CC BY
0УДК 004.932 Люсюков А.В., Зайцев А.А., Аракелян В.П.
Люсюков А.В.
Донской государственный технический университет (г. Ростов-на-Дону, Россия)
Зайцев А.А.
Донской государственный технический университет (г. Ростов-на-Дону, Россия)
Аракелян В.П.
Донской государственный технический университет (г. Ростов-на-Дону, Россия)
ПРОВЕДЕНИЕ АНАЛИЗА СИСТЕМ ВИДЕОНАБЛЮДЕНИЯ С РАСПОЗНАВАНИЕМ АВТОМОБИЛЬНЫХ НОМЕРОВ ДЛЯ ПОВЫШЕНИЯ БЕЗОПАСНОСТИ НА ПАРКОВКАХ И ДОРОГАХ
Аннотация: данная статья посвящена анализу существующих систем опознавания государственных регистрационных знаков на автомобилях. Были рассмотрены технологии распознавания автомобильных номеров. Выбраны несколько существующих систем. Были выявлены их основные плюсы и минусы. Также описаны основные принципы сбора и обработки данных для обозреваемых систем.
Ключевые слова: парковка, анализ видео, распознавание номеров, мониторинг парковки, нейронные сети.
Введение.
В современном мире, где технологии играют ключевую роль в обеспечении безопасности и комфорта, системы видеонаблюдения с распознаванием автомобильных номеров становятся все более важным инструментом. Парковки и дороги, как критически важные зоны, требуют
эффективных методов контроля и мониторинга для предотвращения преступлений, аварий и других инцидентов.
В данной работе мы обращаем внимание на потенциал систем видеонаблюдения с распознаванием автомобильных номеров для улучшения безопасности на парковках и дорогах. Эти системы не только обеспечивают непрерывный мониторинг за движением автомобилей, но и способны автоматически распознавать номера и анализировать данные для выявления потенциальных угроз и нарушений. Такой подход позволяет оперативно реагировать на возникающие ситуации и принимать меры по их предотвращению.
Наша работа направлена на анализ существующих систем видеонаблюдения с распознаванием автомобильных номеров, оценку их эффективности.
Технологии распознавания автомобильных регистрационных знаков.
Распознавание автомобильных номеров становится всё более важным инструментом в сфере безопасности и управления транспортным потоком. С развитием компьютерного зрения и машинного обучения появились новые технологии, которые значительно улучшили процесс распознавания. Давайте рассмотрим основы алгоритма и современные подходы к этой технологии.
Современные подходы к распознаванию номеров включают в себя следующие улучшения:
1. Глубокие нейронные сети позволяют автоматически изучать признаки изображений и повышают точность распознавания. Например сверточная нейронная[1] сеть для решения задачи распознавания номерных знаков.
2. Искусственный интеллект позволяет системам адаптироваться к различным условиям освещения и атмосферным условиям.
3. Облачные системы предоставляют возможность обработки больших объемов данных и обновления алгоритмов в реальном времени.
Автоматическое распознавание автомобильных номеров состоит из следующих шагов [2]:
1. Локализация - обнаружение и вырезание области на изображении с номерным знаком. Для локализации номера на изображении применяются различные алгоритмы. Одни из них используют в большинстве своем бинаризации, выделении контуров, морфологической обработке изображений. Такие алгоритмы используют операторы Собеля, Кэнни, Робертса и Превитта.
Их ещё называют алгоритмами обнаружения границ. Они обнаруживать как горизонтальные, так и вертикальные края.
Так же существуют такие алгоритмы как Анализ части границ и Гистограммный анализ регионов. Первый чем-то похож на контурные алгоритмы. Второй же строиться на предположении, что частотная характеристика области, содержащей номер, отлична от частотной характеристики окрестности данной области.
Однако предыдущие методы не годится в условиях реальных дорог. Альтернативой им могут служить, например, преобразование Хафа, метод Виолы-Джонса, в основе которого лежат примитивы Хаара, представляющие собой разбивку заданной области на наборы разнотипных прямоугольных подобластей. Или же наконец нейронные сети.
2. Нормализация - приведения полученного изображения к требуемому виду [3]. Этот процесс включает в себя различные шаги, такие как устране-ние шума, выравнивание, изменение размера и поворот изображения, а также исправление искажений и иной обработки, которая поможет стандартизировать внешний вид номерного знака.
Нормализация помогает улучшить качество распознавания номеров на изображениях, даже в условиях слабой освещенности, размытости, искажений и других факторов, которые могут затруднить автоматическое распознавание.
3. Сегментация - разделение изображения и выделение на нем областей каждого символа. Самый простой способ для сегментации является
использование заранее заданного шаблона. В качестве шаблона может выступать прямоугольники с зеленным контуром, например. Так же можно использовать такие методы как построение горизонтальной проекции средней интенсивности, а проведении контурного анализа или Бинаризация (метод Отсу).
4. Распознавание - формирование из полученных символов упорядоченной строки. Существует множество методов распознавания символов. Из них можно выделить различные библиотеки OpenCV, Opos, JavaANPR или приложения типа Tesseract OCR. Так же стоит рассмотреть методы на основе сопоставления с шаблонами, или анализа моментов, SVM (машина опорных векторов), K-nearest или сверточные нейросети типа YOLO. SVM и K-nearest методы имеют сходство в том, что они оба относятся к методам обучения с учителем и используются для задач классификации.
5. Синтаксический анализ - анализ полученной строки на основе стандартов регистрации ТС. Например, в Российской Федерации используется стандарт, определяемый ГОСТ Р 50577-93[4].
Примеры существующих систем распознавания автомобильных номеров и их сравнение.
1. HikVision - ведущий мировой поставщик продуктов и решений для видеонаблюдения [5]. Система распознавания номеров от HikVision использует передовые технологии машинного зрения и искусственного интеллекта для точного и надежного распознавания номерных знаков в различных условиях.
Преимущества:
1) Точные алгоритмы обеспечивают надежное распознавание номеров даже в сложных условиях освещения и погоды,
2) Легко интегрируется с другими системами видеонаблюдения и управления доступом,
3) Подходит для различных сценариев использования, от частных парковок до крупных городских проектов.
Недостатки:
1) Высокая стоимость оборудования и лицензий может быть препятствием для небольших организаций,
2) Может потребоваться профессиональная установка и настройка.
2. НомерОк - российская система распознавания автомобильных номеров, разработанная для обеспечения безопасности и автоматизации парковочных и дорожных пространств. Система сочетает в себе передовые алгоритмы машинного зрения и аналитики данных [6].
Преимущества:
1) Высокая точность благодаря использованию современных технологий машинного зрения и искусственного интеллекта,
2) Снижение затрат на управление и контроль парковок,
3) Адаптирована под российские условия и стандарты, с местной поддержкой и обслуживанием,
Недостатки:
1) Возможности интеграции могут быть ограничены по сравнению с международными аналогами,
2) Требует качественного оборудования и надежной инфраструктуры для работы,
3. СУБ-Авто - комплексное решение для распознавания и управления автомобильными номерами, предназначенное для автоматизации процессов контроля, мониторинга и анализа данных. Система разработана с учетом российских условий эксплуатации [7].
Преимущества:
1) Возможность интеграции с существующими системами видеонаблюдения и управления доступом,
2) Система может быть адаптирована под различные сценарии использования и масштабы проектов,
3) Обеспечивает высокий уровень безопасности благодаря оперативному выявлению нарушителей и подозрительных транспортных средств.
Недостатки:
1) Эффективность системы может зависеть от качества и надежности используемого оборудования,
2) Для достижения максимальной эффективности может потребоваться профессиональная настройка и поддержка.
Таблица 1. Сравнение параметров систем.
Параметры HikVision НомерОк CVS-Авто
Точность распознавания Высокая Высокая Высокая
Итерация Широкие возможности Ограниченные возможности Хорошая
Гибкость и масштабируемость Высокая Средняя Высокая
Экономическая эффективность Средняя Высокая Средняя
Стоимость Высокая Средняя Средняя
Инсталляция и настройки Высокая Средняя Средняя
Системы распознавания автомобильных номеров HikVision, НомерОк и CVS-Авто обладают различными функциями и преимуществами, которые соответствуют различным потребностям и условиям эксплуатации. HikVision характеризуется высокой точностью и широкими возможностями интеграции, однако его стоимость может быть значительной. НомерОк привлекает экономической эффективностью и локальной поддержкой, но обладает ограниченными возможностями интеграции. CVS-Авто отличается гибкостью и высоким уровнем безопасности, однако для достижения максимальной эффективности требуется качественное оборудование.
Заключение.
Системы распознавания номерных знаков играют важную роль в современном управлении транспортом и обеспечении безопасности. Они предоставляют эффективные инструменты для автоматизации процессов, мониторинга и контроля, способствуя улучшению дорожной обстановки и повышению уровня безопасности. Поэтому выбор оптимальной системы распознавания автомобильных номеров зависит от конкретных потребностей и условий эксплуатации. Важно учитывать такие факторы, как точность распознавания, возможности интеграции, экономическая эффективность, поддержка и обслуживание, а также стоимость системы. Каждая из рассмотренных систем имеет свои сильные и слабые стороны, и правильный выбор поможет существенно повысить уровень безопасности и оптимизировать управление парковочными и дорожными пространствами.
СПИСОК ЛИТЕРАТУРЫ:
1. Михалевич Юрий Сергеевич, Ткаченко Василий Владимирович Использование сверточных нейронных сетей для распознавания автомобильных номеров. Преимущества и недостатки по сравнению с шаблонным методом // Научный журнал КубГАУ. 2016. №120. URL: https://cyberleninka.ru/article/n/ispolzovanie-svertochnyh-neyronnyh-setey-dlya-raspoznavaniya-avtomobilnyh-nomerov-preimuschestva-i-nedostatki-po-sravneniyu-s;
2. Елизаров А.И., Афонасенко А.В. Методика построения систем распознавания автомобильного номера // Известия ТПУ. 2006. №8. URL: https://cyberleninka.ru/article/n/metodika-postroeniya-sistem-raspoznavaniya-avtomobilnogo-nomera;
3. Кирпичников А.П., Ляшева С.А., Обухов А.В., Шлеймович М.П. Автоматическое распознавание автомобильных номеров // Вестник Казанского технологического университета. 2015. №4. URL: https://cyberleninka.ru/article/n/avtomaticheskoe-raspoznavanie-avtomobilnyh-nomerov;
4. ГОСТ Р 50577-93 - «Знаки государственные регистрационные транспортных средств. Типы и основные размеры. Технические требования»;
5. HikVision Авто [Электронный ресурс] Режим доступа: https://www.hikvision.com/us-en/;
6. НомерОк [Электронный ресурс] Режим доступа: https://avtonomerok.net/;
7. CVS-Авто [Электронный ресурс] Режим доступа: https://www.cvsnt.ru/products_soft_cvsauto.html
Lyusyukov A. V., Zaitsev A.A., Arakelyan V.P.
Lyusyukov A.V.
Don State Technical University (Rostov-on-Don, Russia)
Zaitsev A.A.
Don State Technical University (Rostov-on-Don, Russia)
Arakelyan V.P.
Don State Technical University (Rostov-on-Don, Russia)
ANALYSIS OF VIDEO SURVEILLANCE SYSTEMS WITH LICENSE PLATE RECOGNITION TO INCREASE SAFETY IN PARKING AND ROADS
Abstract: this article is devoted to the analysis of existing systems for identifying state registration plates on cars. License plate recognition technologies were reviewed. Several existing systems were selected. Their main pros and cons were identified. The basic principles of data collection and processing for the monitored systems are also described.
Keywords: automated parking, video analysis, plate recognition, parking, neural networks.
