Распознавание автомобильных номеров: как работает ANPR и где применяется

Что такое ANPR

ANPR (Automatic Number Plate Recognition) — распознавание государственных регистрационных знаков по видеопотоку. Система получает кадр с камеры, находит на нём номерной знак, читает символы и передаёт результат дальше: в СКУД, в систему весового контроля, в учётную систему предприятия.

Для бизнеса ANPR — это способ убрать человека из цикла «подъехал — представился — записали — пустили». Проходная перестаёт быть узким местом, а журнал проездов ведётся сам.

Как устроено распознавание

Внутри — конвейер из нескольких моделей, и ошибка на любом этапе портит результат.

1. Детекция транспорта. Модель находит в кадре автомобиль и отслеживает его между кадрами, чтобы не считать один и тот же проезд дважды.
2. Локализация знака. Находится прямоугольник номерного знака. Здесь чаще всего теряется точность: знак может быть под углом, грязный, частично перекрытый фаркопом.
3. Нормализация. Найденный знак выравнивается — компенсируются перспектива и наклон.
4. Чтение символов. Распознавание последовательности символов с учётом формата российских знаков: буквы только из «разрешённых» кириллических, совпадающих по начертанию с латиницей.
5. Постобработка. Проверка по маске формата, склейка результатов с нескольких кадров одного проезда, отсечение неуверенных распознаваний.

Классические этапы обработки изображения — фильтрация, выделение контуров, геометрические преобразования — реализованы в библиотеке OpenCV, которая остаётся стандартом де-факто в промышленном компьютерном зрении. Детекция объектов сегодня чаще строится на однопроходных нейросетевых архитектурах семейства YOLO — их документация хорошо описывает компромисс между скоростью и точностью, критичный для потоковой обработки.

Что реально влияет на точность

Точность 99% на демо и 99% на объекте — разные вещи. По нашему опыту решают четыре фактора:

• Ракурс и высота установки камеры. Знак должен попадать в кадр близко к фронтальному ракурсу. Неудачно поставленная камера отнимает больше точности, чем любая замена модели.
• Освещение. Ночь, контровой свет, блики от фар. Решается ИК-подсветкой и камерой с подходящей выдержкой, а не постобработкой.
• Скорость проезда. Смаз на длинной выдержке читается плохо. На проходной это не проблема, на трассе — ключевой параметр.
• Дообучение на ваших данных. Модель, видевшая ваши ракурсы, грязь и погоду, работает заметно лучше универсальной.

Где применяется

• КПП предприятия. Автоматическое открытие шлагбаума по белому списку, журнал проездов, фиксация нарушений.
• Весовой контроль. Связка «номер — вес — накладная» без ручного ввода.
• Логистические комплексы. Учёт времени нахождения машины на территории, контроль простоев.
• Парковки и жилые комплексы. Доступ без карт и брелоков.

В нашем кейсе автоматизации КПП система распознаёт номер, сверяет с базой и открывает шлагбаум менее чем за секунду: точность распознавания — 99%, время проезда сократилось на 70%, ручной ввод данных исключён полностью.

Интеграция: где заканчивается зрение и начинается автоматизация

Само по себе распознавание бесполезно, пока результат никуда не уходит. Обычно система связывается с тремя вещами:

• СКУД — команда на открытие шлагбаума и запись события;
• учётной системой (чаще всего 1С) — сопоставление проезда с заявкой, накладной, пропуском;
• отчётностью — журнал проездов, выгрузка за период, уведомления о попытках въезда вне списка.

Эту часть мы закрываем в рамках автоматизации бизнес-процессов: без неё ANPR остаётся красивым демо.

Что почитать дальше

• Общий обзор технологии — «Компьютерное зрение: как AI анализирует видео и повышает безопасность бизнеса».
• Другая задача той же камеры — «Видеоаналитика в охране труда».
• Услуга целиком — «Машинное зрение».