Mehrzweckanwendungen, einschließlich Verkehrs- und Autobahnmanagement, Kriminalprävention und -verfolgung, Erkennung gestohlener Fahrzeuge, Wiederherstellung gestohlener oder verlorener Nummernschilder, und mehr.

Die von Kameras aufgezeichneten ALPR-Daten sind nicht privat und geben keine persönlichen Informationen an Dritte weiter. Die Speicherdauer der Daten in der ALPR-Datenbank beträgt in der Regel fünf Jahre.

Computer Vision und OCR für Kennzeichenerkennungstechnologie

Die Analysesoftware übersetzt Standbilder und Videos in maschinenlesbare Zeichen. ML-Modelle, einschließlich solcher, die die Kennzeichenerkennungstechnologie betreiben, erfordern große Datenmengen. ALPR-Systeme liefern genügend Daten aus dem Modelltraining. Und OCR-Algorithmen (Optical Character Recognition) unterstützen kundenspezifische OCR-Lösungen.

Quelle:

OCR ist eine leistungsstarke und dennoch komplexe Technologie. Es hängt von einer Qualitätsbilddatenbank ab, in der mehrere Bilder gesammelt werden, wodurch der Algorithmus eine Übereinstimmung zwischen den beiden Bildern finden kann. Eine erstklassige Software, die mit bestimmten Schriftarten, Farben, zwei oder mehr Zeilen und unscharfen Bildern umgehen kann, ist eine großartige Möglichkeit, die Arbeit menschlicher Bediener zu beschleunigen, da der Algorithmus Vorgänge um ein Vielfaches effizienter ausführen kann. Der OCR-Prozess besteht aus sechs Algorithmen, die in Kombination eine genaue Ausgabe gewährleisten.

• Bilderfassung

Es gibt einen Unterschied zwischen der Erfassung von Kennzeichenbildern und der Bilderkennung. Für die Erkennung eines Bildes durch eine Kamera ist die Computer-Vision-Technik verantwortlich. Es ist eine Methode, die die automatische Verarbeitung von Standbildern oder Videos ermöglicht und Objekte in einem Bild- oder Videoframe anhand ihrer Positionen in der Szene identifiziert. Computer-Vision-Tools arbeiten auf der Grundlage einer Reihe vordefinierter Regeln und können Muster finden oder Objekte in einem Bild eines Fahrzeugs identifizieren. Wenn sich beispielsweise mehrere Fahrzeuge im Bild befinden, in der Mitte und oben, identifiziert ein Computer zwei Nummernschilder.

Für den Tech-Stack verwenden wir bei InData Labs häufig die Python- und OpenCV-Bibliothek, mit der wir Bildverarbeitungsalgorithmen für die Kennzeichenerkennung trainieren können.

• Bildlokalisierung

Für jedes Bild im Video gibt es eine Lokalisierungsfunktion (eine mathematische Formel), die bestimmt, was ein bestimmter Bereich im Bild bedeutet. Der Abstand zur Kamera, der Winkel und die Richtung, in die sich das Fahrzeug zum Zeitpunkt der Aufnahme bewegt, sind entscheidend. All dies kann verwendet werden, um festzustellen, ob sich das Fahrzeug bewegt oder beispielsweise an einer Ampel.

Nummernschilder mit rechteckiger Form sind viel einfacher zu identifizieren. Es können jedoch mehrere rechteckige Objekte an einem Fahrzeug vorhanden sein. Um sie alle zu identifizieren, berücksichtigt der Algorithmus spezielle Merkmale, die helfen, ein Objekt als Nummernschild zu erkennen.

• Bildgröße, Ausrichtung und Normalisierung

Die Bildverzerrung ist eine weitere Herausforderung für den Kennzeichenerkennungsalgorithmus. Die Aufgabe besteht darin, ein Bild auf eine optimale Größe und korrekte Proportionen zu bringen.

Der Algorithmus erkennt mehrere Fahrzeuge aus mehreren Blickwinkeln gleichzeitig. Die Anzahl der Fahrzeuge, die mit der Technologie erfasst werden können, hängt von der Größe des aufgenommenen Bildes ab.

Der Algorithmus muss auch den Kontrast und die Helligkeit des erfassten Kennzeichenbildes regulieren. Es gibt Schwellenwerte, die zur Steuerung dieser Parameter verwendet werden.

Das Bild eines Autos in Bewegung ist in der Regel komplexer als das eines stehenden Autos. Darüber hinaus führen das Wetter sowie die Umgebungslichtverhältnisse bei Tag und Nacht dazu, dass viele unscharfe Bilder aufgenommen werden. Die Verwendung fortschrittlicher kundenspezifischer ALPR-Software kann jedoch dazu beitragen, alle oben genannten Herausforderungen zu bewältigen.

• Zeichensegmentierung

Die Zeichensegmentierung eignet sich gut zum Erkennen aller Bestandteile verschiedener Arten. Der Algorithmus teilt ein Nummernschildbild in Stücke. Es fragmentiert die Nummer auf einer Platte in Buchstaben und Zahlen und segmentiert Zeichen basierend auf Parametern wie Farbe, Abstand zwischen Zeichen, Schriftart, Struktur usw.

• OCR

Zu diesem Zeitpunkt kann das aufgenommene Bild in alphanumerischen Text übersetzt werden. Der Text kann dann als Eingabe für den Algorithmus verwendet werden, dessen Aufgabe es ist, die Informationen zu überprüfen, indem die erkannte Zahl mit der in einer Datenbank gespeicherten verglichen wird.

• Syntaktische und geometrische Analyse

Durch die Analyse jeder erkannten Zahl oder jedes erkannten Buchstabens kann der Algorithmus sie in die entsprechenden Klassen einteilen. Welche Kriterien für die Gestaltung dieser Klassen gelten, hängt von der Komplexität eines erfassten Kennzeichens ab.

Dies sind die Arbeitsschritte der Algorithmen, die einen Benutzer Schritt für Schritt an das Ergebnis heranführen, mit dem verschiedene Geschäftsziele erreicht werden können.

Erweitern Sie Ihr Geschäft mit maßgeschneiderten ALPR-Lösungen

Maßgeschneiderte ALPR-Systeme sind weltweit beliebt, um viele verwandte Prozesse zu unterstützen. Die erfolgreiche Implementierung solcher Lösungen hängt vom Land, den Standortspezifikationen und den für Nummernschilder verwendeten Standards ab.

Zu den Anwendungen von ALPR, die Sie für Ihr Unternehmen in Betracht ziehen können, gehören:

• Parkmöglichkeiten verwalten. Die Steuerung von Toren mit Hilfe einer automatisierten Lösung kann die Überwachung des Ein- / Ausstiegs von Fahrzeugen und der Zahlungsvorgänge erleichtern. Außerdem können einige aufgelistete Fahrzeuge vom Parken ausgeschlossen werden.
• Elektronische Mauterhebung. Kundenspezifische ALPR-Systeme können zur Überwachung von Mautstraßen, Brücken, Tunneln usw. verwendet werden. und Fahrer aufzuladen, die verbundene manuelle Arbeit umgehen.
• Zugangskontrolle. Es wird einfacher sein, Einreisegenehmigungen an Flughäfen und Orten zu überwachen, die für einige Fahrzeugkategorien eingeschränkt sind.
• Steuern Sie die Bewegung des Verkehrs. ALPR ist in der Lage, Nummernschilder zu lesen und Fahrzeugstandortdaten zu sammeln, zum Beispiel für die Bedürfnisse von Autobahnbehörden.
• Erhalten Sie Benachrichtigungen und verhindern Sie Verbrechen. Diese Systeme senden automatische Benachrichtigungen, wenn Fahrzeuge erfasst werden, die sich auf einer Beobachtungsliste befinden.
• Verkehrsüberwachung. ALPR erleichtert die Kontrolle über die Einhaltung der Verkehrsregeln durch die Fahrer und hilft, die Nummernschilder von Fahrzeugen zu erfassen, die über eine rote Ampel fahren oder die Geschwindigkeitsbegrenzung überschreiten.

Fazit

Die automatische Kennzeichenerkennung oder Kennzeichenerkennung benötigt hochwertige Kameras, die auf unterschiedliche Bedingungen ausgelegt und angepasst sind. Kameras sollten sicher montiert werden, entweder an einem Fahrzeug oder an einem festen Ort, so dass sie die Straßen und die Umgebung sehen können.

Die erstklassige client-orientierte ALPR-Software ermöglicht es Kameras, Nummernschilder bei Tag oder Nacht, bei guten oder schlechten Sichtverhältnissen und bei jedem Wetter zu lesen. Die Software arbeitet mit vorverarbeiteten Bildern, wenn das Bild für die optische Zeichenerkennung vorbereitet wird. Solche Systeme arbeiten auch mit Videos und bewältigen Videoaufzeichnungen ebenso erfolgreich.

Bei InData Labs helfen wir Ihnen gerne bei der Entwicklung einer auf Ihre Anforderungen zugeschnittenen Kennzeichenerkennungssoftware. Wenn Sie sich für unsere Dienstleistungen entscheiden, entscheiden Sie sich für die Qualität, Zuverlässigkeit und Effizienz Ihrer neuen wertschöpfenden Lösung.

Starten Sie Ihr bahnbrechendes Projekt mit InData Labs

Haben Sie ein Projekt im Sinn, benötigen aber Hilfe bei der Implementierung? Schreiben Sie uns an [email protected] , wir würden gerne besprechen, wie wir mit Ihnen arbeiten können.