Reconnaissance automatique des plaques d'immatriculation: Libérer le potentiel de la technologie de vision par ordinateur
Par Fouad Sabry
()
À propos de ce livre électronique
Qu'est-ce que la reconnaissance automatique des plaques d'immatriculation
La reconnaissance automatique des plaques d'immatriculation est une technologie qui utilise la reconnaissance optique de caractères sur les images pour lire les plaques d'immatriculation des véhicules afin de créer des données de localisation des véhicules. Il peut utiliser la télévision en circuit fermé existante, des caméras de contrôle du code de la route ou des caméras spécialement conçues pour cette tâche. L'ANPR est utilisé par les forces de police du monde entier à des fins d'application de la loi, notamment pour vérifier si un véhicule est immatriculé ou immatriculé. Il est également utilisé pour la collecte électronique des péages sur les routes payantes et comme méthode de catalogage des mouvements de circulation, par exemple par les agences routières.
Comment vous en bénéficierez
(I) Informations et validations sur les sujets suivants :
Chapitre 1 : Reconnaissance automatique des plaques d'immatriculation
Chapitre 2 : Système de transport intelligent
Chapitre 3 : Caméra de contrôle de la circulation
Chapitre 4 : Péage électronique
Chapitre 5 : Voiture de police
Chapitre 6 : Péage sur route ouverte
Chapitre 7 : SPECS (radar)
Chapitre 8 : Application des limitations de vitesse sur route en Australie
Chapitre 9 : Unité de police routière
Chapitre 10 : Péage vidéo
(II) Répondre aux principales questions du public sur la reconnaissance automatique des plaques d'immatriculation.
(III) Exemples concrets d'utilisation de la reconnaissance automatique des plaques d'immatriculation dans de nombreux domaines.
À qui s'adresse ce livre
Les professionnels, les étudiants du premier cycle et des cycles supérieurs, les passionnés, les amateurs et ceux qui souhaitent aller au-delà des connaissances ou des informations de base pour tout sorte de reconnaissance automatique des plaques d'immatriculation.
En savoir plus sur Fouad Sabry
Vision Par Ordinateur [French]
Lié à Reconnaissance automatique des plaques d'immatriculation
Titres dans cette série (100)
Vision stéréo par ordinateur: Explorer la perception de la profondeur dans la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationPeinture: Combler les lacunes de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationVision par ordinateur: Explorer les profondeurs de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationTransformation Hadamard: Dévoilement de la puissance de la transformation Hadamard en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationVision par ordinateur sous-marine: Explorer les profondeurs de la vision par ordinateur sous les vagues Évaluation : 0 sur 5 étoiles0 évaluationRéduction de bruit: Amélioration de la clarté et techniques avancées de réduction du bruit en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationHachage géométrique: Algorithmes efficaces pour la reconnaissance et la correspondance d'images Évaluation : 0 sur 5 étoiles0 évaluationCartographie des tons: Cartographie des tons : perspectives éclairantes en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationGroupe mixte d'experts en photographie: Libérer la puissance des données visuelles avec la norme JPEG Évaluation : 0 sur 5 étoiles0 évaluationÉgalisation d'histogramme: Amélioration du contraste de l'image pour une perception visuelle améliorée Évaluation : 0 sur 5 étoiles0 évaluationContour actif: Faire progresser la vision par ordinateur grâce aux techniques de contour actif Évaluation : 0 sur 5 étoiles0 évaluationPerception visuelle: Aperçu du traitement visuel informatique Évaluation : 0 sur 5 étoiles0 évaluationDiffusion anisotrope: Améliorer l'analyse d'images grâce à la diffusion anisotrope Évaluation : 0 sur 5 étoiles0 évaluationModèle de couleur: Comprendre le spectre de la vision par ordinateur : explorer les modèles de couleurs Évaluation : 0 sur 5 étoiles0 évaluationTenseur trifocal: Explorer la profondeur, le mouvement et la structure en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationMatrice fondamentale de la vision par ordinateur: S'il vous plaît, suggérez un sous-titre pour un livre intitulé « Matrice fondamentale de la vision par ordinateur » dans le domaine de la « Vision par ordinateur ». Le sous-titre suggéré ne doit pas contenir de ':'. Évaluation : 0 sur 5 étoiles0 évaluationHistogramme d'image: Dévoilement d'informations visuelles, exploration des profondeurs des histogrammes d'images en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationSystème de gestion des couleurs: Optimiser la perception visuelle dans les environnements numériques Évaluation : 0 sur 5 étoiles0 évaluationRétinex: Dévoiler les secrets de la vision informatique avec Retinex Évaluation : 0 sur 5 étoiles0 évaluationHomographie: Homographie : transformations en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationModèle d'apparence de couleur: Comprendre la perception et la représentation en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationTransformation affine: Libérer des perspectives visuelles : explorer la transformation affine en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationBanque de filtres: Aperçu des techniques de banque de filtres de Computer Vision Évaluation : 0 sur 5 étoiles0 évaluationEspace colorimétrique: Explorer le spectre de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationFiltre adaptatif: Améliorer la vision par ordinateur grâce au filtrage adaptatif Évaluation : 0 sur 5 étoiles0 évaluationTransformation de Hough: Dévoiler la magie de la transformation de Hough en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationCorrection gamma: Améliorer la clarté visuelle en vision par ordinateur : la technique de correction gamma Évaluation : 0 sur 5 étoiles0 évaluationCompression d'images: Techniques efficaces pour l'optimisation des données visuelles Évaluation : 0 sur 5 étoiles0 évaluationModèle du système visuel humain: Comprendre la perception et le traitement Évaluation : 0 sur 5 étoiles0 évaluationTransformation du radon: Dévoiler des modèles cachés dans les données visuelles Évaluation : 0 sur 5 étoiles0 évaluation
Livres électroniques liés
Caméra de contrôle de la circulation: Avancées de la vision par ordinateur pour les caméras de contrôle de la circulation Évaluation : 0 sur 5 étoiles0 évaluationReconnaissance des panneaux de signalisation: Libérer la puissance de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationIntégration de l'infrastructure des véhicules: Libérer des informations et des avancées grâce à la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationCompteur de personnes: Libérer des informations grâce à l'analyse visuelle Évaluation : 0 sur 5 étoiles0 évaluationCaméra intelligente: Révolutionner la perception visuelle avec la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationReconnaissance optique de caractères: Libérer la puissance de la vision par ordinateur pour la reconnaissance optique de caractères Évaluation : 0 sur 5 étoiles0 évaluationReconnaissance automatique des cibles: Progrès des techniques de vision par ordinateur pour la reconnaissance de cibles Évaluation : 0 sur 5 étoiles0 évaluationCaméra de lumière rouge: Explorer les applications de vision par ordinateur : la perspective de la caméra aux feux rouges Évaluation : 0 sur 5 étoiles0 évaluationRéseau de capteurs visuels: Explorer la puissance des réseaux de capteurs visuels en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationReconnaissance intelligente des caractères: Faire progresser la perception des machines dans la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationVision industrielle: Aperçu du monde de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationEmpreinte digitale vidéo numérique: Améliorer la sécurité et l'identification des données visuelles Évaluation : 0 sur 5 étoiles0 évaluationVoiture autonome: Explorer la vision par ordinateur dans les véhicules autonomes Évaluation : 0 sur 5 étoiles0 évaluationApprentissage appliqué aux véhicules terrestres: Améliorer les performances des véhicules terrestres grâce à l'apprentissage de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationAppel d'urgence: Dévoilement des cyber-tactiques et de la guerre électronique Évaluation : 0 sur 5 étoiles0 évaluationReconnaissance vocale audiovisuelle: Avancées, applications et informations Évaluation : 0 sur 5 étoiles0 évaluationAnalyse du contenu vidéo: Libérer des informations grâce aux données visuelles Évaluation : 0 sur 5 étoiles0 évaluationReconnaissance optique du braille: Renforcer l'accessibilité grâce à l'intelligence visuelle Évaluation : 0 sur 5 étoiles0 évaluationInformatique physique: Explorer la vision par ordinateur dans l'informatique physique Évaluation : 0 sur 5 étoiles0 évaluationVoir la synthèse: Explorer les perspectives de la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationRobot d'inspection automatisé à rayons X: Améliorer le contrôle qualité grâce à la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationReconnaissance de l'iris: Perspectives éclairantes sur la reconnaissance de l'iris en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationRendu volumique: Explorer le réalisme visuel dans la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationCartographie mobile: Libérer l’intelligence spatiale avec la vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationVision Industrielle: Permettre aux ordinateurs de dériver des informations significatives à partir d'images numériques, de vidéos et d'entrées visuelles Évaluation : 0 sur 5 étoiles0 évaluationSystème de gestion des couleurs: Optimiser la perception visuelle dans les environnements numériques Évaluation : 0 sur 5 étoiles0 évaluationIllumination globale: Faire progresser la vision : aperçus de l’éclairage mondial Évaluation : 0 sur 5 étoiles0 évaluationGuide de cybersécurité: pour les prestataires informatiques Évaluation : 5 sur 5 étoiles5/5Rendu de ligne de balayage: Explorer le réalisme visuel grâce aux techniques de rendu Scanline Évaluation : 0 sur 5 étoiles0 évaluationMaîtriser le Développement d'Applications Mobiles : De Swift à Kotlin, une Approche Complète Évaluation : 0 sur 5 étoiles0 évaluation
Intelligence (IA) et sémantique pour vous
Le guide du hacker : le guide simplifié du débutant pour apprendre les bases du hacking avec Kali Linux Évaluation : 5 sur 5 étoiles5/5Maîtriser ChatGPT : Libérez la puissance de l'IA pour améliorer la communication et les relations: French Évaluation : 0 sur 5 étoiles0 évaluationTravailler dans le Big Data - les 6 métiers vers lesquels s'orienter Évaluation : 5 sur 5 étoiles5/5Maîtrisez ChatGPT : Du débutant à l'expert - Guide pratique pour exploiter la puissance de l'IA conversationnelle Évaluation : 0 sur 5 étoiles0 évaluationIntelligence artificielle: la quatrième révolution industrielle Évaluation : 0 sur 5 étoiles0 évaluationL'art de la création d'images avec l'IA : Techniques, applications et défis éthiques Évaluation : 0 sur 5 étoiles0 évaluationMonétisation ChatGPT : Exploitez la Puissance de l'IA: ChatGPT Évaluation : 0 sur 5 étoiles0 évaluationChat GPT : Comment ça fonctionne et comment gagner avec l'utilisation de la technologie d'Intelligence Artificielle Évaluation : 0 sur 5 étoiles0 évaluationComment Réussir sur Facebook en utilisant ChatGPT: Le pouvoir de ChatGPT : découvrez comment il peut transformer votre stratégie sur Facebook Évaluation : 0 sur 5 étoiles0 évaluationIA dans les Affaires: Guide Pratique de l'Utilisation de l'Intelligence Artificielle dans Divers Secteurs Évaluation : 0 sur 5 étoiles0 évaluationGuide définitive pour créer des TikToks avec ChatGPT: Devenez le prochain influenceur sur TikTok avec l'aide de ChatGPT ! Évaluation : 0 sur 5 étoiles0 évaluationHistoire et évolution de l'Intelligence Artificielle Évaluation : 5 sur 5 étoiles5/5Limites, dangers et menaces de l'Intelligence Artificielle: Un outil sans maîtrises Évaluation : 0 sur 5 étoiles0 évaluationLa spiritualité et l'intelligence artificielle Évaluation : 0 sur 5 étoiles0 évaluationModélisation géométrique: Explorer la modélisation géométrique en vision par ordinateur Évaluation : 0 sur 5 étoiles0 évaluationComment écrire des livres en utilisant ChatGPT: Votre guide ultime pour écrire des livres avec ChatGPT Évaluation : 0 sur 5 étoiles0 évaluationMaîtrisez ChatGPT en 24 Heures: Apprenez à Utiliser ChatGPT en Seulement 24 Heures et Appliquez ses Avantages dans Tous les Aspects de Votre Vie Évaluation : 0 sur 5 étoiles0 évaluationComment réussir sur Instagram en utilisant ChatGPT: Le guide ultime pour créer du contenu percutant avec ChatGPT Évaluation : 0 sur 5 étoiles0 évaluationL'intelligence mixte, vers une nouvelle forme d'intelligence Évaluation : 0 sur 5 étoiles0 évaluationChirurgie Robotique Et Ia Évaluation : 0 sur 5 étoiles0 évaluationCopywriting - livre à main Évaluation : 0 sur 5 étoiles0 évaluationDessin technique: Libérer la perception visuelle dans le dessin technique Évaluation : 0 sur 5 étoiles0 évaluationCybersécurité Évaluation : 0 sur 5 étoiles0 évaluationL’Empathie au Cœur de l’Intelligence Artificielle, Comment insérer de l’empathie dans les affaires et l’intelligence artificielle Évaluation : 0 sur 5 étoiles0 évaluation
Avis sur Reconnaissance automatique des plaques d'immatriculation
0 notation0 avis
Aperçu du livre
Reconnaissance automatique des plaques d'immatriculation - Fouad Sabry
Chapitre 1 : Reconnaissance automatique des plaques d'immatriculation
Le processus de lecture des plaques d'immatriculation des voitures à l'aide de photographies utilisant la reconnaissance optique de caractères pour fournir des données de position du véhicule est connu sous le nom de reconnaissance automatique des plaques d'immatriculation (ANPR ; voir également divers noms ci-dessous). Il peut utiliser des caméras de vidéosurveillance préexistantes, des caméras d'application du code de la route ou des caméras spécialement conçues. Les services de police du monde entier utilisent l'ANPR pour effectuer des inspections légales, telles que la vérification de l'immatriculation et de l'assurance d'un véhicule. Les services routiers, par exemple, l'utilisent pour suivre les schémas de circulation et percevoir des péages électroniques sur les itinéraires payants.
Les images acquises par les caméras et le texte sur la plaque d'immatriculation peuvent être enregistrés à l'aide de la reconnaissance automatique des plaques d'immatriculation, et certains systèmes peuvent même être configurés pour enregistrer un instantané du conducteur. La caméra peut capturer une image à toute heure du jour ou de la nuit car l'éclairage infrarouge est utilisé dans la plupart des systèmes. Le système ANPR doit s'adapter aux différences régionales dans la conception des plaques d'immatriculation.
Les erreurs d'identification, les taux d'erreur élevés et les dépenses gouvernementales accrues ne sont que quelques-unes des préoccupations en matière de protection de la vie privée soulevées par ANPR. Certains ont affirmé qu'il s'agissait d'un programme de surveillance massif.
Noms alternatifs pour les lecteurs de plaques d'immatriculation :
Reconnaissance mécanique des véhicules par leurs plaques d'immatriculation (RAPI)
Lecteur de plaques d'immatriculation motorisé ou informatisé (RAPI)
Identification automatique des voitures (AVI)
Placement automatique des numéros (ANPG)
Lecteurs de plaques d'immatriculation (CPR)
Technologie de lecture de plaques (LPR)
Système de lecture automatique des plaques d'immatriculation (LAPI)
Lecteur de plaque d'immatriculation sur roues (MLPR)
Systèmes de lecture automatique des plaques d'immatriculation (VLPR)
Lecteur automatique de plaques d'immatriculation (VRI)
En 1976, la Police Scientific Development Branch en Grande-Bretagne a développé la technologie qui allait devenir l'ANPR.
Le logiciel du système est compatible avec le matériel PC de bureau courant et peut être intégré à des programmes tiers et à des magasins de données. La reconnaissance optique de caractères (OCR) est utilisée pour extraire les caractères alphanumériques de la plaque d'immatriculation après qu'une série de méthodes de traitement d'image ont été utilisées pour identifier, normaliser et améliorer l'image de la plaque d'immatriculation. Il existe deux méthodes principales pour déployer des systèmes ANPR : la première permet d'effectuer l'ensemble du processus à l'emplacement de la voie en temps réel, tandis que la seconde consiste à transmettre des images de plusieurs voies à un ordinateur distant, qui effectue ensuite le processus OCR à un moment ultérieur. Il faut environ 250 ms pour enregistrer les caractères alphanumériques d'une plaque d'immatriculation, l'heure et la date, le numéro de voie et toute autre donnée nécessaire à l'emplacement de la voie. Ces données peuvent être conservées localement sur la voie, transférées à un ordinateur distant pour traitement, ou les deux. La deuxième configuration, une ferme de serveurs, est utilisée pour gérer des tâches intensives comme celles impliquées dans le système de péage urbain de Londres. Un support de transmission plus gourmand en bande passante peut être nécessaire dans de tels systèmes en raison de la nécessité fréquente de télécharger des photos sur un serveur distant.
Les images de la caméra sont traitées à l'aide d'un logiciel de reconnaissance optique de caractères (OCR) pour une utilisation dans l'ANPR. De petites lacunes ont été incluses dans certaines lettres (telles que P et R) lorsque les Néerlandais sont passés à une nouvelle forme de plaques d'immatriculation en 2002, les rendant plus uniques et, par conséquent, plus lisibles pour ces systèmes. Pour être véritablement efficaces, les systèmes ANPR doivent être capables de gérer le fait que certaines dispositions de plaques d'immatriculation utilisent des tailles et des emplacements de texte différents. Même si de nombreux programmes sont adaptés pays par pays, les systèmes plus complexes sont mieux à même de gérer les versions mondiales.
Des unités mobiles, souvent montées sur des voitures, peuvent également être utilisées, ainsi que des caméras fixes déjà en place pour l'application du code de la route ou la télévision en circuit fermé. Pour mieux voir les plaques, certaines configurations utilisent des caméras infrarouges.
Les progrès technologiques des années 1990 ont transformé les systèmes de reconnaissance automatisée des plaques d'immatriculation (ANPR) de encombrants, coûteux et stationnaires en appareils portables de type « pointer et tirer ». Le développement de logiciels pouvant fonctionner sur des ordinateurs personnels standard a supprimé la nécessité d'une connaissance précise des angles, des directions, des tailles et des vitesses auxquels les plaques traverseraient le champ de vision de la caméra. Des pièces plus compactes et plus abordables ont entraîné une augmentation de l'adoption par les services de police du monde entier. Les agents peuvent désormais patrouiller tous les jours avec l'avantage de la lecture des plaques d'immatriculation en temps réel, lorsqu'ils peuvent intercepter rapidement grâce à la miniaturisation des caméras et des ordinateurs qui rendent cela possible.
Aussi utiles soient-ils, les ANPR mobiles ne sont pas sans inconvénients importants. En cas d'approche du trafic, l'un des principaux défis est de s'assurer que l'ordinateur et les caméras peuvent suivre des vitesses relatives de plus de 100 mph (160 km/h). Comme l'équipement fonctionnera à partir de l'alimentation électrique du véhicule, il doit être particulièrement peu encombrant.
La capacité de la caméra à lire une plaque d'immatriculation est influencée par un certain nombre de facteurs, dont l'un est la vitesse relative du véhicule. L'heure de la journée, la météo et les angles de caméra peuvent tous avoir un impact sur la capacité d'un ANPR à générer un balayage précis, c'est pourquoi les algorithmes doivent être en mesure de prendre en compte ces facteurs. Dans ces circonstances, la résolution et la précision d'une lecture peuvent également être directement affectées par les longueurs d'onde de la lumière utilisées dans le système.
Lorsque vous décidez où installer une caméra ANPR sur un véhicule de police, il est important de prendre en compte sa proximité avec les plaques d'immatriculation qu'elle va scanner. Compte tenu de la grande variété de missions et de conditions, il peut être difficile de déterminer combien de caméras utiliser et où les placer pour des résultats optimaux. Les caméras de lecture de plaques d'immatriculation orientées vers l'avant, à plusieurs voies, sont essentielles pour les patrouilles routières. Des caméras à plus courte portée et à plus petite distance de mise au point sont nécessaires pour que la police municipale puisse capturer les plaques sur les voitures garées. Les parkings avec des rangées de véhicules alignés perpendiculairement les uns aux autres ont besoin de caméras avec des distances de mise au point très faibles. Les systèmes les plus avancés sont malléables, ce qui permet d'installer de une à quatre caméras interchangeables. Étant donné qu'une caméra orientée vers l'avant est rendue inutile en présence de véhicules en approche, les États qui n'ont besoin que de plaques d'immatriculation arrière ont une difficulté supplémentaire. Dans un tel scénario, une caméra peut être inversée.
Le programme a besoin de sept algorithmes de base pour détecter une plaque d'immatriculation :
Trouver et séparer la plaque dans l'image (localisation de la plaque)
Orientation et dimensionnement de la plaque - corrige l'inclinaison de la plaque et modifie les mesures pour répondre aux spécifications
La luminosité et le contraste de l'image sont normalisés pendant le processus de normalisation.
La séparation des caractères sur les plaques s'appelle la « segmentation des caractères ».
Reconnaissance optique de caractères
Analyse des caractères et de leur placement par rapport aux normes grammaticales régionales
Valeur de reconnaissance moyenne sur de nombreux champs/images pour augmenter la confiance dans le résultat final, car chaque image particulière peut souffrir de flou en raison de reflets lumineux, d'un obscurcissement partiel ou d'autres facteurs.
La précision du système est fonction de la difficulté de ces différentes parties du code. Certains systèmes utilisent des méthodes de détection des bords au cours de la troisième phase (normalisation) pour améliorer le contraste visuel entre les lettres et le fond de la plaque. Pour minimiser davantage les éléments visuels gênants, un filtre médian peut être utilisé.
Le programme doit être suffisamment résilient pour gérer une variété de problèmes. Parmi eux, on peut citer :
La distance entre la plaque et l'appareil photo, ou un appareil photo de mauvaise qualité, contribuent tous deux à une faible résolution du fichier.
les photos floues, en particulier celles avec un flou de mouvement
La surexposition, la réflexion ou les ombres provoquent un faible éclairage et un mauvais contraste.
Une barre de remorquage ou un autre obstacle, ou de la saleté sur la plaque, peut rendre la lecture difficile.
Les plaques d'immatriculation des remorques tractées, des camping-cars et d'autres véhicules ont parfois des plaques avant et arrière séparées, il est donc important de lire les deux.
Lecture de