Automatische Nummernschilderkennung (ANPR)
Max Reijngoudt
In der heutigen Welt ist eine nahtlose und effiziente Fahrzeugidentifizierung für verschiedene Anwendungen von entscheidender Bedeutung, von der Strafverfolgung bis zur Zugangskontrolle zu Parkplätzen. Die automatische Kennzeichenerkennung (Automatic Number Plate Recognition, ANPR) hat sich zu einer leistungsstarken Technologie entwickelt, die diesen Prozess automatisiert und erhebliche Vorteile gegenüber herkömmlichen Methoden bietet. Dieser Artikel dient als Leitfaden, der die wesentlichen Schritte und Lösungen bei der Entwicklung eines robusten und effektiven ANPR-Systems für einen Forscher beschreibt, der um Hilfe bei seinem Projekt gebeten hat.
Table of contents
Auswahl von Bildverarbeitungskameras für ANPR
Die Auswahl der richtigen Kamera für ein ANPR-System erfordert eine sorgfältige Abwägung mehrerer Faktoren, um eine optimale Leistung und eine genaue Kennzeichenerfassung zu gewährleisten. Unsere Empfehlung für dieses Projekt war unsere MER2-160-227U3M, basierend auf den im Folgenden erläuterten Spezifikationen.
Der Forscher musste die Kamera mit einem Android-Tablet der Strafverfolgungsbehörden verwenden, das nicht über einen Ethernet-Anschluss verfügte und neben der Kamera im Polizeifahrzeug platziert werden sollte (daher war der Abstand kürzer als 4,6 m), was zur Verwendung einer USB3.0-Schnittstelle führte.
Die Auflösung spielt eine entscheidende Rolle, da die Genauigkeit des Systems für die Erfassung klarer und detaillierter Bilder von Nummernschildern unerlässlich ist, insbesondere bei schwierigen Lichtverhältnissen. Dies gewährleistet eine genaue Zeichenerkennung auch auf kleineren Schildern. Bei diesem ANPR-Projekt waren die kleinsten zu lesenden Zeichen 1,5 cm breit, die in einem Sichtfeld von 2,15 m x 1,6 m erkannt werden mussten. Daher konnte mit den 1440 x 1080 Pixeln dieser Kamera ein robustes System aufgebaut werden.
Die Bildrate ist ein weiterer entscheidender Faktor. Sie bestimmt die Anzahl der pro Sekunde aufgenommenen Bilder, und eine höhere Bildrate ist für die Erfassung von sich schnell bewegenden Fahrzeugen und die Gewährleistung einer genauen Kennzeichenerkennung von entscheidender Bedeutung. Es wird empfohlen, Kameras mit einer Bildrate von mindestens 30 Bildern pro Sekunde (FPS) einzusetzen, um Schwankungen der Fahrzeuggeschwindigkeit auszugleichen und eine konsistente Erfassung zu gewährleisten. In diesem Fall hatten wir eine hohe Bildrate von 227 Bildern pro Sekunde bei maximaler Auflösung.
Auch die Pixelgröße spielt eine wichtige Rolle für die Bildqualität, insbesondere bei schlechten Lichtverhältnissen. Kameras mit einer größeren Pixelgröße (in diesem Fall 3,45 um) fangen im Allgemeinen mehr Licht ein, was zu einer besseren Bildqualität führt. Dies ist entscheidend für die Erfassung klarer Nummernschilder bei unterschiedlichen Lichtverhältnissen und gewährleistet die Effektivität des Systems bei Tag und Nacht. Aus demselben Grund wurde auch die monochrome Version bevorzugt, da sie dreimal lichtempfindlicher ist als Farbkameras.
Schließlich ist auch die Wahl zwischen Global-Shutter- und Rolling-Shutter-Kameras entscheidend. Global-Shutter-Kameras erfassen das gesamte Bild auf einmal und minimieren so die durch sich bewegende Objekte verursachte Verzerrung, was für die Erfassung klarer Nummernschilder von Fahrzeugen in Bewegung unerlässlich ist. Rolling-Shutter-Kameras mögen zwar billiger sein, aber für ANPR-Anwendungen sind Global-Shutter-Kameras wegen ihrer besseren Bildqualität sehr zu empfehlen, insbesondere bei sich schnell bewegenden Fahrzeugen.
Auswahl des optimalen Objektivs
Der Forscher benötigte auch Unterstützung bei der Auswahl des optimalen Objektivs für sein ANPR-System. Entscheidend war, dass die Nummernschilder klar erfasst wurden, insbesondere bei Fahrzeugen in unterschiedlichen Entfernungen (in diesem Fall 5 bis 15 m).
Um dies zu erreichen, verfolgten wir einen ähnlichen Ansatz wie bei früheren Projekten. Wir konzentrierten uns auf zwei Schlüsselfaktoren: Sichtfeld (FOV) und Arbeitsabstand (WD). Das Sichtfeld musste groß genug sein, um die Straße zu erfassen (2,15 m), während der Arbeitsabstand für eine klare Fokussierung ausreichen musste.
Durch Diskussionen und Berechnungen (mit unserem Objektivrechner) kamen wir zu dem Schluss, dass ein Objektiv mit 16 mm Brennweite ideal wäre. Dieses Objektiv bot die nötige Ausgewogenheit, da es einen ausreichend großen Bildausschnitt für die Erfassung von Nummernschildern in den erwarteten Entfernungen bot und gleichzeitig einen ausreichenden WD-Wert aufwies, um Fokussierungsprobleme zu vermeiden.
Außerdem war es uns wichtig, die Verzerrung des Objektivs zu minimieren, um eine genaue Erkennung der Nummernschilder zu gewährleisten. Eine Verzerrung kann dazu führen, dass die Zeichen verzerrt erscheinen, was die Identifizierung erschwert. Ähnlich wie bei früheren Projekten empfahlen wir ein Objektiv mit minimaler Verzeichnung (typischerweise unter 1 %), um klare und unverzerrte Bilder zu gewährleisten, die für eine effektive ANPR-Funktionalität entscheidend sind.
Durch die Anwendung dieser Methodik konnten wir unseren Kunden erfolgreich bei der Auswahl der optimalen Kamera-Objektiv-Konfiguration für sein spezifisches ANPR-System unterstützen und so eine klare und genaue Erfassung der Nummernschilder gewährleisten, die er auch heute noch verwendet.
Beleuchtung für ANPR
Wie bereits erwähnt, musste dieser Forscher die Nummernschilder unabhängig von der Tageszeit klar erfassen. Wir verstanden ihr Bedürfnis, da klare Bilder für eine genaue Nummernschilderkennung unerlässlich sind.
Ähnlich wie bei anderen Projekten konzentrierten wir uns auf die Optimierung der Beleuchtung, um die Bildqualität zu verbessern. In diesem Fall war das Nummernschild das "Objekt", auf das wir uns konzentrierten.
Im Gegensatz zur Fotografie erfordert die Erfassung von Nummernschildern andere Beleuchtungsansätze. Wir empfahlen die Verwendung von Nah-Infrarot-Scheinwerfern (NIR). Diese Scheinwerfer sind für das bloße Auge unsichtbar und arbeiten im gleichen Bereich wie die Kamera des Kunden. Sie wirken wie unsichtbare Blitzlichter und beleuchten die Szene, ohne die nächtliche Umgebung zu stören. Mit NIR-Scheinwerfern kann das ANPR-System auch bei schlechten Lichtverhältnissen Nummernschilder klar erkennen, da die Kamera im NIR-Bereich arbeitet.
Schließlich haben wir uns auch mit dem Problem der Reflexionen befasst. Je nach dem Material des Nummernschilds und dem Kamerawinkel kann das Licht reflektiert werden und Blendeffekte verursachen. Um dies vor allem tagsüber zu minimieren, haben wir die Verwendung von Polfiltern vorgeschlagen. Diese Filter wirken wie eine Sonnenbrille für die Kamera und blockieren bestimmte Lichtwellen, die Reflektionen verursachen. So bleibt das Bild klar und das ANPR-System kann das Nummernschild genau lesen.
Indem wir sowohl NIR-Scheinwerfer für die Nacht als auch Polfilter für den Tag in Betracht zogen, halfen wir dem Kunden, eine optimale Beleuchtung für sein ANPR-System zu erreichen, die eine klare Kennzeichenerfassung bei Tag und Nacht gewährleistet.
Bildverarbeitungssoftware für ANPR
Eine Kamera, ein Objektiv und eine Beleuchtung sind nur die ersten Teile des Puzzles, wenn es darum geht, ein vollständiges Bildverarbeitungssystem aufzubauen. Für Aufgaben wie ANPR wird eine Bildverarbeitungssoftware benötigt, um die aufgenommenen Bilder zu analysieren und aussagekräftige Informationen zu extrahieren.
Glücklicherweise sind unsere Systeme flexibel, was die Wahl der Software angeht. Sie sind GenIcam-kompatibel, d. h. sie arbeiten nahtlos mit verschiedenen Softwareoptionen von Drittanbietern wie MvTec Halcon, NI LabVIEW, Cognex Vision Pro und sogar mit gängigen Plattformen wie MATLAB und OpenCV zusammen.
Wir bieten ein kostenloses Software Development Kit (SDK) an. Dieses praktische Toolkit unterstützt Sie bei der Erfassung von Bildern und der Steuerung von Kameraparametern und ist somit ein idealer Ausgangspunkt. Das SDK ist mit verschiedenen Plattformen kompatibel, von normalen PCs bis hin zu Industrieanlagen mit NVIDIA TX-Serie oder Raspberry Pi-Geräten. Es unterstützt sogar verschiedene Betriebssysteme wie Windows, Linux und Android. Es gibt zahlreiche Open-Source-Programme für ANPR, die mit unserem SDK funktionieren.
Dieser Forscher hat sein Programm zusammen mit unserem SDK entwickelt, um Nummernschilder zu erkennen. Dieses Programm ermöglichte auch die automatische Änderung der Kameraparameter in Abhängigkeit von den Umgebungsbedingungen.
Für Projekte, die ein komplettes Software-Lösungspaket suchen, haben wir Zebra Aurora Vision Studio empfohlen. Diese leistungsstarke und dennoch intuitiv zu bedienende Software bietet eine visuelle Benutzeroberfläche, die einem Werkzeugkasten ähnelt und somit leicht zu erlernen und zu benutzen ist. Mit Aurora Vision können Benutzer die Nummernschilder erkennen. Die kostenlose Lite-Version, die mit allen Standardalgorithmen ausgestattet ist, diente dem Kunden als guter Ausgangspunkt, um die Möglichkeiten der Software zu erkunden.
Durch das Angebot verschiedener Software-Optionen und benutzerfreundlicher Tools ermöglichen wir unseren Kunden, die Lösung zu wählen, die am besten zu ihren Fachkenntnissen und Projektanforderungen passt, was letztendlich zu erfolgreichen Bildverarbeitungsimplementierungen führt.
ANPR Anwendungen
Die automatische Nummernschilderkennung ANPR hat ihren Ursprung an Sicherheitskontrollpunkten hinter sich gelassen. Heute rationalisiert sie Abläufe und erhöht die Sicherheit in verschiedenen Branchen:
Sie benötigen Unterstützung für ANPR?
Möchten Sie von einem unserer Bildverarbeitungsexperten bei der Erstellung Ihres eigenen automatischen Kennzeichenerkennungssystems (ANPR) unterstützt werden? Oder ein anderes ähnliches Bildverarbeitungssystem? Zögern Sie nicht, uns über das untenstehende Formular zu kontaktieren!
