الکتروهایو

هوش مصنوعی / الکترونیک / برنامه‌نویسی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

تشخیص خودکار شماره پلاک یا سیستم ANPR

تشخیص خودکار شماره پلاک یا سیستم ANPR - سایت الکتروهایو
در این مقاله می‌خوانید:

زمان تخمینی مطالعه: 12 دقیقه

فن آوری تشخیص خودکار شماره پلاک یا ANPR در سال‌های اخیر به دلیل طیف گسترده‌ای از مزایای آن برای کاربردهای مختلف محبوبیت زیادی پیدا کرده است. مدیریت ترافیک، پارکینگ هوشمند، اتوماسیون عوارض، سیستم‌های حمل و نقل هوشمند در شهرهای هوشمند و تجزیه و تحلیل زمان سفر تنها تعدادی از مزایایی است که ANPR ارائه می‌دهد.

تشخیص خودکار شماره پلاک یا ANPR چیست؟

تشخیص خودکار شماره پلاک یک فناوری است که از تشخیص کاراکتر نوری بر روی تصاویر پلاک خودرو برای خواندن شماره ثبت خودرو استفاده می‌کند. یک سیستم تشخیص خودکار پلاک خودرو، تکنیک‌های مختلف پردازش تصویر را برای شناسایی سریع و خودکار وسایل نقلیه در تصاویر یا ویدیوهای بلادرنگ یک یا چند دوربین اعمال می‌کند.

سیستم ANPR برای شناسایی خودکار پلاک خودرو

سیستم تشخیص خودکار پلاک خودرو

سیستم تشخیص خودکار پلاک خودرو می‌تواند برای اهداف مختلفی مانند ردیابی حرکت وسایل نقلیه، شناسایی خودروهای خاص، اجرای سیستم خودکار پارکینگ و غیره استفاده شود. استفاده از سیستم‌های ANPR با پیشرفت سریع فناوری با ظهور یادگیری ماشینی و یادگیری عمیق، کاهش هزینه‌های محاسباتی و افزایش دقت تکنیک‌های پردازش تصویر کاربردی، محبوب‌تر می‌شود.

کاربرد از ANPR که خواندن پلاک را با تجزیه و تحلیل خودرو ترکیب می‌کند

انواع سیستم‌های ANPR

دو نوع اصلی از سیستم‌های ANPR وجود دارد:

  • سیستم‌های ثابت: سیستم‌های ANPR ثابت سیستم‌هایی هستند که در یک مکان و نقطه زمانی خاص نصب می‌شوند. به عنوان مثال، این سیستم‌ها ممکن است در باجه‌های عوارض، گذرگاه‌های مرزی یا سایر مکان‌های استراتژیک نصب شوند.
  • سیستم‌های سیار: سیستم‌های ANPR سیار سیستم‌هایی هستند که توسط یک وسیله نقلیه حمل می‌شوند و می‌توان از آنها برای اسکن پلاک سایر وسایل نقلیه استفاده کرد. به عنوان مثال، این سیستم‌ها ممکن است توسط اتومبیل‌های پلیس برای ردیابی وسایل نقلیه تحت تعقیب استفاده شوند.
سیستم ANPR سیار.

سیستم ANPR چگونه کار می‌کند؟

سیستم‌های تشخیص خودکار شماره پلاک (ANPR) از تشخیص کاراکتر نوری (OCR) در ترکیب با سایر تکنیک‌های پردازش تصویر برای خواندن پلاک‌های ثبت خودرو استفاده می‌کنند. ANPR یکی از دقیق‌ترین و پرکاربردترین سیستم‌های بینایی رایانه‌ای است و روش‌های کاربردی به‌طور مداوم برای افزایش عملکرد، دقت، کارایی هزینه، استحکام و مقیاس‌پذیری نرم‌افزارهای تشخیص خودکار پلاک خودرو در حال تغییر هستند.

تکنیک‌های ANPR

چند تکنیک مختلف وجود دارد که به طور رایج در ANPR استفاده می‌شود، که در حالت کلی به عنوان بخشی از خط لوله بینایی کامپیوتر استفاده می‌شود. فرآیند این کار شامل مراحل مورد نیاز برای تبدیل ورودی تصویر یا ویدیو به اطلاعات کامل معنادار است. در ادامه مهمترین اجزا ساختار ANPR ذکر شده است:

  • تشخیص اشیاء در زمان واقعی: تشخیص اشیاء از یادگیری عمیق برای تشخیص وسایل نقلیه و کلاس‌های مختلف وسایل نقلیه (اتوبوس، کامیون، ماشین، ون، موتور سیکلت و غیره) در تصاویر و استریم ویدیویی استفاده می‌کند. الگوریتم‌های پیشرفته تشخیص اشیاء مانند YOLOv3 یا YOLOv7 از شبکه‌های عصبی آموزش داده شده بر روی مجموعه داده‌ای از تصاویر استفاده می‌کنند.
  • پردازش تصویر: پردازش تصویر شامل روش‌های بینایی رایانه‌ای سنتی است که برای عادی‌سازی و آماده‌سازی تصاویر برای پردازش توسط الگوریتم OCR استفاده می‌شود. از آنجایی که برنامه‌های ANPR معمولاً در محیط‌های چالش‌ برانگیز دنیای واقعی با نور، انسداد، آب و هوا و تنظیمات متناقض استفاده می‌شوند، از توابع پردازش تصویر برای وضوح، تصحیح رنگ یا برش تصاویر برای بهبود قابل توجه نتایج و خروجی الگوریتم‌های بعدی استفاده می‌شود. به عنوان مثال OpenCV یکی از پرکاربردترین کتابخانه‌ها برای کارهای پردازش تصویر در سیستم‌های ANPR است.
  • تشخیص نوری کاراکتر (OCR): این روش یک تکنیک بینایی کامپیوتری مهم برای تشخیص و خواندن متن موجود در تصاویر است. این تکنولوژی به سیستم ANPR اجازه می‌دهد تا پلاک‌ها را شناسایی کند. تکنیک‌های پردازش تصویر مانند الگوریتم‌های Tesseract OCR یا MaskOCR برای شناسایی کاراکترها، تأیید توالی آن کاراکترها و تبدیل تصویر پلاک شماره به متن استفاده می‌شوند.
  • تطبیق الگو: تطبیق الگو تکنیکی برای مقایسه تصویر یک پلاک با کتابخانه‌ای از تصاویر پلاک‌ها برای یافتن یک تطابق است. تطبیق الگو تکنیکی برای یافتن یک الگوی خاص در یک رشته متنی است. در مورد ANPR، مجموعه کاراکترها پلاک خودرو هستند.

فرآیند ANPR

سیستم‌های ANPR معمولی شامل یک واحد ضبط تصویر دیجیتال (دوربین)، یک واحد پردازش و الگوریتم‌های مختلف برای تجزیه و تحلیل ویدیویی است.

  • ورودی ویدیو و دریافت تصویر: اولاً، دوربین ANPR تصاویر یا ویدیوهایی را می‌گیرد که حاوی یک یا چند پلاک (جریان یا عکس) هستند. اغلب، از نور مادون قرمز استفاده می‌شود تا دوربین‌ها بتوانند پلاک‌های خودرو را در شب ثبت کنند و کار کردن ANPR را در تمام ساعات روز ممکن می‌سازد.
  • تشخیص و برش پلاک: در تصویر، پلاک خودرو با استفاده از روش‌های یادگیری ماشینی و بینایی کامپیوتری تشخیص داده شده است. روش‌های مختلفی وجود دارد که از نظر منابع محاسباتی مورد نیاز، پیچیدگی، سرعت و دقت تفاوت‌های چشمگیری دارند. یک روش متداول شامل ابتدا شناسایی وسایل نقلیه با استفاده از تشخیص اشیاء و سپس بومی‌سازی شماره پلاک در آن جعبه‌های مرزی است. این روش معمولاً با یافتن مناطق تضاد بین پس‌زمینه و شماره پلاک به دست می‌آید. هنگامی که شماره پلاک شناسایی شد، برش داده می‌شود و نرمال سازی می‌شود (تیز، اعوجاج اصلاح و تصویر تقویت می‌شود).
  • استخراج و خواندن پلاک: در مرحله بعد، نرم افزار OCR در ناحیه پلاک شناسایی شده اعمال می‌شود تا شماره پلاک را در قالب متن بازگرداند. نرم افزار OCR را می‌توان برای مجموعه کاراکترهای مختلف بهینه کرد و استفاده از یک سیستم ANPR را در کشورهای مختلف ممکن می‌سازد. خروجی یک سیستم ANPR معمولاً شماره پلاک خودرو است که اغلب با شناسه منطقه یا کشور همراه است.
  • استفاده از اطلاعات پلاک: در نهایت، پس از تبدیل به قالب متن ساده، شماره پلاک خودرو در یک پایگاه داده برای ادغام با سایر سیستم‌های IT ذخیره می‌شود. همچنین می‌توان از آن برای مقایسه پلاک خودرو با پایگاه داده پلاک‌های ثبت شده یا پایگاه‌های داده لیست سفید و یا لیست سیاه استفاده کرد. اگر پلاک مورد جستجو در پایگاه داده یافت شود، نرم افزار اطلاعات ذخیره شده در مورد وسیله نقلیه، به عنوان مثال، نام و آدرس مالک ثبت شده را برمی‌گرداند.

مزایای تشخیص خودکار شماره پلاک

سیستم ANPR مزایای متعددی را ارائه می‌دهد که اساس برنامه‌های کاربردی در دنیای واقعی هستند. بیشتر مزایای ANPR با خودکار کردن وظایف دستی، مدیریت فضای بسیار کارآمد، حاکمیت و افزایش تجربه مشتری است.

  • اتوماسیون: تشخیص خودکار پلاک‌ها امکان هشدار و کنترل خودکار امکانات را فراهم می‌کند. از این رو، ANPR یک فناوری کلیدی برای شهرهای هوشمند یا ایستگاه‌های عوارض است.
  • دقت: سیستم‌های ANPR می‌توانند به دقت بسیار بالایی دست یابند و می‌توانند به سرعت و به راحتی وسایل نقلیه را با پلاک‌شان شناسایی کنند.
  • تجزیه و تحلیل: داده‌های تولید شده را می‌توان برای تجزیه و تحلیل جریان ترافیک استفاده کرد. این امر به ویژه برای سیستم‌های حمل و نقل هوشمند (ITS)، که در آن از فناوری‌های پردازش داده برای بهبود تحرک افراد و کالاها، مدیریت تقاضا، افزایش ایمنی، کاهش تراکم ترافیک و مدیریت موثر حوادث استفاده می‌شود، مهم است.
  • شناسایی: تشخیص سریع پلاک خودرو مبنایی برای شناسایی سریع و پیوسته خودرو است. از این شناسه می‌توان برای دسترسی وسایل نقلیه یا یافتن و ردیابی وسایل نقلیه خاص استفاده کرد.
  • مقرون به صرفه: تشخیص دقیق و سریع شماره پلاک به ورودی انسان متکی نیست. تعداد زیادی از پلاک‌ها را می‌توان خیلی سریع تجزیه و تحلیل کرد، که آن را به روشی بسیار کارآمد برای شناسایی وسایل نقلیه تبدیل می‌کند. از این رو کاری مقرون به صرفه بوده و زمان انتظار را کاهش می‌دهد.
  • ردپای کم: نصب و راه اندازی سیستم تشخیص پلاک خودکار نسبتاً مقرون به صرفه است. طیف گسترده‌ای از دوربین‌ها برای استفاده در سیستم ANPR مناسب است.
  • مقیاس پذیری: استفاده از فناوری‌های نوظهور مانند IoT (یا AIoT) و یادگیری ماشینی در لبه (Edge AI) امکان توسعه سیستم‌های توزیع شده را فراهم می‌کند. محاسبات لبه پیاده‌سازی قابلیت‌های آفلاین، تجزیه و تحلیل ویدیویی هوش مصنوعی خصوصی و مقرون به صرفه مورد نیاز برای ANPR را ممکن می‌سازد.
  • راحتی: ANPR معمولاً با سایر سیستم‌های فناوری اطلاعات ادغام می‌شود و در یک اکوسیستم عمل می‌کند تا تجربه‌ای یکپارچه و بدون دردسر را برای کاربران نهایی فراهم کند. از این رو، این فناوری برای افزایش تجربه مشتری و ارائه خدمات و محصولات جدید، مانند پرداخت خودکار پارکینگ، استفاده می‌شود.
  • تطبیق پذیری: شناسایی خودکار پلاک خودرو را می‌توان برای کاربردهای مختلفی از مدیریت پارکینگ گرفته تا امنیت، اجرای ترافیک، بهینه‌سازی لجستیک در تولید و غیره استفاده کرد.
  • امنیت: راه حل‌های ANPR برای برنامه‌های مختلف امنیتی و نظارتی بینایی کامپیوتر از اهمیت بالایی برخوردار هستند. چنین سیستم‌هایی با ارائه روشی برای شناسایی و ردیابی چندین وسیله نقلیه به صورت مستقل به بهبود امنیت کمک می‌کنند.
  • مزایای زیست محیطی: استفاده از سیستم ANPR می‌تواند با جلوگیری از رانندگی غیرضروری به کاهش تراکم ترافیک و کاهش آلودگی کمک کند. کاهش زمان انتظار یا زمان جستجوی مکان‌های پارکینگ در شهرها به کاهش آلودگی محیط زیست کمک می‌کند.

موارد استفاده رایج از ANPR

تشخیص خودکار شماره پلاک برای طیف وسیعی از کاربردها ضروری است، جایی که تشخیص، شناسایی یا بومی‌سازی وسایل نقلیه مهم است. در ادامه به چند کاربرد رایج از این فناوری اشاره شده است:

  • اجرای قانون: نیروهای پلیس از ANPR برای اهداف اجرای قانون، برای بررسی اینکه آیا یک وسیله نقلیه ثبت شده است یا برای شناسایی وسایل نقلیه مربوط به تخلفات رانندگی استفاده می‌کنند. توانایی تشخیص و شناسایی پلاک‌ها به صورت بلادرنگ به مقامات این امکان را می‌دهد تا وسایل نقلیه را شناسایی کرده و مکان آنها را ردیابی کنند.
  • مدیریت پارک هوشمند: مدیریت پارکینگ خودرو به یک راه حل یکپارچه برای شناسایی وسایل نقلیه فردی نیاز دارد. از این رو، تشخیص خودکار شماره پلاک کلید مدیریت کارآمد پارک خودرو است. ANPR به گاراژهای پارکینگ اجازه می‌دهد تا مدیریت پارکینگ خودکار داشته باشند زیرا هر خودرو با شماره پلاک آن محاسبه می‌شود. چنین سیستم‌های پارک هوشمندی ردیابی هر وسیله نقلیه در تأسیسات را حفظ می‌کنند و از حاکمیت کامل اطمینان می‌دهند. در نتیجه، کاربران گاراژ پارکینگ می‌توانند از استرس مدیریت بلیط‌های خود و ردیابی زمان صرف شده خودداری کنند و خطر جریمه‌هایی را برای پرداخت‌های نادرست بلیط یا از دست دادن بلیت‌های خود به دنبال داشته باشند. علاوه بر این، در صورت عدم توافق می‌توان به نظارت خودکار اشاره کرد.
تشخیص اشغال پارکینگ با بینایی کامپیوتری
  • تجزیه و تحلیل زمان سفر: تجزیه و تحلیل زمان سفر (JTA) یک برنامه بسیار مهم به عنوان مقدمه‌ای برای شناسایی عبور وسایل نقلیه و زمان آنها از یک گره به گره دیگر است. علاوه بر این، چنین تجزیه و تحلیلی امکان برنامه‌ریزی مسیر بهتر را برای مدیران ترافیک فراهم می‌کند.
  • مدیریت هوشمند ترافیک: مدیریت ترافیک اصطلاحی است برای مجموعه‌ای از مزایایی که ANPR ارائه می‌دهد. تشخیص خودکار پلاک خودرو را می‌توان در سراسر شهرها برای تشخیص سرعت زیاد خودروها، وسایل نقلیه‌ای که با عجله رانندگی می‌کنند یا هر اتفاق تصادفی مورد استفاده قرار داد. ANPR راه حل‌هایی را برای اندازه‌گیری و تجزیه و تحلیل داده‌های ترافیکی مربوط به یک منطقه خاص یا کل شهر را ارائه می‌دهد. در مقیاس بزرگ‌تر، مدیریت ترافیک برای برنامه‌ریزی بهتر ترافیک، دید بهتری را درباره تراکم ترافیک فراهم می‌کند.
  • سوابق باجه عوارض: مدیریت دستی باجه عوارض در بزرگراه‌ها هنوز در برخی از نقاط جهان یک عمل قابل توجه است. اغلب، ایستگاه‌های عوارضی خودکار، از فناوری‌های مختلفی برای مدیریت مخازن عوارضی خودکار استفاده می‌کنند. به عنوان مثال، در آزادراه‌های بزرگ‌تر، ANPR به مقامات اجازه می‌دهد تا شماره پلاک خودرو را برای پرداخت عوارض از طریق پست اقدام کنند. از این رو، ANPR مدیریت کارآمد باجه عوارض و قیمت‌گذاری پویا جاده را امکان پذیر می‌کند و امکان کاهش زمان عملیاتی مورد نیاز را فراهم می‌کند و در نتیجه بهره وری را افزایش می‌دهد.

نتیجه گیری

ANPR یک فناوری بینایی مبتنی بر هوش مصنوعی حیاتی است که مزایای بسیاری را برای کاربردهای مختلف ارائه می‌دهد. مزایای ANPR گسترده است و شامل مدیریت ترافیک، امنیت پارک خرده فروشی، سوابق باجه عوارض و تجزیه و تحلیل زمان سفر است. به این ترتیب، جای تعجب نیست که ANPR در سال‌های اخیر بسیار محبوب شده است، بازار جهانی تشخیص شماره پلاک خودکار به سرعت در حال رشد است و ما شاهد پروژه‌های ANPR در سراسر صنایعی مانند حمل و نقل، تدارکات، امنیت، شهر هوشمند، ساخت و ساز و غیره هستیم.

لوگو الکتروهایو

الکتروهایو در خدمت مخاطبان عزیز می‌باشد. ما در تیم الکتروهایو در تلاش برای تهیه مقالات و مطالب به روز هستیم. لطفا برای مطالب و مقالات بیشتر با ما همراه باشید.

مطالب مرتبط:

داده‌های اسمی Nominal Data - الکتروهایو

داده‌های اسمی Nominal Data چیست؟

داده‌های اسمی(Nominal Data) یکی از اساسی‌ترین انواع داده‌ها در تجزیه و تحلیل داده‌ها است. شناسایی و تفسیر آن در بسیاری از زمینه‌ها از جمله آمار، علوم کامپیوتر، روانشناسی و بازاریابی ضروری است. این مقاله ویژگی‌ها، کاربردها و تفاوت‌های داده‌های اسمی

ادامه مطلب »
حاشیه‌نویسی متن در هوش مصنوعی - سایت الکتروهایو

حاشیه‌نویسی متن در هوش مصنوعی

حاشیه‌نویسی داده به الگوریتم‌های یادگیری ماشین اجازه می‌دهد تا اطلاعات را درک و تفسیر کنند. حاشیه‌نویسی‌ها برچسب‌هایی هستند که داده‌ها را شناسایی و طبقه‌بندی می‌کنند یا قطعات مختلف اطلاعات را با یکدیگر مرتبط می‌کنند. الگوریتم‌های هوش مصنوعی از آنها به

ادامه مطلب »
هوش مصنوعی در باستان شناسی و کاربردهای آن - سایت الکتروهایو

هوش مصنوعی در باستان شناسی چه کاربردهای می‌تواند داشته باشد؟

مکان‌های باستان‌شناسی ممکن است ثابت باشند، اما فرهنگ‌هایی که آنها را تولید کرده‌اند، پویا و متنوع بودند. برخی از آنها کاملاً عشایری بودند و مرتباً موقعیت خود را تغییر می‌دادند. برخی از آنها فواصل بسیار زیادی را مهاجرت کردند، در

ادامه مطلب »
با الگوریتم تشخیص اشیاء FCOS آشنا شوید - سایت الکتروهایو

با الگوریتم تشخیص اشیاء FCOS آشنا شوید: تشخیص اشیاء تک مرحله‌ای کاملاً کانولوشنال

تشخیص اشیاء یک کار مهم در بینایی کامپیوتر است که با رسم کادرهای محدود کننده در اطراف اشیاء شناسایی شده، مکان یک شی را در یک تصویر شناسایی و مکان‌یابی می‌کند. اهمیت تشخیص اشیاء را نمی‌توان به اندازه کافی بیان

ادامه مطلب »
با سایت Kaggle آشنا شوید! دریچه‌ای رو به دنیای اجتماع متخصصان هوش مصنوعی - سایت الکتروهایو

با سایت Kaggle آشنا شوید! دریچه‌ای رو به دنیای اجتماع متخصصان هوش مصنوعی

یادگیری ماشین (Machine Learning) و علم داده (Data Science) موضوعاتی هستند که در تمامی بخش‌های فناوری اطلاعات در مورد آن بحث و گفتگو وجود دارد. امروزه همه چیز در حال خودکار شدن است، و برنامه‌های کاربردی نیز به سرعت در

ادامه مطلب »
داده‌های اسمی Nominal Data - الکتروهایو

داده‌های اسمی Nominal Data چیست؟

داده‌های اسمی(Nominal Data) یکی از اساسی‌ترین انواع داده‌ها در تجزیه و تحلیل داده‌ها است. شناسایی …

حاشیه‌نویسی متن در هوش مصنوعی - سایت الکتروهایو

حاشیه‌نویسی متن در هوش مصنوعی

حاشیه‌نویسی داده به الگوریتم‌های یادگیری ماشین اجازه می‌دهد تا اطلاعات را درک و تفسیر کنند. …

هوش مصنوعی در باستان شناسی و کاربردهای آن - سایت الکتروهایو

هوش مصنوعی در باستان شناسی چه کاربردهای می‌تواند داشته باشد؟

مکان‌های باستان‌شناسی ممکن است ثابت باشند، اما فرهنگ‌هایی که آنها را تولید کرده‌اند، پویا و …

با الگوریتم تشخیص اشیاء FCOS آشنا شوید - سایت الکتروهایو

با الگوریتم تشخیص اشیاء FCOS آشنا شوید: تشخیص اشیاء تک مرحله‌ای کاملاً کانولوشنال

تشخیص اشیاء یک کار مهم در بینایی کامپیوتر است که با رسم کادرهای محدود کننده …

تصویربرداری چند طیفی، دیدی جدید فراسوی نور مرئی - سایت الکتروهایو

تصویربرداری چند طیفی، دیدی جدید فراسوی نور مرئی

تصویربرداری چند طیفی تکنیکی است که نور را در طیف وسیعی از باندهای طیفی، فراتر …