Автоматическое распознавание номерных знаков

ANPR также известна под другими терминами:

• Automatic license-plate recognition (ALPR) — автоматическое распознавание номерных знаков (лицензионных табличек)
• Automatic license-plate reader / automated license-plate reader (ALPR) — автоматический считыватель номерных знаков
• Automatic vehicle identification (AVI) — автоматическая идентификация транспортного средства
• Car-plate recognition (CPR) — распознавание автомобильных номеров
• License-plate recognition (LPR) — распознавание номерных знаков
• Mobile license-plate reader (MLPR) — мобильный считыватель номерных знаков
• Vehicle license-plate recognition (VLPR) — распознавание номерных знаков транспортных средств
• Vehicle recognition identification (VRI) — идентификация транспортного средства по номеру

Технология ANPR была изобретена в 1976 году в британском подразделении Police Scientific Development Branch^[4]. Прототипы работали уже к 1979 году; системы промышленного применения сначала производились компанией EMI Electronics, затем Computer Recognition Systems (CRS, ныне часть Jenoptik) в Уокингема, Великобритания. Первые испытания прошли на автомагистрали A1 и в туннеле Дартфорд; первый арест с помощью системы произошёл в 1981 году^[5]. Массовое внедрение началось лишь в 1990-х годах с развитием недорогого и удобного ПО. С начала 2000-х появилась практика накопления данных ANPR для последующего использования при расследовании преступлений^[6]. Первая задокументированная роль ANPR при расследовании убийства отмечена в Великобритании в ноябре 2005 года (дело Шэрон Бешенивски)^[7].

Программная часть ANPR работает на обычном компьютерном оборудовании и может быть интегрирована с внешними приложениями или базами данных. Она применяет методы обработки изображений для обнаружения и нормализации изображения номерного знака, затем использует OCR для извлечения буквенно-цифровых символов. Системы реализуются в двух основных подходах: либо весь цикл обработки завершается на месте фиксации (в реальном времени), либо изображения с нескольких камер передаются на сервер для последующей обработки. Для одного автомобиля процедура занимает примерно 250 миллисекунд. Обработка может вестись как локально, так и централизованно (на больших серверных фермах, например, как в лондонской системе платного въезда).

ANPR использует оптическое распознавание символов для анализа изображений, снятых камерами разных видов: обычные дорожные, камеры наблюдения, мобильные комплексы. В некоторых странах, например, Нидерландах, специально изменялся шрифт номеров для улучшения читаемости. Система должна учитывать отличия шрифтов, размеров и размещения знака, а также особенности национальных стандартов. Камеры могут быть мобильными (на патрульных автомобилях) или стационарными, оснащаются ИК-подсветкой для улучшения качества при любом освещении^[8][9].

В 1990-х годах развитие аппаратного и программного обеспечения позволило перейти от дорогих стационарных комплексов к доступным мобильным решениям (например, для патрульных автомобилей). Это достигалось благодаря удешевлению компьютеров и усовершенствованию алгоритмов обработки изображений, неспецифичных к ракурсу или скорости движения транспортного средства. Такие комплексы должны работать при относительной скорости свыше 100 км/ч и учитывать ограниченную энергоёмкость и компоновку в автомобиле полиции. При проектировании важно правильно выбирать и размещать камеры с учётом задач: работа на трассе, в городском или парковочном пространствах.

Программное обеспечение ANPR использует семь основных алгоритмических этапов:

1. Поиск номерного знака на изображении;
2. Коррекция наклона, изменение размеров до стандартных;
3. Нормализация (контраст, яркость);
4. Сегментация символов;
5. Оптическое распознавание символов (OCR);
6. Синтаксический и геометрический анализ (проверка по правилам страны);
7. Усреднение по нескольким кадрам для повышения достоверности распознавания.

На третьем этапе может применяться обнаружение краёв для повышения контрастности символов относительно фона, а также медианный фильтр для снижения шумов.

Среди основных трудностей, с которыми сталкивается ПО:

• низкое разрешение или качество изображения;
• размытость (в том числе от движения);
• плохое освещение, блики, тени;
• частичное или полное перекрытие номера посторонними предметами (буксирный крюк, грязь, багажник или велосипед на креплении);
• несовпадение номеров спереди и сзади (например, прицепы);
• смена полосы движения в момент фиксации;
• нестандартные шрифты (например, в некоторых странах разрешены т. н. «персональные» номера);
• намеренные способы маскировки номера.

Некоторые проблемы корректируются программно, многие — только методом грамотной установки аппаратного комплекса (высота камеры, угол наклона и пр.).

Важнейшей частью любой ANPR-системы является регистрирующая камера. Для повышения эффективности обычно используются специализированные камеры с ИК-подсветкой. Все чаще внедряются способы работы с любыми IP-камерами, что расширяет применение систем в охране периметров и контроля доступа. Основные трудности для камеры: скорость движения авто, переменное освещение, блики, погодные условия. Важно выбирать правильную выдержку (1/1000 сек) и глобальный затвор для устранения искажений. При необходимости совместного использования цветного и ИК-камеры для полного контроля, устанавливаются оба типа.

Видеокамеры должны устанавливаться в соответствии с рекомендациями производителей: допустимый угол к номеру, высота, сфокусированность, поле зрения и т. д. В современных комплектах часто используются инструменты для точной установки и юстировки в целях повышения вероятности корректного распознавания.

ANPR применяется для автоматической проверки регистрации, поиска угнанных автомобилей, выявления лиц с лишением прав, а также для идентификации водителей с действующими ордерами на арест. В ряде стран существуют национальные или региональные системы, фиксирующие движение автомобилей для борьбы с преступностью и террористическими угрозами.

Технология используется для выявления превышения скорости по средней скорости на участке дороги (так называемые «секции контроля»), в системах платного проезда, контроля за движением в городах, парковках и при въезде в закрытые зоны. ANPR внедряется также в связке с радиочастотной идентификацией (RFID), например, на платных магистралях, мостах, в аэропортах и пр.

Компаниями, объектами с особыми требованиями к контролю доступа (казино, больницы, склады, отели и др.) ANPR используется для контроля въезда, ведения внутренних «чёрных» и «белых» списков, оповещения о прибытии VIP-клиентов, мониторинга логистики.

Внедряется в системах мониторинга трафика, управления потоками автотранспорта, анализа загруженности, отслеживания индивидуальных передвижений для повышения безопасности и оптимизации транспортных потоков.

ANPR находит применение для:

• пограничного контроля;
• возврата заложенных автомобилей;
• отслеживания случаев ухода водителей с заправок без оплаты;
• маркетингового анализа;
• таргетированной рекламы (например, интерактивные билборды);
• автоматического открытия шлагбаумов;
• контроля юридических ограничений (например, «пропусти спецтранспорт»);
• автоматизированного тестирования выбросов.

Используются различные методы для препятствования работе ANPR: повышенная отражающая способность покрытия номера, специальные прозрачные или матовые спреи и чехлы (легальность их применения зависит от страны), загрязнение, необычные рамки, частичное перекрытие. Некоторые устройства позволяют блокировать распознавание за счёт инфракрасной засветки.

Технология сопровождается активной дискуссией о допустимости массового наблюдения и возможных ошибках: бездоказательное обвинение, хранение персональной информации, пересечение с законами о защите данных и частной жизни, возможности злоупотреблений со стороны операторов баз данных. Дебаты усиливаются случаями утечек или неправомерного доступа к данным о передвижениях.

Сложности внедрения и уровень точности возрастают при необходимости распознавать знаки разных стран, типов, форматов, особенно в случае предоставления «персональных» номеров, многовариантности дизайна, или сходства шаблонов регистрации. Программные продукты требуют быстрой адаптации к новым стандартам, изменениям шрифтов или тесту.

Данные точности распознавания зависят от используемых образцов и условий тестирования; ведущие коммерческие продукты достигают точности в 93-98 % на образцовых датасетах, но в реальных условиях результаты могут быть ниже, особенно если условия съёмки осложнены движением.

Старые версии ANPR, основанные только на чёрно-белом OCR без учёта цвета, типа машины или окружающих условий, уязвимы для высокой доли ложных срабатываний и плохо справляются с современными многоформатными номерами или сложными нарушениями (неправильная парковка, незаметные пропуска и т. д.)^[10].