Slik virker skiltgjenkjenning (og hvor den svikter)
En klar gjennomgang av hvordan ANPR fanger, leser og matcher skilt, pluss de virkelige forholdene som skaper trøbbel, og hvordan gode oppsett håndterer dem.
Skiltgjenkjenning høres ut som magi når det virker: en bil kjører forbi, og systemet kjenner den. I virkeligheten er det en kjede av trinn, fangst, avlesning, match, og hvert ledd har feiltilstander. Å forstå kjeden er forskjellen på et system du stoler på, og et du kjemper med.
Fangst, avlesning, match
Kameraet fanger først et klart bilde av skiltet, som regel med egen infrarød belysning så skiltet er lesbart uansett omgivende lys. Programvare lokaliserer deretter skiltet i bildet og kjører optisk tegngjenkjenning for å gjøre piksler til tegn. Til slutt matches avlesningen mot dine data, en betalt økt, en tillatelse, en hviteliste eller en blokkliste, og systemet avgjør hva som skal skje.
Hvert trinn betyr noe. En utmerket OCR-motor kan ikke rette en uskarp fangst, og en perfekt avlesning er ubrukelig hvis den ikke kan matches til riktig regel for sonen.
- Fangst: et skarpt, godt belyst bilde av skiltet
- Avlesning: OCR gjør bildet om til skilttegn
- Match: skiltet kontrolleres mot økter, tillatelser eller lister
Hvor den svikter
Gjenkjenningen forringes når skiltet er vanskelig å se: gjørme, snø, et tilhengerfeste eller sykkelstativ, et skjevt eller skadet skilt, eller et kjøretøy i en vanskelig vinkel. Kraftig regn, lav sol rett inn i linsen og blending fra frontlykter reduserer alle avlesningskvaliteten. Utenlandske eller ikke-standard skilt legger til enda en utfordring fordi formatene og skrifttypene deres avviker fra de lokale systemet er innstilt for.
Ingen av disse er eksotiske. Det er helt vanlige hverdagsforhold, og derfor virker et system som bare virker i godt lys, ikke ordentlig.
- Tildekte eller skitne skilt, tilhengerfester og sykkelstativer
- Vær og lys: regn, snø, lav sol, blending
- Utenlandske eller ikke-standard skiltformater og skrifttyper
Slik demper gode oppsett
Solide installasjoner starter med det fysiske grunnlaget: kameravinkel, monteringshøyde og belysning valgt for filen, ikke skrudd på som en ettertanke. Konfidensscore flagger usikre avlesninger i stedet for å gjette, og fangede bilder lagres så et menneske eller en klageprosess kan verifisere. Å avstemme inn- og utkjøringsavlesninger i stedet for å stole på ett enkelt bilde fanger feilavlesninger før de blir feil avgifter.
Det viktigste
ANPR er en kjede, fangst, avlesning, match, og den er bare så sterk som sitt svakeste ledd. Planlegg for skiltene som er vanskelige å lese, lagre bildene, og det blir et system du kan stole på i stedet for et du krangler med.
Les videre
Få det på parkeringsområdene deres
Snakk med en OPARKO-parkeringskonsulent om hva som passer for stedene deres, helt uforpliktende.