Automatisk nummerpladegenkendelse (ANPR)
I dagens verden er problemfri og effektiv køretøjsidentifikation afgørende for forskellige applikationer, lige fra retshåndhævelse til adgangskontrol til parkering. Automatic Number Plate Recognition (ANPR) er opstået som en effektiv teknologi, der automatiserer denne proces og tilbyder betydelige fordele i forhold til traditionelle metoder. Denne artikel fungerer som en guide og beskriver de væsentlige trin og løsninger, der indgår i udviklingen af et robust og effektivt ANPR-system for en forsker, der har sendt en forespørgsel om hjælp til sit projekt.
Valg af Machine Vision-kamera til ANPR
Valget af det rette kamera til et ANPR-system kræver nøje overvejelse af flere faktorer for at sikre optimal ydeevne og nøjagtig registrering af nummerplader. Vores anbefaling til dette projekt var vores MER2-160-227U3M, baseret på de specifikationer, der forklares som følger.
Forskeren skulle bruge kameraet sammen med en Android-tablet til retshåndhævelse, som ikke havde en Ethernet-forbindelse og skulle placeres ved siden af kameraet inde i politibilen (dermed var afstanden kortere end 4,6 m), hvilket førte til anvendelse af USB3.0-interface.
Opløsning spiller en afgørende rolle, da systemets nøjagtighed er væsentlig for at optage klare og detaljerede billeder af nummerplader, især under udfordrende lysforhold. Dette sikrer nøjagtig tegngenkendelse, selv på mindre plader. I dette ANPR-projekt var de mindste tegn, der skulle aflæses, 1,5 cm brede og skulle genkendes inden for et synsfelt på 2,15 m x 1,6 m. Derfor kunne dette kameras 1440px x 1080px opbygge et robust system.
Billedhastigheder er en anden afgørende faktor. Den bestemmer antallet af billeder, der optages pr. sekund, og en højere billedhastighed er afgørende for at optage køretøjer i hurtig bevægelse og sikre nøjagtig pladegenkendelse. Det anbefales at sigte efter kameraer med en billedhastighed på mindst 30 billeder pr. sekund (FPS) for at tage højde for variationer i køretøjshastigheder og sikre ensartet optagelse. I dette tilfælde havde vi en høj billedhastighed på 227fps ved maksimal opløsning.
Pixelstørrelse spiller også en væsentlig rolle for billedkvaliteten, især i miljøer med svagt lys. Kameraer med en større pixelstørrelse (3.45um i dette tilfælde) optager generelt mere lys, hvilket resulterer i forbedret billedkvalitet. Dette er afgørende for at optage klare nummerplader under forskellige lysforhold og sikrer systemets effektivitet gennem hele dagen og natten. Desuden blev den monokrome version af samme grund foretrukket, da den er 3x mere lysfølsom end farvekameraer.
Endelig er valget mellem global shutter- og rolling shutter-kameraer afgørende. Global shutter-kameraer optager hele billedet på én gang, hvilket minimerer forvrængning forårsaget af objekter i bevægelse, hvilket er afgørende for at optage klare nummerplader på køretøjer i bevægelse. Selvom rolling shutter-kameraer kan være billigere, anbefales global shutter-kameraer i høj grad til ANPR-applikationer på grund af deres overlegne billedkvalitet, især ved køretøjer i hurtig bevægelse.
Valg af det optimale Objektiv
Forskeren havde også brug for hjælp til at vælge det optimale objektiv til deres ANPR-system. Det var afgørende at sikre tydelig optagelse af nummerplader, især for køretøjer på varierende afstande (5 til 15 m i dette tilfælde).
For at opnå dette fulgte vi en lignende tilgang som i tidligere projekter. Vi fokuserede på to nøglefaktorer: synsfelt (FOV) og arbejdsafstand (WD). FOV skulle være bredt nok til at dække vejen (2,15 m), samtidig med at der blev opretholdt en passende WD for skarp fokusering.
Gennem drøftelser og beregninger (ved hjælp af vores objektivberegner) fastslog vi, at et objektiv med 16 mm brændvidde 'VA-LCM-5MP-16MM-F2.0-018' ville være ideelt. Dette objektiv tilbød den nødvendige balance ved at give et tilstrækkeligt bredt FOV til optagelse af nummerplader på de forventede afstande, samtidig med at en tilstrækkelig WD blev opretholdt for at undgå fokuseringsproblemer.
Desuden prioriterede vi at minimere objektivforvrængning for at sikre nøjagtig nummerpladegenkendelse. Forvrængning kan få tegn til at fremstå forvredne, hvilket vanskeliggør identifikation. Ligesom i tidligere projekter anbefalede vi et objektiv med minimal forvrængning (typisk under 1 %) for at garantere klare og uforvrængede billeder, hvilket er afgørende for effektiv ANPR-funktionalitet.
Ved at anvende denne metode hjalp vi med succes vores kunde med at vælge den optimale kamera-objektiv-konfiguration til deres specifikke ANPR-system, hvilket sikrede tydelig og nøjagtig optagelse af nummerplader, som de fortsat anvender den dag i dag.
Belysning til ANPR
Som nævnt havde denne forsker behov for at kunne optage nummerplader tydeligt, uanset tidspunktet på dagen. Vi forstod behovet, da klare billeder er afgørende for nøjagtig nummerpladegenkendelse.
Ligesom i andre projekter fokuserede vi på at optimere belysningen for at forbedre billedkvaliteten. Her var "objektet" i fokus nummerpladen.
I modsætning til fotografering kræver optagelse af nummerplader forskellige belysningstilgange. Vi anbefalede at anvende nærinfrarøde (NIR) spotlights. Disse spotlights er usynlige for det blotte øje og fungerer i samme område som kundens kamera. De fungerer som usynlige lommelygter, der oplyser scenen uden at forstyrre nattemiljøet. Med NIR-spotlights kan ANPR-systemet stadig se nummerplader tydeligt, selv under svage lysforhold, da dette kamera fungerer i NIR-området.
Endelig håndterede vi problemet med refleksioner. Afhængigt af nummerpladens materiale og kameraets vinkel kan lyset blive reflekteret og skabe blænding. For at minimere dette, især om dagen, foreslog vi at anvende polariserende filtre. Disse filtre fungerer som solbriller for kameraet og blokerer specifikke lysbølger, der forårsager refleksioner. Dette holder billedet klart og hjælper ANPR-systemet med at aflæse nummerpladen nøjagtigt.
Ved at tage højde for både NIR-spotlights om natten og polariserende filtre om dagen hjalp vi kunden med at opnå optimal belysning til deres ANPR-system, hvilket sikrer tydelig optagelse af nummerplader dag og nat.
Billedbehandlingssoftware til ANPR
Et kamera, objektiv og belysning er blot de første brikker i puslespillet, når det gælder opbygning af et komplet Machine Vision-system. Til opgaver som ANPR kræves computer vision-software for at analysere de optagne billeder og udtrække meningsfuld information.
Heldigvis tilbyder vores systemer fleksibilitet, når det gælder softwarevalg. De er GenIcam-kompatible, hvilket betyder, at de fungerer problemfrit med forskellige softwareløsninger fra tredjeparter såsom MvTec Halcon, NI LabVIEW, Cognex Vision Pro og endda populære platforme som MATLAB og OpenCV.
Vi tilbyder et gratis Software Development Kit (SDK). Dette praktiske værktøjssæt hjælper dig med at optage billeder og styre kamerparametre, hvilket gør det til et godt udgangspunkt. SDK'et er kompatibelt med forskellige platforme, fra almindelige pc'er til industrielle opsætninger med NVIDIA TX-serien eller Raspberry Pi-enheder. Det understøtter endda forskellige operativsystemer som Windows, Linux og Android. Der findes mange open source-programmer udviklet til ANPR, som fungerer med vores SDK.
Denne forsker udviklede sit program sammen med vores SDK til at genkende nummerplader. Programmet gjorde det også muligt automatisk at ændre kameraets parametre i henhold til miljøforholdene.
Til projekter, der søger en komplet softwareløsningspakke, anbefaler vi Zebra Aurora Vision Studio. Denne kraftfulde, men intuitive software tilbyder en visuel brugergrænseflade, der minder om en værktøjskasse, hvilket gør den nem at lære og bruge. Med Aurora Vision kan brugerne genkende nummerplader. Den gratis Lite-version, der er udstyret med alle standardalgoritmer, fungerede som et godt udgangspunkt for kunden til at udforske softwarens funktioner.
Ved at tilbyde forskellige softwaremuligheder og brugervenlige værktøjer gør vi det muligt for kunderne at vælge den løsning, der passer bedst til deres ekspertise og projektkrav, hvilket i sidste ende fører til succesfulde Machine Vision-implementeringer.
ANPR-applikationer
Automatisk nummerpladegenkendelse ANPR har udviklet sig ud over sin oprindelse ved sikkerhedskontrolpunkter. I dag strømliner den driften og forbedrer sikkerheden på tværs af brancher:
Support til ANPR?
Ønsker du support fra en af vores Machine Vision-eksperter til at opbygge dit eget Automatic Number Plate Recognition (ANPR)-system? Eller et andet lignende vision-system? Tøv ikke med at kontakte os ved at bruge formularen nedenfor!