Можно ли запихнуть распознавание номеров в любой тамагочи?

    Про распознавание номеров мы рассказываем на Хабре давным давно. Надеюсь даже интересно. Похоже настало время рассказать как это применяется, зачем это вообще нужно, куда это можно запихнуть. А самое главное — как это изменяется в последние годы с приходом новых алгоритмов машинного зрения.



    Как ни странно, распознавание номеров применяется не только при контроле ПДД. Применений десятки. И каждая задача имеет свою специфику, целевое качество, входные изображения, требование на скорость и.т.д. Начнём с самого простого и банального:

    Контроль ПДД


    Для начала стоит рассказать несколько историй о том как применяют камеры ПДД. Мы сами к этой тематике относимся очень поверхностно, но общались с большим числом крупных фирм, более-менее понимаем ситуацию в отрасли.

    Например простой вопрос. Кто на ваш взгляд устанавливает камеры, следит за их работой?


    Контроль скорости

    Как ни странно — это прерогатива частных компаний. Инспектора ГИБДД получают штрафы в свою базу данных, проверяют что всё заполнено корректно и отправляют нам с вами. Прибыль с штрафов делят 50/50. Половина идёт концессионеру который обслуживает камеру, половина в бюджет.

    Концессия — это договор на установку и поддержание некоторого числа камер. Обычно регионы предлагают пару десятков камер как лот. Но бывает по разному. Один из примеров самой эпичной концессии — это как казаки штрафуют(кстати, это не единственный случай).

    На сегодняшний день существует несколько нарушений которые детектируются (список не полный, я перечисляю основные):

    1. Контроль скорости
    2. Контроль светофоров
    3. Контроль разметки
    4. Контроль переездов


    Контроль переезда

    За исключением Москвы самый лакомый кусок — это контроль скорости. Там больше всего поток штрафов. Камеры на светофорах и на полосах движения достаточно быстро перестают приносить прибыль, люди начинают ездить нормально после первого штрафа, особенно если это небольшой регион. А вот превышение скорости приносит стабильную прибыль, особенно на крупных трассах.
    Ещё пару лет назад все камеры контроля скорости были радарными. Но радар — это самая дорогая в них штука. И уже лет 15 все пытаются от него избавиться.


    Контроль скорости с треноги

    И лишь где-то год-два назад лицензировали первую безрадарную систему. Сейчас таких уже несколько. Если честно я не знаю сколько их на сегодняшний день. Мне кажется, что три, но могу ошибаться. Исходя из того что появилось масса новых алгоритмов распознавания номеров, повысилось качество, понизилась цена хорошего железа — сейчас происходит глобальная замена, увеличение, обновление парка камер. Стало много точек куда можно поставить камеру и окупиться. Скорее всего процентов 80 установок перейдёт в ближайшие лет пять на безрадарные системы.

    Учитывая что камеры ставят концессионеры — тема ужасно прибыльная и ликвидная.
    Сами камеры могут ставить в очень разные места. Это может быть тренога, может быть специальная ферма, могут быть стационарные тумбочки около дороги, а могут быть простые столбы.

    Лет 10 назад алгоритмы были слабее, номера распознавались хуже. Сейчас даже на мобильном телефоне можно получить хорошее качество. Увеличивается вариативность мест установки.
    Что значит “распознавались хуже”? Реально, на хорошо выстроенной камере при правильном освещении можно распознать порядка 95-98% проходящих номеров. Это было ещё до нейронных сетей, лет 5-7 назад. Сейчас процент чуть выше, но не сильно. Все нераспознанные номера — это заляпаные грязью, снегом, испорченные. 90% из того что не распознаёт система -сам человек не распознает. Зато сильно улучшилось распознавание на камерах в плохих условиях. Повесили на кривой столб сбоку, дали мало света, и.т.д. Теперь всё это работает с минимальным числом настроек.

    Конечно, в метель качество распознавание падает до нуля, но это особо никого и не смущает.
    Не смотря на сложность входа на рынок и его зарегулированность государством (сертификация новой системы распознавания номеров это минимум пол года), он перенасыщен решениями.

    Паркон


    Особенность Парконов — в том что качество снимков хуже некуда. Съёмку ведут либо с движущихся машин, либо пешеходные инспектора. Данные, которые приходят на распознавание могут выглядеть примерно так (записал с регистратора, распознавал нашим алгоритмом, так что к Паркону это никакого отношения не имеет, видео для примера):


    Из-за низкого качества распознавания нужно постоянно проверять что система распознавала (на настоящем парконе камера сильно лучше, свет выставлен, и.т.д.). Плюс проверять правда ли на парковке стоит одна и та же машина. Например в ДИТ, как я слышал, алгоритмы всё ещё прошлого поколения. Обработку штрафов год назад осуществлял цех из почти 100 работников которые глазами верифицировали все данные (всё это были слухи циркулируещие в области, могут не соответствовать реальности).

    Кстати, для мобильных инспекторов данные все тоже верифицируются. Это дополнительная защита чтобы он своему недругу штраф не выписал.

    С алгоритмами нового поколения верификация уже не так актуальна, так что я очень надеюсь, что они уже заапдейтили свой пайплайн.

    В любом случае, основная сложность не в том, чтобы распознать номер, а в том чтобы сделать систему стабильной в плане получаемой информации и исключить ошибки.

    Распознавание на смартфонах/мобильных устройствах


    От пешеходных инспекторов можно плавно перейти в более широкую категорию — “распознавание на смартфонах”.



    Распознавание автомобильных номеров делится на два способа. Первый способ — распознавание номеров на сервере. Второй — на устройстве. Распознавание на устройстве сложней. Ещё два года назад его было нереально хорошо сделать.

    К сравнению распознаваний мы еще вернемся вернемся. В первую очередь я расскажу о том где это распознавание нужно:

    Первая задача — оптимизации вводимых данных. Возникает когда сотрудник должен заполнить какой-то документ на улице. Это может быть инспектор дорожного движения, страховой агент, автодилер. Сотрудник делает фотографии автомобиля и нажимаешь кнопочку. В документах автоматически распознаётся номер машины.

    Задача не бог весть какая, но говорят что зимой людям помогает.

    Вторая решаемая задача при распознавание номеров на смартфоне — контроль автомобилей на частных территориях. Например стоянка, зоны разгрузки, и.т.д. Там ходит инспектор, которому сразу после снимка выводится на планшет необходимая информация.
    Особенностью распознавания на смартфонах можно назвать следующий момент. Человек сам редактирует номер, если он распознан неверно (чего не происходит в Парконе). И психологический порог правильного распознавания для первой задачи — где-то 80%, так что даже алгоритмы прошлого поколения неплохо справлялись. Мы пробовали наш прошлый алгоритм не нескольких таких задач использовать. Работает нормально, но экономический эффект сомнителен. Пилоты не выстреливают, лишь один раз использовалось когда заказчик системы заказал такую функцию, а исполнитель попросил нас. Да и то — это всё для галочки.

    Для второй задачи хорошо иметь 95%. Тут уже только современные алгоритмы.

    Некоторый уровень ошибок допускается. Люди всё равно вручную всё распознают. И если что-то не так, то проверяют и правят.

    Шлагбаумы


    Хорошо ли это, или плохо, но Россия — страна шлагбаумов. И шлагбаумы могут быть абсолютно везде. Это могут быть парковки, это могут быть въезды на территорию предприятий, это могут быть въезды в супермаркеты, это может быть въезд на ваш дачный участок или придомовую территорию.



    Везде, где требуется контроль территории и скорость отклика — проще всего воткнуть шлагбаум. Но, если начинать разбираться, то оказывается треш.

    Никакой, даже самый современный алгоритм распознавания не даёт 100% качества. Конечно, сейчас произошёл огромный рывок в распознавании. И для шлагбаумов качество скакнуло. Было процентов 93-95, стало 97-98. Рост произошёл за счёт тех мест где была грязь и плохая установка: не хватает света, большие углы, плохая комбинация светофильтров. Сейчас установка сильно проще. Это уже не должен быть супер-мега монтажник.

    В реальности, единицы решений на новых технологиях. Обычно всё хуже.

    Не пропускать 2-5% машин на территорию — неприемлемо. Нужен кто-то, кто сможет скорректировать распознавание номера. Охранник?

    Крупные склады, где территория охраняемая давным давно пошли по этому пути. Распознавание номера у них завязано на соседнюю будку с охранником. Цена такого решения обычно составляет 50-100 тысяч. В зависимости от железа, камеры, алгоритма, света. Условия распознавания номера близки к идеальным. Устанавливает такое решение обычно монтажник, который разбирается в теме. Его услуги могут увеличить стоимость проекта на десяток-другой тысяч.

    И это без шлагбаума, только за комплекс распознавания!

    Второй путь, который популярен в Московских дворах — шлагбаум на телефонном звонке. Звоните по номеру, и если ваш номер в базе — вам открывают. Но опять же. Кто-то забыл телефон. Кто-то разрядил. К вам приехали гости. В итоге очень часто добавляют пропуск по номеру. А так как хорошую камеру повесить сложно и дорого + большая часть решений на алгоритмах старого поколения — на картинку смотрит охранник.

    К тому же тема с телефоном часто не заходит — люди устраивают частные парковки из дворов куда у них есть доступ, в ущерб соседям.



    Существует много фирм специализирующихся на установке шлагбаумов во дворы. Но почти никто из них не пробуем подцепить распознавание на объекты. Хотя рынок огромный. За те пол года как мы сделали новый алгоритм мы попробовали запустить несколько пилотов, один из них даже сейчас успешно работает. Идеальная схема для любого двора — это телефон/карточка + распознавание номера + доступ к камере для распознавания

    Статистика


    Ещё интересное применение для шлагбаумов — статистика по номерам. Это иногда используют торговые центры. Чтобы знать как часто приезжают люди (зачастую ещё распознают на каких машинах).

    Можно ставить в автомойках для контроля машин. В автосервисах, на кассах, и.т.д.

    Сервера


    Распознавание на серверах очень общо. Всё кроме ПДД можно распознавать на серверах. Тут я в двух словах скажу каких задачах используют только серверное распознавание, а чуть ниже будет более общий рассказ про общее применение:

    • Замазывание номеров машин на снимках. Например на сайтах объявлений.
    • Парсинг баз объявлений. По тем кто номера не замазал.
    • Подключение сервера к нескольким видеокамерам и распознавание потока с них. Статистика/Шлагбаумы/Наблюдение

    Один из наших резервных серверов на jetson'е (а то что хорошей железке лежать даром!):



    Как и где должны работать алгоритмы?

    Перечисляя применения я абстрагировался от того где и как всё распознавать. Куда запихивать каскад сеток и где обрабатывать.

    В принципе, если всё обобщить получается не так много вариантов:

    • Машины с x86 вычислителем. Хороши для алгоритмов прошлого поколения. Адекватны для текущего, но высокой производительности на них не получить. Зависит, конечно от машины и от того как оптимизировать алгоритм. У нас выходило что поиск номера где-то на уровне десятка-двух fps, а распознавание номера где-то на уровне ¼ секунды. Естественно, алгоритмы могут быть разные. У кого-то побыстрее, у кого-то получше. Всё это трэйдофф. Можно сделать и сотни FPS, если, например, предназначить области детектирования. Такие ставят зачастую для распознавания на дороге, для распознавания на шлагбаумах. У них всегда проблемы с энергопотреблением. Скорее всего это отмирающий класс устройств.
    • Машины с видеокартами NVIDIA. Такую не поставить на улицу. Да и энергопотребление высокое. Но для серверов используют именно их. Быстро, выгодно. Но применимы там где есть интернет-задачи.
    • ARM-вычислители. На них можно неплохо разворачивать распознавание. Пусть скорость не очень высока. Но на RPi 3 мы смогли добиться 5FPS для поиска номера и полторы секунды на распознавание. Учитывая, что RPI не самый лучший вычислитель — это неплохо для того качества, которое можно затащить.
    • Jetson. Следует отдельно упомянуть этот класс вычислителей. Jetson идеально подходит под задачи распознавания. Производительность на еденицу мощности у них феноменальная. Jetson по производительности можно сравнить с каким-нибудь i5-процессором. Только потребление Jetson это 10-15Вт. Много систем машинного зрения для внедрения сейчас делают на них.

    Как это всё использовать

    Реально все вопросы выше упираются в одну проблему. Что делать с ошибками распознавания? Что делать с качеством?

    Если зафиксировать алгоритм распознавания, то качество системы определяется качеством аппаратуры: свет, объективы, точка установки.

    Оптимизация качества этой связки — задача известная всем монтажникам. Тут нельзя придумать почти ничего нового. Каждая контора, которая занимается установкой камер имеет свой стек наработок. Стек, который будет применен зависит от того сколько у клиента денег на задачу.
    Чтобы выбрать ошибки — обычно сажают операторов. Все штрафы проходят через них. Системы контроля парковок тоже идёт через операторов. Одного оператора может хватать на пару десятков шлагбаумов.

    Если распознавание на смартфонах — контролирует пользователь. Если распознавание только ради статистики — на контроль забивают. 2-3% потерь считается допустимой величиной

    К чему мы пришли

    Мы постоянно получали предложения тестировать наш алгоритм/прикрепить его к чему-нибудь, или попользоваться. Плюс сами делали кучу экспериментов. До полноценного внедрения пока никуда не дошло, но других систем машинного зрения пяток настрогали, которые уже в проде.

    Как видно из описания выше, распознавание номеров это вещь нестабильная. Всегда есть ошибки. Пусть даже 1%. Хотелось придумать способ чтобы алгоритм стал абсолютно дубовым, чтобы он работал в любой задаче, без особой настройки и дополнений.

    Но даже мы сначала стали делать всё не так. Так как у нас был большой запас качества и неплохая скорость, то одной из первых мыслей было: «почему бы его не запустить на RPi и не повесить на каждый шлагбаум». Себестоимость железки для такого подхода была минимальной.



    Взяли RPi, распаяли плату управления шлагбаумом, запихнули в коробку.

    Но, поняли один простой момент. Даже нам сложно поставить камеру на шлагбаум так, чтобы избавить её от всех возможных артефактов. Мы можем побороть фары, солнце, неправильный угол установки или нерезкость. Но как все эти факторы поборет человек, который пробует настроить распознавание номеров в первый раз?!

    Сложно настроить картинку на устройстве закопанном где-то в глубине шлагбаума. Нужно подключать ноут, выстраивать камеру.

    Попробовали с Bluetooth. Тоже самое. Даже если выводить картинку на телефон — не сильно упрощает. Можно поставить идеально. Но всё равно через какое-то время устройство перестаёт работать. Нужно заново лезть в кишки и перенастраивать. Причём зачастую наугад. В какой-то момент сбиваешь камеру — и 10 минут думаешь, что же неправильно.

    Или работает система два дня, и вдруг остановилась. Что произошло?

    Когда мы делали распознавание с мобильных телефонов года 3 назад — таких проблем не было. Пошли ошибки? Делаешь фильтрацию что не распознавалось, пробуешь вытащить патерн ошибки — пробуешь допилить алгоритм, или дообучить операторов. В результате 1-2 дня и ошибка исправлена.

    Это явно приятнее чем ползать под каждым шлагбаумом.

    В итоге поняли, что самое стабильное — распознавание на сервере. На сервере куда проще понять причину ошибок, скомпенсировать, показать. Инструмент, который позволяет построить статистику за день, найти время когда система ошибается и не работает — пишется за один час. Графики распознавания:



    Синий график — качество распознавания во времени. Красный — процент кадров с номерами во времени. Качество просело? Выдаётся ошибка на пульт оператора. А для быстрого понимания ошибки выводиться карта последних распознаваний:



    Сразу видно, что часть номеров не ловится. В чём дело? Смотрим ближе:



    Подсветка ушла, номер не читаемый!

    При этом если что-то не работает, то ошибку зачастую можно поправить на сервере. Если камера повернулась в зону где не работает — переделать гомографию. Если камера расфокусировалась — то для многих моделей можно перестроить их удалённо.

    Если проблема с установкой, то можно дать чёткое указание: “с 10 до 10:30 солнце светит в камеру”. Если камера установлена без доступа в интернет и статистики — то отловить ошибки такого плана очень сложно и муторно. При наличии 2-3 таких ошибок качество может упасть ниже 95% и клиент разочаруется в системе.

    При этом сама система делается проще. Можно воткнуть RPi+Lan камеру + ключ:



    А можно воткнуть вообще arduino c GPRS, по которому говорить серверу когда обработать камеру, получать ответ и открывать шлагбаум:



    (Да, ардуино дорогая и не оптимальная плата. Но когда нужно 10 штук + стабильность, то цена разработки своей будет дороже).

    Данное правило с контролем качества справедливо для любой DeepLearning системы. Ошибки будут всегда. И единственный способ чтобы заказчику система понравилась — заложить способы ловли и борьбы с ошибками ещё до того как они появиться. Сбор базы, контроль статистики онлайн, дообучение. Всё это лучше закладывать так, чтобы ловить ошибки и компенсировать их до того как клиент успел понять что что-то не работает и обидеться.

    Когда мы распознавали товары на полках — всё распознавание шло на верификацию людей. Когда мы распознавали контейнеры — на верификацию оператора. И.т.д. и.т.п. Посылать на верификацию можно не всё, не всегда. Но всегда нужно придумать способ который позволит понять, что алгоритм не развалился.

    У нас был замечательный опыт, когда один наш заказчик отгрузил полусырую систему в которой было несколько сотен модулей (не распознавание номеров, достаточно далёкая задача). Для этой системы мы разрабатывали математическое ядро.

    Система даже неплохо работала. Но пользователи системы были не очень образованные люди: они начали её прямой саботаж.

    Наш заказчик был очень разумный человек — в системе была возможность удалённого переобучения, перепрошивки, изменения алгоритма. И у него была целая команда на поддержку. В результате саботаж удалось очень своевременно отсечь. Сделать алгоритмы его ловли и обработки.

    С автономерами то же самое. Качество системы нужно мониторить постоянно. Если идут проблемы — заказчик может отказаться от системы, даже если это проблемы на его стороне. Конечно, всегда есть границы которые нельзя переходить. Но простое добавление мониторинга позволяет 80% проблем решать проактивно, грамотной коммуникацией с заказчиком.

    И не важно, это сервер, камера на трассе, на домашнем шлагбауме, или в автомойке. Главное — правильно настроить мониторинг, чтобы он минимально отвлекал, но максимально контролировал.
    Recognitor 126,82
    Компания
    Поделиться публикацией
    AdBlock похитил этот баннер, но баннеры не зубы — отрастут

    Подробнее
    Реклама
    Похожие публикации
    Комментарии 32
    • 0
      Большое спасибо за обзор задач, решаемых при помощи систем распознавания.
      А Вы не планируете описание методов распознавания? Да и про безрадарный способ определения скорости хотелось бы узнать подробнее.
      • 0
        Добрый день. Прошлая статья в блоге рассказывает как мы сейчас его делаем. Про безрадарное сложно рассказывать. Мы сами его не делали. Да и очень вряд ли когда то для себя будем делать. А как оно устроено у тех у кого оно есть — сложно рассказывать. Подходов может быть несколько +дьявол в деталях.
      • 0
        расскажите, как купить камеру фиксации нарушений? есть место, где на односторонней можно заработать на усадьбу с шубохранилищем за полгода — бесконечный поток охамевших и слепых.
        • 0
          Никогда в этот процесс не залезал. Знаю только что камеру нельзя воткнуть в произвольном месте. Там идёт хитрый процесс утверждения точки и лишь потом могут квоту выделить. Именно купить камеру — без проблем. Но её поставить на точку и зарегистрировать сложно
          • 0
            Наверно, все хотят
            усадьбу с шубохранилищем за полгода
            , вот и сложно…
        • +1
          Когда то давно работали над комплексом
          картинка
          image

          но уперлись в cpu планшета.
          • 0
            Это наверное давно было?
            До того как в каждом телефоне сопроцессор для нейронных сеток появляться стал?
            В итоге не внедрили?
            • 0
              2012-2013. Конкуренты модифицировали торпеду автомобиля и вставляли ПК, тут была фишка в легкости установки.
          • 0
            Шлагбаумы или любые ворота = rfid
            Дёшево и сердито.
            • 0
              Но вы же понимаете, что минусы почти те же, что и с телефонным звонком? Более того, появляются дополнительные (переотражения, нечувствительность, передача метки, клонирование метки, и.т.д.?).
              • +1
                Уж всяко лучше нюансов с засветами камеры и заляпанными грязью номерами. Я уж не говорю о стоимости самого оборудования. Что камеры, что малины, что ардуины.
                • 0
                  RFID бесплатен? Особенно тот который хорошо работает?
                  А оптику — всё равно все ставят для пропуска скорых и пожарных машин. Изменений для того чтобы распознать номера — минимум. На большинстве точек работает даже по тем камерам, которые уже ставили.
                  При этом сразу идёт защита от недобросовестных собственников, которые устраивают парковку по клону RFID. Это сразу появление услуги «гости», когда можно загнать номер любой машины через веб приложение — и вам откроет.
                  Но, конечно, это чуть более дорогое решение.
                  Я уж не говорю про склады/автомойки/парковки и.т.д., где RFID просто не применим.

                  А так, ради всего вышеперечисленного — сейчас многие берут и ставят во дворах решения со стоимостью 100-200т.р. Или решения где оператор номер распознаёт. А значит много для кого это критично.
                  • 0
                    Он не бесплатен, но дёшев.
                    Второе его преимущество — надёжность.
                    Секьюрность в шлагбауме?! ох уж эти школьники. Хабров начитаются и начинают клонировать рфид метки.
                    Как раз склады только с рфид и работают. Про автомойки и парковки спорить не готов.
                    Если есть деньги, то можно и за миллион. А лучше посадить дедушку в будку чтоб кнопку жал.

                    ПС почему не упомянуто классическое решение с радиобрелоком? Уж ключи от машины никто не забывает.

                    ПС2 вы делаете отличную работу. Но шлагбаумы и парковки — не ваша сфера. Микроскопом гвозди забиваете. Без обид. Но как объект для повышения скила очень даже.
                    • 0
                      Мы сейчас работаем с одним из крупнейших установщиков шлагбаумов во дворы в Москве. И им очень нравиться как это всё работает. Да, клонирование RFID меток для них это беда. Любой въезд во двор где рядом мало хороших парковок начинает этим болеть.
                      А «гостевой» функционал — позволяет оптимизировать косты неплохо.

                      Склады? Когда мы набирали нашу базу, то общались с одним из крупнейших перегрузочных терминалов Москвы. Какие RFID, о чём вы?! У них там тысячи грузовиков приезжают. Кто-то раз в год, кто-то каждый день.
                      И это большая часть складов перегрузочных/оптовых.

                      Радиобрелок/RFID/телфон — всё имеет одни и те же проблемы. И люди готовы платить, чтобы этих проблем не было. А брелок… Ну, вот у моего ворота на брелке в загородном доме. То брелок закатиться куда-то, то батарейка разрядиться, то жена возьмёт из машины, чтобы открыть, а назад не положит.
                    • 0
                      а как же быть с клонированием номеров?
                      Это же еще проще, распечатал на бумажке и все дела.
                      Что бы под оптикой имеете ввиду? распознование карет скорой помощи пожарных машин?
                      • +1
                        Да. Пожарных, скорых, мусоровозов, прочей техники.
                        Клонирование номеров:
                        1) Как вы понимаете, по камере съёмка въездов храниться. Там прекрасно видно кто, как въехал. И это многих останавливает.
                        2) Чтобы номер распознавался нормально — его нужно приклеить по верх вашего номера. Качество распознавания без автомобиля — несколько хуже. Или подползти держа табличку пока машина стоит у шлагбаума. Это некоторое палево + неудобство.
                        3) Въезд можно делать не только по камере, а по камере + по петле. Или по камере + RFID. Мы пока даже не знаем как лучше, сейчас только пилоты с экспериментами. Результат хороший в любых проявлениях, но как делать — варианты есть
                        4) Сама статья про другое. Она про кооперацию людей с методами машинного распознавания. И про то как их упихнуть в существующую инфраструктуру, улучшив её качество.
                        Например там где у нас пилот — для каждого распознавания выводится картинка (есть в статье). И если там будет подозрительная активность — оператор её заметит с высокой вероятностью.

                        У нас есть опыт в нескольких дворах где были пилоты. Там все нелегальные машины исчезли сразу.
                        • 0
                          хотите сказать вы по таким картинкам распозноете скроые и пожарные машины?!
                          image
                          1) что может остановить человека от распечатывания бумажки с номером? или даже картинки с чужой машиной и номером.
                          3) В предыдущих комментах вы хаете RFID метки что их просто скопировать и тут же предлагаете их использовать. где логика?
                          4) непонятно что за термин «ПИЛОТ».

                          Прошу не воспринимать мои вопросы как нападки)
                          • 0

                            Предположу, что "пилот" — это пилотный проект по внедрению какого-либо решения или сервиса. Очень часто такое название слышал.

                            • 0
                              0) Конкретно с этой камеры не запускали. А так да, можно и тут запустить. Поле зрения на изображениях — это лишь область детекции. Вообще там широкоугольная камера. Возможно чуть-чуть света надо добавить будет. Но не уверен.
                              1) А вы прочли пункты 1-3 прошлого ответа?
                              Не, ну я могу повторить:
                              а) Человек выходит из машины, достаёт номер, под удивлёнными взглядами окружающих пробует помахать этим номером в зоне которую детектирует камера? Если настраивать безопасность, то он ещё должен параллельно свой номер закрыть, чтобы в зоне детекции не было две машины.
                              б) При этом на камере получается замечательная фотография и человека, и его машины, и его реального номера (камера фотографировать начинает с момента подъезда машины). При начале разборок кто когда въезжал — это всё видно.
                              2/3?) Я не хаю. Я показываю ситуации где они не работают. И их использование не комфортно. Ими можно в некоторых случаях усиливать/дублировать. Есть задачи где их удобнее чем для распознавания использовать. Например служба доставки, для контроля своих машин на территории. Чем больше систем безопасности, тем лучше.
                              4) Пилот — это тестовая эксплуатация. Мы отлаживаем наши алгоритмы, взаимодействие с заказчиками, статистику, интерфейсы. Проверяем в каких кейсах лучше всего работает алгоритм, как лучше ставить управление КПП. На двух камерах у нас управляемый шлагбаум полностью, на 20-30 камерах на других шлагбаумах тестировали весть поток данных на углы/повороты/качество камер, с которыми работает. Смотрели что лучше использовать как камеры/как подсветку. Сейчас готовим порядка десятка камер в первую боевую эксплуатацию. А на тех 20-30 тестировать начинаем скорые и.т.п.
                              • 0
                                Разрешите несколько вопросов для понимания работы системы шлагбаумов.
                                Правильно ли я понимаю что:
                                1. Заказчиками шлагбаумов являются домоуправляющие компании г. Москвы. Для других городов России данный сервис неактуален.
                                2. На один шлагбаум необходимо более чем 1 видеокамера
                                3. Информация с шлагбаумов поступает на некий централизованный пункт управления доступом
                                4. Информация с камер видеонаблюдения архивируется на сервере
                                5. Шлагбаумы подключены к сети (интернет/локальной), но не автономны
                                6. Ложные несрабатывания чаще случаются не по вине забывчивых пользователей, а по вине системы. Угол падения лучей солнца изменился, грязью камеру заляпало от проезжей машины, номер плохо прочитался.
                                • 0
                                  1) Почему? Казань, Питер, Нижний. Там тема парковок во дворах актуальна. Меньше, конечно, но всё же.
                                  2) Можно одну правильно поставить. Например там где фотка — с одной камеры виден и въезд и выезд и машина. Но, конечно, бывает по разному. Иногда приходиться и 2 камеры ставить. С другой стороны, при цене lan-камеры где-то в 3-4 тысячи уже корпусированной это не большая проблема.
                                  3) В случае сложностей + для контроля статистики
                                  4) Если надо — то да.
                                  5) У нас есть решение которое может и автономно распознавать. Так же как существуют другие решения, которые это делают. Но вся статья написана про то почему этого нельзя делать.
                                  6) Ложные срабатывания — это вы о чём? Так называют ошибки первого рода. Их тут нет. Второго рода — есть. Они обычно из-за плохой установки камеры. В реальности если камеру нормально поставить — они маловероятны, разве что номер заляпан. Качество системы такое же примерно как и у камер на дорогах. Если у вас там не распознаётся номер, то и тут не будет. 97% населения так не ездит.
                • 0
                  Когда уже будут видеорегистраторы, которые будут в облако на лету посылать номера всех распознанных машин и их координаты? Чтобы находить маршруты движения угнанных машин.
                  • 0
                    Когда найдётся кто-то, кому это выгодно для производства и сбыта. Когда найдётся критическая масса людей готовая поставить у себя специальный аппарат стоимостью в 5-6 тысяч рублей + оплачивать для него ежемесячный интернет.
                    • 0

                      Даю 5-7 лет чтобы появилась доступное решение для 24/7 записи и архивирования картинки "из глаз" человека. А уж из машины-то подавно тогда будет всё писаться.

                  • 0
                    На FPGA не пробовали алгоритмы перекладывать? Я знаю есть несколько одноплатников с ПЛИС на борту.
                    • 0
                      Но зачем?
                      И как это бьётся с тем, что я рассказывал о том, что алгоритмы на точке распознавания всё равно не нужны?
                      • 0
                        Из статьи видно, что вы эксперементировали со многими платформами, логично, что такой вопрос возник. Возможно, на серверной стороне пробовали.
                    • 0
                      Яркие инфракрасные светодиоды светящие на номера помогут от этих «чудес инженерии»?
                      • 0
                        Чтобы вы не могли заехать в свой двор?
                      • 0
                        Вы пишете, что Ардуино «дорого и неоптимально», но приемлемо для малотиражных решений… У Вас есть личный опыт написания программ? Сорри не совсем по теме статьи…
                        • 0
                          Ну, уровня «запихнуть в шлагбаум/телескоп» — пару раз делал. Но это даже не серийное, это сверхмалосерийное (1-2) экземпляра:)
                          • 0
                            2 года назад Вы написали блестящую статью «Про волнения в головах». К сожалению по правилам администрации я почему-то не имею возможности написать комментарий там, потому осмелюсь задать вопрос на этом поле. Блок ТГАМ, который является основой нейрогарнитуры наверное самое оптимальное решение для мобильных устройств на сегодняшний день. Вы довольно глубоко вникли в его работу в плане программного обеспечения. Совершенно с вами согласен, что традиционное его применение как гейм-интерфейса бесперспективно и неинтересно. А вот как готовый ЭЭГ-сканер решение заслуживает пристального внимания. Мы работаем над проектом майнд-машины с глубокой обратной связью, который революционно поднимет эффективность существующих девайсов и возможно и станет тем самым прорывом в направлении. Наш программист утверждает, что обмен данными по шине I2C поступают с непозволительным запаздыванием, а в нашем приложении обработка сигнала должна уложиться в 10мс (100 Гц). Допускаю небрежность с его стороны в анализе алгоритма работы модуля. Если есть желание, то с удовольствием привлечем Вас как эксперта либо как полноправного участника проекта. На данном этапе мы предполагаем уложится в возможности Ардуино.

                        Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

                        Самое читаемое