Nedá sa poprieť, že automatické rozpoznávanie ŠPZ (ANPR) patrí medzi technologické zázraky konca 20. storočia. Riešenie, ktoré dokáže rozpoznávať písmená a číslice z obrazu či videozáznamu ŠPZ a transformovať ich do podoby obyčajného textu, je skutočne veľkou pomocou v mnohých oblastiach – od bezpečnosti cestnej premávky, mýtnych systémov a riadenia prístupu až po dopravu, logistiku či dokonca retail.
Používatelia vidia len to, že ANPR riešenie spracuje obraz alebo videozáber a následne vráti výsledok s údajmi z tabuľky ako text. To, čo sa deje vo vnútri, je zriedkakedy odhalené – hoci je to rovnako zaujímavé ako samotná extrakcia textu zo statického obrázka. Tento článok otvára kapotu ANPR riešení – konkrétne softvérovej rodiny Carmen® od Adaptive Recognition – a pozorne sa pozerá na to najdôležitejšie: motor.
Čo rozumieme pod rozpoznávaním ŠPZ?
Aby sme pochopili, ako prebieha proces rozpoznávania ŠPZ, musíme si najprv určiť, čo vlastne rozpoznávanie ŠPZ znamená. V zásade ide o špeciálny segment optického rozpoznávania znakov (OCR), kde určený nástroj vykonáva rozpoznávanie obrazu so zameraním na znaky písmen a číslic na evidenčných číslach vozidiel a následne ich transformuje do ASCII znakov, ktoré dokáže počítač interpretovať. Vo väčšine prípadov je tento nástroj počítačový program, softvér alebo sada algoritmov, no existujú aj prípady, keď je softvér na rozpoznávanie ŠPZ integrovaný priamo v hardvéri, v špeciálnej priemyselnej kamere.
Hoci medzi softvérovým a hardvérovým rozpoznávaním ŠPZ existujú určité rozdiely, ich základné princípy sú vždy rovnaké. V tomto zmysle je vstupom pre rozpoznávanie ŠPZ vždy obraz — dokonca aj v prípade video streamov, kde modul rozpoznávania analyzuje jednotlivé video snímky — zatiaľ čo výstupom je surový text tabuľky v uvedenom ASCII formáte plus štátna príslušnosť.
Teraz, keď už máme základy za sebou, pozrime sa na hlavné kroky rozpoznávania ŠPZ a tým, čím musí softvér na rozpoznávanie ŠPZ zvyčajne prejsť.
ANPR krok za krokom
Rozpoznávanie
Algoritmus na rozpoznávanie ŠPZ hľadá na obrázku znaky — číslice a písmená. Ak ANPR engine určí, že sa na obrázku nachádza znak, spustí sa proces optického rozpoznávania znakov (OCR).
Keď engine dokončí rozpoznanie prvého znaku, automaticky začne hľadať ďalšie znaky a proces rozpoznávania sa opakuje dovtedy, kým engine nenájde v obrázku žiadne ďalšie čitateľné číslice alebo písmená.
Obrázok evidenčného čísla s láskavým dovolením Maďarského vestníka (Magyar Közlöny).
Stojí za zmienku, že ak je tabuľka špinavá, znaky sú príliš blízko pri sebe, na tabuľke sú skrutky alebo sa na nej nachádzajú silné svetelné efekty, ako napríklad tiene, engine nemusí znaky správne rozpoznať. Avšak okrem nečistoty — čo je situácia vyššej moci — sa vyššie uvedené problémy dajú odstrániť správnym nastavením ANPR softvéru. Viac o týchto nastaveniach sa môžete dozvedieť tu. Vytvorenie sekvencie
Creating a Sequence
Keď sú všetky znaky správne rozpoznané, engine vytvorí sekvenciu pripomínajúcu skutočnú ŠPZ. Engine spustí viacero nástrojov neurónových sietí a porovnáva novo získanú sekvenciu s podobnými tabuľkami, ktoré už pozná. Proces sa končí, keď sa nájde typ najviac zodpovedajúci sekvencii alebo keď sa pre sekvenciu nenájde žiadna zhoda.
Napríklad formát maďarských ŠPZ je XXX-YYY — od júla 2022 je to XX XX-YYY — kde „X“ predstavuje písmeno a „Y“ číslo. Ak engine získa potrebný počet znakov z analyzovaného obrázka, vytvorí možnú sekvenciu na základe týchto znakov. Potom engine hľadá podobné tabuľky na základe atribútov, ako sú poloha, syntax, farebné vzťahy, typ písma atď. Ak dôjde k zhode — čo je v našom prípade tabuľka buď v starom, alebo v novom formáte — engine vráti výsledok plus štátnu príslušnosť, Maďarsko.
Obrázok evidenčného čísla s láskavým dovolením Maďarského vestníka (Magyar Közlöny).
Ak sa sekvencia nezhoduje so žiadnym typom ŠPZ, ktorý ANPR engine pozná, text tabuľky môže byť aj tak vrátený bez typu, ak ste engine nastavili tak, aby rozpoznával aj neznáme typy.
Prezentácia
Na konci procesu ANPR softvér prezentuje obraz, znaky ŠPZ v požadovanom počítačovom/ľudsky čitateľnom ASCII formáte a štátnu príslušnosť tabuľky ako dátový balík, ktorý sa následne odošle na príslušné servery alebo do databáz.
Softvér alebo nie?
Jedna vec, ktorú treba poznamenať, je, že keď označujeme ANPR riešenie ako „softvér“, nehovoríme o samostatnom programe. Slovo „softvér“ označuje rozpoznávací engine — knižnicu funkcií, ktorú možno integrovať do kompletných systémov na rozpoznávanie ŠPZ.
Inými slovami, tvorcovia systémov musia vytvoriť prepojenie medzi riešením na rozpoznávanie ŠPZ a svojím systémom prostredníctvom integrácie, aby boli údaje v prezentovateľnom formáte. Z tohto dôvodu sa moduly na rozpoznávanie ŠPZ často ponúkajú ako SDK — softvérová vývojová súprava s dokumentáciou, ukážkovými kódmi a programovými nástrojmi — ktorá sa nachádza v hlavnom stavebnom prvku integrátorov, API (application programming interface). Náš vlajkový produkt, Carmen® ANPR Image „softvér“, je ponúkaný presne v tomto formáte.
Existujú prípady, keď integrácia neprichádza do úvahy z dôvodu nedostatku financií, času alebo systémových povolení. Našťastie, pre tieto situácie sú k dispozícii Plug’n’Play riešenia, ako Carmen® ANPR Stream a Carmen® ANPR Cloud SaaS, ktoré si na strane používateľov systému vyžadujú minimálnu alebo žiadnu integráciu.
Dobrá správa je, že pokiaľ ide o kroky, v rámci ktorých ANPR prebieha — o ktorých sme hovorili skôr — neexistujú žiadne rozdiely medzi hotovým softvérom a SDK knižnicami. V skutočnosti tieto riešenia často obsahujú aj demo softvér, ktorý je ideálny na testovanie toho, čo ANPR riešenia dokážu v kontrolovanom prostredí — t. j. na testovacích obrázkoch získaných z kamier pripojených k intranetu — ešte pred tým, ako sa začne pracovať s kódmi a upravovať softvér podľa individuálnych potrieb klienta.
Na záver, či je to hotový program alebo riešenie, ktoré si vyžaduje trochu kódovania, výsledky budú vždy rovnaké: rýchle a spoľahlivé ANPR riešenie, ktoré vám — ak je správne nastavené — poskytne požadované údaje z tabuľky.
Máte otázky alebo dopyty? Sme tu, aby sme vás podporili na každom kroku:
