Automatisk nummerskiltgjenkjenning (ANPR)
I dagens verden er sømløs og effektiv kjøretøyidentifikasjon avgjørende for ulike applikasjoner, fra rettshåndhevelse til adgangskontroll for parkering. Automatisk nummerskiltgjenkjenning (ANPR) har blitt en kraftig teknologi som automatiserer denne prosessen og gir betydelige fordeler sammenlignet med tradisjonelle metoder. Denne artikkelen fungerer som en veiledning og beskriver de viktigste trinnene og løsningene som er involvert i utviklingen av et robust og effektivt ANPR-system for en forsker som sendte en forespørsel om hjelp med prosjektet sitt.
Valg av Machine vision-kamera for ANPR
Valget av riktig kamera for et ANPR-system krever nøye vurdering av flere faktorer for å sikre optimal ytelse og nøyaktig registrering av nummerskilt. Vår anbefaling for dette prosjektet var vår MER2-160-227U3M, basert på spesifikasjonene som forklares nedenfor.
Forskeren måtte bruke kameraet med et Android-nettbrett for politiet, som ikke hadde Ethernet-tilkobling og skulle plasseres ved siden av kameraet inne i politibilen (dermed var avstanden kortere enn 4,6 m), noe som førte til bruk av USB3.0-grensesnitt.
Oppløsning spiller en avgjørende rolle, ettersom systemets nøyaktighet er viktig for å ta klare og detaljerte bilder av nummerskilt, spesielt under utfordrende lysforhold. Dette sikrer nøyaktig tegngjenkjenning selv på mindre skilt. For dette ANPR-prosjektet var de minste tegnene som skulle leses 1,5 cm brede, og de måtte gjenkjennes i et FOV på 2,15 m x 1,6 m. Derfor kunne dette kameraets 1440 px x 1080 px brukes til å bygge et robust system.
Bildehastigheter er en annen avgjørende faktor. Den bestemmer antallet bilder som tas per sekund, og en høyere bildehastighet er viktig for å registrere kjøretøy i rask bevegelse og sikre nøyaktig skiltgjenkjenning. Det anbefales å velge kameraer med en bildehastighet på minst 30 bilder per sekund (FPS) for å ta hensyn til variasjoner i kjøretøyhastigheter og sikre konsekvent registrering. I dette tilfellet hadde vi en høy bildehastighet på 227 fps ved maksimal oppløsning.
Pikselstørrelse spiller også en viktig rolle for bildekvaliteten, spesielt i miljøer med lite lys. Kameraer med større pikselstørrelse (3,45 um i dette tilfellet) fanger generelt opp mer lys, noe som gir forbedret bildekvalitet. Dette er avgjørende for å ta klare bilder av nummerskilt under ulike lysforhold og sikrer systemets effektivitet gjennom hele dagen og natten. Av samme grunn ble den monokrome versjonen foretrukket, ettersom den er 3x mer lysfølsom enn fargekameraer.
Til slutt er valget mellom global shutter- og rolling shutter-kameraer avgjørende. Global shutter-kameraer tar hele bildet samtidig og minimerer forvrengning forårsaket av objekter i bevegelse, noe som er viktig for å ta klare bilder av nummerskilt på kjøretøy i bevegelse. Selv om rolling shutter-kameraer kan være rimeligere, anbefales global shutter-kameraer sterkt for ANPR-applikasjoner på grunn av deres overlegne bildekvalitet, spesielt ved kjøretøy i rask bevegelse.
Velge det optimale Objektiv
Forskeren trengte også hjelp til å velge det optimale objektivet for ANPR-systemet sitt. Det var avgjørende å sikre tydelig opptak av registreringsskilt, spesielt for kjøretøy på varierende avstander (5 til 15 m i dette tilfellet).
For å oppnå dette fulgte vi en lignende tilnærming som i tidligere prosjekter. Vi fokuserte på to nøkkelfaktorer: synsfelt (FOV) og arbeidsavstand (WD). Synsfeltet måtte være bredt nok til å dekke veien (2,15 m), samtidig som en egnet arbeidsavstand ble opprettholdt for tydelig fokus.
Gjennom diskusjoner og beregninger (ved hjelp av vår objektivkalkulator) fastslo vi at et objektiv med 16 mm brennvidde, «VA-LCM-5MP-16MM-F2.0-018» ville være ideelt. Dette objektivet ga den nødvendige balansen, med et tilstrekkelig bredt synsfelt for opptak av registreringsskilt på de forventede avstandene, samtidig som en tilstrekkelig arbeidsavstand ble opprettholdt for å unngå fokuseringsproblemer.
Videre prioriterte vi å minimere objektivforvrengning for å sikre nøyaktig gjenkjenning av registreringsskilt. Forvrengning kan føre til at tegn fremstår som deformerte, noe som vanskeliggjør identifikasjon. På samme måte som i tidligere prosjekter anbefalte vi et objektiv med minimal forvrengning (vanligvis under 1 %) for å garantere klare og uforvrengte bilder, noe som er avgjørende for effektiv ANPR-funksjonalitet.
Ved å anvende denne metodikken hjalp vi kunden vår med å velge det optimale kamera-objektiv-oppsettet for deres spesifikke ANPR-system, og sikret tydelig og nøyaktig opptak av registreringsskilt, som de fortsatt bruker den dag i dag.
Belysning for ANPR
Som nevnt måtte denne forskeren kunne registrere bilskilt tydelig, uansett tidspunkt på dagen. Vi forsto behovet, ettersom klare bilder er avgjørende for nøyaktig gjenkjenning av bilskilt.
I likhet med andre prosjekter fokuserte vi på å optimalisere belysningen for å forbedre bildekvaliteten. Her var «objektet» i fokus bilskiltet.
I motsetning til fotografering krever registrering av bilskilt ulike belysningsmetoder. Vi anbefalte å bruke nærinfrarøde (NIR) spotlights. Disse spotlightene er usynlige for det blotte øyet og opererer i samme område som kundens kamera. De fungerer som usynlige lommelykter og belyser scenen uten å forstyrre nattmiljøet. Med NIR-spotlights kan ANPR-systemet fortsatt se bilskilt tydelig selv under dårlige lysforhold, siden dette kameraet fungerer i NIR-området.
Til slutt tok vi for oss problemet med refleksjoner. Avhengig av materialet i bilskiltet og kameravinkelen kan lys reflekteres og skape gjenskinn. For å minimere dette, spesielt på dagtid, foreslo vi å bruke polariserende filtre. Disse filtrene fungerer som solbriller for kameraet og blokkerer bestemte lysbølger som forårsaker refleksjoner. Dette holder bildet klart og hjelper ANPR-systemet med å lese bilskiltet nøyaktig.
Ved å ta hensyn til både NIR-spotlights for natten og polariserende filtre for dagtid hjalp vi kunden med å oppnå optimal belysning for ANPR-systemet, og sikret tydelig registrering av bilskilt både dag og natt.
Bildebehandlingsprogramvare for ANPR
Et kamera, objektiv og belysning er bare de første brikkene i puslespillet når det gjelder å bygge et komplett maskinsynssystem. For oppgaver som ANPR kreves computer vision-programvare for å analysere de innsamlede bildene og hente ut meningsfull informasjon.
Heldigvis tilbyr systemene våre fleksibilitet når det gjelder programvarevalg. De er GenICam-kompatible, noe som betyr at de fungerer sømløst med ulike tredjeparts programvarealternativer som MvTec Halcon, NI LabVIEW, Cognex Vision Pro og til og med populære plattformer som MATLAB og OpenCV.
Vi tilbyr et gratis programvareutviklingssett (SDK). Dette praktiske verktøysettet hjelper deg med å ta bilder og styre kameraparametere, noe som gjør det til et godt utgangspunkt. SDK-et er kompatibelt med ulike plattformer, fra vanlige PC-er til industrielle oppsett med NVIDIA TX-serien eller Raspberry Pi-enheter. Det støtter også ulike operativsystemer som Windows, Linux og Android. Det finnes mange åpen kildekode-programmer utviklet for ANPR som fungerer med SDK-et vårt.
Denne forskeren utviklet programmet sitt sammen med SDK-et vårt for å gjenkjenne bilskilt. Programmet gjorde det også mulig å endre kameraets parametere automatisk i henhold til miljøforholdene.
For prosjekter som ser etter en komplett programvareløsningspakke, anbefaler vi Zebra Aurora Vision Studio. Denne kraftige, men intuitive programvaren tilbyr et visuelt grensesnitt som ligner en verktøykasse, noe som gjør den enkel å lære og bruke. Med Aurora Vision kan brukere gjenkjenne registreringsnummer. Den gratis Lite-versjonen, utstyrt med alle standardalgoritmer, fungerte som et godt utgangspunkt for kunden til å utforske programvarens funksjoner.
Ved å tilby ulike programvarealternativer og brukervennlige verktøy gjør vi kundene i stand til å velge løsningen som passer best til deres kompetanse og prosjektkrav, noe som til slutt fører til vellykkede implementeringer av maskinsyn.
ANPR-applikasjoner
Automatisk nummerskiltgjenkjenning (ANPR) har utviklet seg langt utover sin opprinnelse ved sikkerhetskontrollpunkter. I dag effektiviserer den driften og forbedrer sikkerheten på tvers av bransjer:
Support for ANPR?
Ønsker du support fra en av våre machine vision-eksperter for å opprette ditt eget Automatic Number Plate Recognition (ANPR)-system? Eller et annet lignende visionsystem? Ikke nøl med å ta kontakt ved å bruke skjemaet nedenfor!