天天看點

人工智能ANPR車牌識别技術,目前面臨着哪些挑戰和局限性?網際網路連接配接攝像頭品質

由于 ANPR 系統需要相對先進的攝像頭、計算能力和軟體,很少有人會猜測該技術是由英國警察科學發展處在 40 多年前開發的。

1970 年代後期,在連接配接倫敦和愛丁堡的 A1 高速公路以及達特福德隧道上進行了試點測試。 1981 年,車牌檢測技術幫助逮捕了第一個偷車賊。

當然,這些是安裝在道路上的靜态系統,而不是移動系統,由于小型化和技術進步,如今的智能警車普遍安裝了移動系統。

今天的頂級 ANPR 錄影機可以高可靠性地讀取車牌号,即使是在正常道路交通中移動的警車上:即在不斷變化的條件下(速度、光照強度或影響能見度的變化天氣條件)。 不管困難重重,這個小細節進一步提高了相機讀取效率。

網際網路連接配接

基于雲的解決方案——顧名思義——需要網際網路連接配接才能工作,是以對于無法連接配接網際網路的項目,它們可能不可行。

“在基于雲端的 ANPR 的情況下,事件檢測也是一個問題,如果帶寬允許受監控區域的連續視訊流(因為在這種情況下我們的解決方案使用基于視訊分析的觸發),則可以避免這種情況。在可通路的基礎設施方面以及考慮到經濟原因時,這還不現實。 “解決該問題的另一種方法是設定圖像預選機制、觸發器(如感應回路)或包含某種觸發機制的相機,然而,由于價格差異,後一種解決方案可能成本更高 與為 ANPR 提供足夠圖像品質的标準 IP 錄影機相比。”

攝像頭品質

為 ANPR 選擇攝像頭時的基本經驗法則是,如果車牌可以被人眼識别,那麼 ANPR 解決方案也能識别它。 話雖如此,由于高速公路上的攝像頭通常必須應對崎岖的條件,是以在一些情況下它們無法提供連續清晰的視覺效果。

在所有天氣和光照條件下,攝像頭圖像品質都至關重要,專用的 ANPR 攝像頭系統将始終優于其他類型的攝像頭,因為它針對 ANPR 圖像品質進行了優化,提供了更高的速度,并且不需要任何圖像或視訊壓縮,進而影響圖像品質。

攝像頭放置角度對于捕捉車牌也是必不可少的。太遠或太近都會導緻圖像無用。同樣,安裝太高或太低的攝像頭也會出現問題。最後,當視覺效果因雨、霧、灰塵或其他此類因素而變得模糊時,ANPR 解決方案将難以識别車牌。需要注意的是,這類問題對任何 ANPR 解決方案都構成了挑戰,無論它們位于雲端還是邊緣。

ANPR 攝像頭尚未用作雷達的替代品。然而,配備 ANPR 功能的車輛可以相對容易且經濟高效地更新以包含速度檢測功能。為現代智能車輛添加此類功能的成本約為當今移動車輛雷達成本的一半。

在荷蘭,ANPR 還用于識别逃稅者并沒收他們的車輛。在英國,一個由 10,000 多個靜态和移動 ANPR 錄影機組成的廣泛網絡每天收集約 5000 萬個車牌讀數,他們在 12 個月内檢測到超過 750,000 輛沒有強制保險的車輛。

TSINGSEE青犀視訊開發的車牌識别智能停車系統能夠有效提升通行效率和體驗。典型的示例如EasyCVR視訊融合雲服務,具有AI人臉識别、車牌識别、語音對講、雲台控制、聲光告警、監控視訊分析與資料彙總的能力。

車牌識别單元對圖像進行處理,定位出車牌位置,再将車牌中的字元分割出來進行識别,之後組成車牌号碼輸出。相對于傳統取卡入場,車牌識别通行免停車、免開窗,提升了B端的使用者體驗,降低了停車場IC卡片遺失耗損的成本,提升了C端車主的通行效率,實作了車輛快捷的進出停車場。