Настройка распознавания автономеров в Xeoma

Выбор алгоритма распознавания

При выборе алгоритма распознавания номерных знаков важно учитывать требования к точности и скорости работы системы. Базовый алгоритм, входящий в редакцию Xeoma Pro, обеспечивает точность распознавания около 92% и работает со скоростью до 150 км/ч. Это делает его подходящим вариантом для систем, где не требуется максимально высокая точность.

Улучшенный алгоритм предлагает более высокий уровень точности — до 97%. Однако его использование требует приобретения отдельной лицензии на каждую камеру, что следует учитывать при планировании бюджета проекта. Этот вариант подойдёт для систем, где важна повышенная точность распознавания, но не требуется максимальная производительность.

Алгоритм «Зрение» является флагманской разработкой и обеспечивает высочайшую точность — 99%. Он способен работать со скоростью до 270 км/ч и дополнительно определяет спецтранспорт. Этот алгоритм рекомендуется использовать в проектах, где критически важны максимальная точность и скорость распознавания, а также необходимость идентификации спецтранспорта.

Настройка параметров модуля

Настройка параметров модуля распознавания позволяет адаптировать систему под конкретные задачи и условия эксплуатации. Одной из важных настроек является время пост-записи после того, как номерной знак исчезает из кадра. Корректная настройка этого параметра помогает сохранить достаточно информации для последующего анализа и минимизирует риск потери данных.

Также можно выбрать условия срабатывания модуля, например, настроить его на реакцию при появлении знакомых или незнакомых номеров. Это позволяет гибко настраивать систему для решения различных задач — от контроля доступа на охраняемую территорию до выявления транспортных средств, находящихся в розыске.

Ещё одной полезной функцией является предварительное обнаружение автомобиля перед распознаванием номеров. Эта настройка помогает снизить количество ложных срабатываний, что особенно актуально в условиях сложного фона или при высокой плотности транспортного потока. Таким образом, система становится более надёжной и эффективной.

Разметка зоны детектирования

Разметка зоны детектирования — важный этап настройки системы распознавания номерных знаков. Необходимо отметить на кадре те области, в которых система должна искать и распознавать номера. Это позволяет сфокусировать ресурсы системы на ключевых зонах и повысить эффективность работы.

Для повышения точности распознавания рекомендуется исключать из зон детектирования те области, где появление номерных знаков невозможно. Например, это могут быть зоны, закрытые препятствиями или те, где по условиям расположения объектов номера точно не появятся. Это снижает количество ложных срабатываний и улучшает общую производительность системы.

Система также предоставляет опцию анализа изображения только при обнаружении движения в отмеченных зонах. Это особенно полезно в условиях высокой динамичности сцены, когда необходимо сократить нагрузку на систему и сосредоточить её ресурсы на потенциально интересных событиях.

Работа с белыми и чёрными списками

Система позволяет вести учёт номерных знаков с помощью белых и чёрных списков. Номера вносятся с использованием латиницы, при этом можно добавлять комментарии для каждого знака. Это упрощает управление доступом и контроль за перемещением транспортных средств.

Номера можно хранить в текстовом файле, который затем синхронизируется с программой. Такой подход облегчает обновление списков и позволяет централизованно управлять данными о номерных знаках. Это особенно удобно при работе с большим количеством номеров и необходимостью их регулярного обновления.

Кроме того, система поддерживает интеграцию с внешними базами данных через URL. Это даёт возможность автоматически обновлять списки номеров из внешних источников, что повышает гибкость системы и позволяет оперативно реагировать на изменения в базе данных номерных знаков.

Сохранение данных и тестирование

Для анализа работы модуля важно сохранять данные о его сработках. Это можно делать с помощью CSV-отчётов, которые предоставляют структурированный формат хранения информации. CSV-отчёты удобны для последующего анализа и обработки данных с помощью различных инструментов.

Точность распознавания модуля можно улучшить, если использовать оригинальное разрешение изображения. При изменении разрешения могут потеряться важные детали, которые необходимы для корректной работы алгоритма. Поэтому рекомендуется работать с изображениями в их исходном качестве.

После завершения настройки модуля необходимо провести тестирование на реальных примерах. Это позволит проверить, насколько хорошо модуль справляется с задачами в условиях, приближённых к реальным, и выявить возможные проблемы, которые не были заметны на этапе настройки.

Практика

Чек-лист по материалу

• Выбрать алгоритм распознавания.
• Настроить параметры модуля (пост-запись, условия срабатывания и т. д.).
• Разметить зону детектирования.
• Настроить белые и чёрные списки номеров.
• Настроить интеграцию с внешними базами данных (при необходимости).
• Сохранить настройки и протестировать модуль.

Справка

Термины из видео

Алгоритм распознавания

Программа или набор правил, которые позволяют системе идентифицировать номерные знаки на изображениях.

Белый список

Список номеров, которым разрешён доступ или которые система должна пропускать.

Чёрный список

Список номеров, которым запрещён доступ или которые система должна блокировать.

CSV-отчёт

Файл с данными, где каждая строка представляет запись, а столбцы разделены запятыми, используется для хранения информации о сработках модуля.