увидеть номер автомобиля на видеозаписи
«Грязь может запутать камеры». Как распознают нечитаемые номера
Аномально теплая зима принесла на российские дороги грязь, лужи и жижу из мокрого снега. Все это налипает на автомобильные номера и накрепко примерзает. Но водители не спешат протирать таблички, надеясь, что камеры фотовидеофиксации в случае нарушения ПДД их просто не увидят. А иногда специально наносят искусственную грязь, чтобы обмануть комплексы фиксации нарушений. Эксперты предупреждают, что в таких случаях инспекторы ГИБДД могут лишить прав.
Если автомобильный номер плотно покрыт грязью или залеплен снегом, его не распознает ни одна камера, уверен руководитель компании «Астралаб» Сергей Ласкин. По его словам, точность работы комплексов зависит от освещенности участка и ракурса, под которым проезжают объекты, но грязь — это главная преграда.
«Грязь иногда дает читаемый рельеф. Но если вы сами, глядя на номер, не можете прочитать цифры и буквы, то и камера этого сделать не сможет, — признался Ласкин. — Особенно если все происходит в темное время суток, а на дорогах много автомобилей — в таких условиях статистика выявления нарушителей обычно падает. Конечно, если госномера лишь немного покрыты грязью, нельзя говорить, что в 100% случаев распознать номер не получится, но чем толще слой грязи, тем ниже процент распознавания».
По словам эксперта, у всех камер работает алгоритм, который в случае сомнений автоматически отбраковывает сомнительные материалы. Тогда они просто не попадают в центры обработки информации. Это делается для того, чтобы избежать ошибочных постановлений. Иногда камера думает, что считала госномер, но она может ошибаться, поскольку все ГОСТы для работы подобных комплексов создавали под автомобили с чистыми номерами.
«Грязь может запутать камеры, ведь их «зрение» очень похоже на человеческое, — объяснил Ласкин. — Так, камера видит цифру, создается некий ассоциативный ряд, принимается решение, что цифра похожа на 8, а это на самом деле 0 с комком грязи посередине. Поэтому в наших камерах алгоритм такой: если устройство номер распознало, но вероятность ошибки выше 20%, эти данные просто идут в поток, например, для сбора статистических данных или же для розыскных мероприятий. В центры обработки они просто не попадут: материалы для штрафов формируются только при уверенности на уровне 99%».
Эксперт признается, что проблема езды с грязными номерами стоит остро и пока с помощью камер не получается фиксировать все нарушения. Прогрессивные технологии, которые предлагалось внедрять при создании госномеров, пока себя не оправдали. К примеру, идея устанавливать в номера специальные чипы не прошла дальше стадии обсуждения. По этой причине сотрудники ГИБДД регулярно проводят рейды и требуют у водителей удалять с табличек снег и грязь. По оценке Ласкина, вопрос грязных знаков окончательно решится только тогда, когда камеры заменят радиовизоры, способные считывать госномера.
В свою очередь, представитель компании «Технологии распознавания» (производитель комплексов «Автоураган») Сергей Кусов уверяет, что камеры могут считывать даже загрязненные знаки, хоть и с определенными ограничениями. Но в качестве доказательной базы собранные при помощи искусственного интеллекта данные использовать не получится. Информация не подойдет для оформления штрафов, поскольку камеры иногда, как мозаику, по кусочкам собирают данные о госномере автомобиля на всем пути его следования. Искусственный интеллект на этом основании делает вывод, какой у автомобиля номер, но четких фотографий, на которых виден момент нарушения, сделать не получается.
В качестве примера эксперт привел ситуацию с комплексами фиксации, которые замеряют среднюю скорость автомобилей на отдельном участке. Так, все работающие камеры по очереди фиксируют номер автомобиля-нарушителя. Если он загрязнен, искусственный интеллект все равно анализирует каждое изображение, сопоставляет их с базами данных, собирает в единую картину и таким образом «понимает», что это за номер. Камера определяет, что конкретный автомобиль нарушил ПДД, а искусственный интеллект «достраивает» для нее информацию о госномере.
Возможно ли распознать номер машины из видео?
Возможно ли распознать номер машины из видео?
Алгоритмы машинного обучения умеют «угадывать», что, вероятно, имелось в виду и, например, повышать разрешение фото, если до этого им «показывали» похожие участки изображений. Но в задаче с номером подход более узкий.
Есть дополнительные данные:
известно, что там номер, какого он формата, из каких возможных символов он состоит, и в наличии не единственный кадр, а много – все кадры видео, куда попал один и тот же номер, под разными углами.
Поэтому, наверное, можно обучить модель на примерах других номеров и в результате предположить какие-то наиболее вероятные варианты искомого номера.
Как и в распознавании лиц, сначала на изображении найти область с номером и нормализовать её, «развернув», чтобы номер точно занимал прямогульник, который будет входом во вторую сеть.