Оптическое распознавание номерных знаков

Оптическое распознавание номерных знаков (англ. Automatic Number Plate Recognition, ANPR; также License Plate Recognition, LPR) — это технология автоматического считывания государственных регистрационных знаков транспортных средств с помощью оптического распознавания символов на основе цифровых изображений или видеопотока. Относится к классу систем компьютерного зрения и машинного обучения, применяется для идентификации, учёта и контроля транспортных средств.

История

Первые разработки в области автоматического распознавания номерных знаков начались в Великобритании в 1970-х годах. В 1976 году компания EMI Electronics (Великобритания) создала прототип системы для полиции, способный считывать номера с автомобилей на скорости до 100 км/ч. Однако широкое внедрение технологии стало возможным только в 1990-х годах с развитием цифровых камер, вычислительной мощности и алгоритмов обработки изображений.

В России первые системы ANPR начали внедряться в начале 2000-х годов. В 2002 году в Москве была запущена пилотная программа по фиксации нарушений правил дорожного движения с помощью камер, распознающих номера. К 2010 году такие системы стали массово использоваться в системах автоматической фиксации нарушений (например, превышение скорости, проезд на красный свет). С 2014 года в рамках проекта «Безопасный город» началось развёртывание комплексных систем видеонаблюдения с функциями ANPR в крупных городах России.

Принцип работы

Процесс оптического распознавания номерных знаков включает несколько этапов:

Захват изображения

Цифровая камера (обычно инфракрасная или цветная с ИК-подсветкой) фиксирует изображение транспортного средства. Для работы в условиях низкой освещённости и в ночное время используются камеры с чувствительными матрицами и инфракрасные прожекторы, невидимые для человеческого глаза.

Предобработка

Изображение подвергается фильтрации для устранения шумов, коррекции яркости и контрастности. Применяются алгоритмы выравнивания гистограммы, медианной фильтрации и морфологической обработки для улучшения качества распознавания.

Локализация номерного знака

На изображении выделяется область, содержащая номерной знак. Для этого используются методы компьютерного зрения: поиск по контурам (анализ прямоугольных форм), анализ текстур (характерное чередование символов и фона) или нейросетевые детекторы (например, YOLO, Faster R-CNN). В России стандартные номерные знаки имеют прямоугольную форму с соотношением сторон примерно 1:2, что упрощает их поиск.

Сегментация символов

Из найденной области номерного знака выделяются отдельные символы (буквы и цифры). Используются методы проекции (вертикальная и горизонтальная), анализ связных компонентов или нейросетевые подходы. В российских номерах используются буквы кириллицы, имеющие латинские аналоги (А, В, Е, К, М, Н, О, Р, С, Т, У, Х), и арабские цифры.

Распознавание символов

Каждый символ классифицируется с помощью оптического распознавания (OCR). Современные системы используют свёрточные нейронные сети (CNN), обученные на больших наборах данных изображений номерных знаков. Точность распознавания достигает 95–99% при благоприятных условиях (хорошее освещение, чистый номер, отсутствие повреждений).

Постобработка

Результаты распознавания проверяются на соответствие формату государственного регистрационного знака (например, в России — 1 буква, 3 цифры, 2 буквы, код региона). Ошибки исправляются с помощью эвристических правил и словарей допустимых комбинаций. Затем номер сопоставляется с базами данных (например, розыск, штрафы, платные дороги).

Классификация систем ANPR

Системы оптического распознавания номерных знаков классифицируются по нескольким признакам:

По типу камер

• Стационарные — устанавливаются на столбах, порталах, шлагбаумах. Используются для контроля проезда, фиксации нарушений, учёта на парковках.
• Мобильные — монтируются на патрульных автомобилях, мотоциклах или переносных штативах. Позволяют проверять номера в движении.
• Портативные — ручные устройства (например, планшеты с камерой) для инспекторов.

По способу обработки

• Локальные — все вычисления выполняются на встроенном процессоре камеры или на локальном сервере. Обеспечивают низкую задержку, но требуют высокой вычислительной мощности.
• Облачные — изображения передаются на удалённый сервер для распознавания. Позволяют централизованно обновлять алгоритмы, но зависят от качества интернет-соединения.

По назначению

• Дорожные — фиксация нарушений ПДД (превышение скорости, проезд на запрещающий сигнал, выезд на встречную полосу).
• Парковочные — учёт времени стоянки, автоматическая оплата, контроль доступа на закрытые территории.
• Поисковые — розыск угнанных автомобилей, транспортных средств в розыске, должников.
• Транспортные — мониторинг грузоперевозок, контроль проезда в платных зонах (например, система «Платон» в России).

Применение в России

В Российской Федерации системы ANPR широко используются в следующих сферах:

Автоматическая фиксация нарушений ПДД

С 2008 года в России действует система автоматической фиксации нарушений правил дорожного движения (АФН). Камеры с функцией распознавания номеров фиксируют превышение скорости, выезд на встречную полосу, проезд на красный свет, движение по обочине и другие нарушения. По данным МВД РФ, на 2023 год в стране установлено более 30 тысяч стационарных и передвижных камер АФН.

Платные дороги

Системы ANPR используются на платных участках федеральных трасс (например, М-4 «Дон», М-11 «Нева», ЦКАД). При проезде через пункты взимания платы камера считывает номер, после чего с владельца автомобиля списывается плата через транспондер или по факту проезда (система «Свободный поток»).

Парковочное пространство

В Москве с 2012 года действует система платных парковок, где камеры ANPR фиксируют время въезда и выезда. Оплата производится через мобильное приложение, SMS или паркомат. Аналогичные системы внедрены в Санкт-Петербурге, Казани, Нижнем Новгороде и других городах.

Розыск транспортных средств

Системы ANPR интегрированы с базами данных ГИБДД, МВД и ФССП. При обнаружении автомобиля, находящегося в розыске (угнанного, числящегося в угоне, с неоплаченными штрафами), система автоматически оповещает ближайший наряд полиции.

Контроль доступа

На охраняемых территориях (жилые комплексы, бизнес-центры, промышленные объекты) камеры ANPR открывают шлагбаум при распознавании номера, внесённого в «белый список». Это заменяет традиционные пропускные системы.

Технические характеристики

Современные системы ANPR характеризуются следующими параметрами:

• Разрешение камеры — от 2 до 20 мегапикселей (для дальнего распознавания требуется большее разрешение).
• Скорость обработки — до 10 кадров в секунду на один канал; для потокового видео — до 30 кадров/с.
• Дальность распознавания — от 5 до 50 метров (в зависимости от камеры и условий).
• Скорость транспортного средства — до 250 км/ч (для стационарных камер на трассах).
• Точность распознавания — 95–99% при стандартных условиях; снижается при загрязнении номера, повреждениях, плохом освещении, сильном дожде или снегопаде.
• Угол обзора — до 30 градусов от перпендикуляра к номерному знаку.

Ограничения и проблемы

Несмотря на высокую эффективность, системы ANPR имеют ряд ограничений:

• Зависимость от качества изображения — грязь, снег, царапины, наклейки или рамки на номере могут затруднить распознавание.
• Нестандартные номера — дипломатические, военные, транзитные, прицепы, а также номера иностранных государств распознаются хуже из-за отличий в формате.
• Освещение — блики от фар, солнца или мокрого асфальта могут искажать символы.
• Скорость движения — при очень высокой скорости (свыше 250 км/ч) камера может не успеть сделать чёткий снимок.
• Конфиденциальность — сбор и хранение данных о передвижении транспортных средств вызывает вопросы о защите персональных данных. В России обработка таких данных регулируется Федеральным законом № 152-ФЗ «О персональных данных».
• Ошибки распознавания — возможны ложные срабатывания (например, номер «А123ВС» может быть ошибочно распознан как «А123ВС» с другим кодом региона). Для минимизации ошибок используются системы верификации с участием оператора.

Перспективы развития

Технология ANPR продолжает совершенствоваться. Основные направления развития включают:

• Использование нейросетей глубокого обучения — повышение точности распознавания в сложных условиях (ночь, дождь, туман).
• Интеграция с системами искусственного интеллекта — анализ поведения водителей (например, распознавание усталости или отвлечения).
• Облачные вычисления — централизованная обработка данных с тысяч камер в реальном времени.
• Мультиспектральные камеры — работа в инфракрасном и ультрафиолетовом диапазонах для улучшения распознавания в любых погодных условиях.
• Автоматическое обновление баз данных — синхронизация с реестрами транспортных средств в реальном времени.

Источники

1. Федеральный закон от 27.07.2006 № 152-ФЗ «О персональных данных».
2. Постановление Правительства РФ от 21.08.2013 № 725 «О требованиях к автоматическим средствам фиксации административных правонарушений».
3. ГОСТ Р 57145-2016 «Системы автоматической фиксации нарушений правил дорожного движения. Общие технические требования».
4. «Технологии распознавания номерных знаков: обзор и перспективы» — журнал «Информационные технологии и вычислительные системы», 2022.
5. Данные ГИБДД МВД России о количестве камер АФН (2023).
6. «Системы ANPR в России: опыт внедрения и эксплуатации» — доклад на конференции «Цифровые технологии в транспортной инфраструктуре», 2021.