Verwendung von Ultralytics YOLO11 für die automatische Nummernschilderkennung

So funktioniert die automatische Nummernschilderkennung

Die automatische Nummernschilderkennung umfasst einige wichtige Schritte zur schnellen und genauen Identifizierung von Kfz-Kennzeichen. Schauen wir uns an, wie diese Schritte zusammenwirken, um den Prozess effizient zu gestalten:

• Bilderfassung: Zunächst werden Kameras eingesetzt, um Bilder von Fahrzeugen zu erfassen. Diese Kameras können an festen Standorten wie Mautstellen installiert oder zur Mobilität auf Polizeifahrzeugen montiert werden.
  ‍
• Erkennung von Nummernschildern: Dann werden Objekterkennungsmodelle wie YOLO11 verwendet, um das Nummernschild im Bild zu finden.
  ‍
• Optische Zeichenerkennung (OCR): Als Nächstes wird OCR verwendet, um die Zeichen auf dem Schild (im Bild) zu lesen und sie in maschinenlesbaren Text umzuwandeln.
  ‍
• Datenbankabfrage: Die Textdaten werden dann mit einer Datenbank abgeglichen, um die Kennzeicheninformationen zu bestätigen.

‍

ANPR-Systeme sind oft mit Herausforderungen wie schlechter Beleuchtung, unterschiedlichen Kennzeichen und schwierigen Umgebungsbedingungen konfrontiert. YOLO11 kann dazu beitragen, diese Probleme zu lösen, indem es die Erkennungsgenauigkeit und -geschwindigkeit auch unter schwierigen Bedingungen erhöht. Mit Modellen wie YOLO11 arbeitet ANPR zuverlässiger und erleichtert die Identifizierung von Nummernschildern in Echtzeit, egal ob bei Tag oder Nacht oder bei schlechtem Wetter. Im nächsten Abschnitt sehen wir uns genauer an , wie Sie YOLO11 einsetzen können, um diese Verbesserungen zu erreichen.

Wie YOLO11 ein ANPR-System verbessern kann

Ultralytics YOLO11 wurde erstmals auf der jährlichen Hybrid-Veranstaltung von Ultralytics, YOLO Vision 2024 (YV24), vorgestellt. Als Objekterkennungsmodell, das Echtzeitanwendungen unterstützt, ist YOLO11 eine hervorragende Option zur Verbesserung von Innovationen wie ANPR-Systemen. YOLO11 ist auch für Edge AI-Anwendungen geeignet. So können ANPR-Lösungen, die mit YOLO11 integriert sind, auch bei einer unzuverlässigen Netzwerkverbindung effektiv arbeiten. So können ANPR-Systeme auch an abgelegenen Orten oder in Gebieten mit eingeschränkter Konnektivität nahtlos funktionieren.

YOLO11 bringt auch Effizienzverbesserungen im Vergleich zu seinen Vorgängern. Zum Beispiel erreicht YOLO11m eine höhere durchschnittliche Genauigkeit (mAP) auf dem COCO-Datensatz mit 22 % weniger Parametern im Vergleich zu YOLOv8m. Mit YOLO11 können ANPR-Systeme mit verschiedenen Herausforderungen wie wechselnden Lichtverhältnissen, unterschiedlichen Kennzeichen-Designs und sich bewegenden Fahrzeugen besser umgehen, was zu einer zuverlässigeren und effektiveren Nummernschilderkennung führt.

‍

Wenn Sie sich fragen, wie Sie YOLO11 in Ihrem ANPR-Projekt verwenden können, ist das ganz einfach. Die Varianten der YOLO11-Modelle, die die Objekterkennung unterstützen, wurden mit dem COCO-Datensatz trainiert. Diese Modelle können 80 verschiedene Arten von Objekten erkennen, z. B. Autos, Fahrräder und Tiere. Nummernschilder gehören zwar nicht zu den vortrainierten Etiketten, aber die Benutzer können YOLO11 mit Hilfe des Ultralytics Python-Pakets oder der codelosen Ultralytics HUB-Plattform leicht auf die Erkennung von Nummernschildern trainieren. Die Benutzer haben die Flexibilität, einen eigenen Nummernschilddatensatz zu erstellen oder zu verwenden, um ihr individuell trainiertes YOLO11-Modell perfekt für ANPR zu machen.

Anwendungen eines mit YOLO11 integrierten ANPR-Systems

Als Nächstes werfen wir einen Blick auf die verschiedenen Anwendungen, bei denen ANPR und YOLO11 zusammen eingesetzt werden können, um die Effizienz und Genauigkeit zu verbessern.

Kennzeichenerfassung in Echtzeit für Verkehr und Strafverfolgung

In belebten Städten, in denen sich Autos über Kreuzungen und Autobahnen bewegen, müssen Verkehrsbeamte Staus verwalten, Verkehrsverstöße überwachen und die öffentliche Sicherheit gewährleisten. ANPR, wenn es in YOLO11 integriert ist, kann einen großen Unterschied bei diesen Bemühungen machen. Durch die sofortige Erkennung von Fahrzeugkennzeichen können die Behörden den Verkehrsfluss im Auge behalten, Verkehrsgesetze durchsetzen und Fahrzeuge, die an Verstößen beteiligt sind, schnell identifizieren. Zum Beispiel können Fahrzeuge, die zu schnell fahren, leicht ausfindig gemacht werden. 

‍

Insgesamt kann ANPR mit YOLO11 Aufgaben automatisieren, die sonst manuell durchgeführt werden müssten. Es kann Fahrzeuge erkennen, die rote Ampeln überfahren, und den Betrieb von Mautstellen verwalten. Die Automatisierung dieser Aufgaben macht das System nicht nur effizienter, sondern verringert auch die Arbeitsbelastung der Verkehrsbeamten, sodass sie sich auf wichtigere Aufgaben konzentrieren können.

Bei der Strafverfolgung können YOLO11 und ANPR zusammenarbeiten, um gestohlene Fahrzeuge zu verfolgen und solche zu identifizieren, die für verdächtige Aktivitäten gekennzeichnet sind. Die Echtzeiterkennung von YOLO11 stellt sicher, dass Fahrzeuge schnell und zuverlässig erkannt werden, auch wenn sie sich schnell bewegen. Diese Fähigkeit trägt zur Verbesserung der öffentlichen Sicherheit bei, indem sie schnellere Reaktionszeiten und eine effektivere Strafverfolgung ermöglicht.

Hochmoderne Parkraumbewirtschaftungssysteme und ANPR

Eine weitere interessante Anwendung von ANPR mit YOLO11 sind Parkraumbewirtschaftungssysteme. Es ermöglicht zum Beispiel Parkplätze, auf denen Autos einfahren, parken und ausfahren können, ohne dass der Fahrer mit einem Ticketautomaten oder einem Parkwächter interagieren muss. ANPR-Parksysteme, die YOLO11 verwenden, können zu einer reibungslosen Einfahrt, Ausfahrt und Zahlungsabwicklung beitragen.

‍

Wenn sich ein Fahrzeug dem Eingangstor nähert, erkennt ANPR powered by YOLO11 das Nummernschild sofort. Das System gleicht dann das Kennzeichen mit einer vorregistrierten Datenbank ab oder erstellt einen neuen Eintrag. Das Tor öffnet sich automatisch und lässt das Fahrzeug einfahren, ohne dass manuelle Schritte erforderlich sind. Der beschleunigte Prozess bietet den Fahrern ein bequemeres Erlebnis.

Wenn ein Fahrzeug ausfährt, erkennt das System das Nummernschild erneut mit YOLO11. Es berechnet die Parkzeit und kann die Zahlung automatisch abwickeln, wenn das Fahrzeug mit einer Zahlungsmethode registriert ist. Die Automatisierung macht physische Bezahlautomaten überflüssig und trägt dazu bei, Staus an den Ausfahrten zu verringern, insbesondere zu Stoßzeiten.

Die Fähigkeit von YOLO11, Nummernschilder genau und in Echtzeit zu erkennen, ist der Schlüssel zum reibungslosen Funktionieren dieser Parkmanagementsysteme. Es macht das Parken nicht nur bequemer, sondern hilft den Betreibern auch, ihre Einrichtungen besser zu verwalten, indem es die manuelle Arbeit reduziert und den Verkehrsfluss verbessert.

Einsatz von ANPR für die Zugangskontrolle in Sicherheitssystemen

ANPR-Systeme, die in YOLO11 integriert sind, sind eine großartige Option für die Verwaltung des Zugangs zu Sicherheitsbereichen wie Gated Communities, Firmengeländen und gesperrten Einrichtungen. Durch den Einsatz von ANPR können diese Orte ihre Sicherheit automatisieren und sicherstellen, dass nur autorisierte Fahrzeuge eingelassen werden.

‍

Es ähnelt dem Parkraumbewirtschaftungssystem, das wir bereits besprochen haben. Der Hauptunterschied besteht darin, dass das System das Kennzeichen mit einer Liste der zugelassenen Fahrzeuge abgleicht. Wenn das Fahrzeug zugelassen ist, öffnet sich das Tor automatisch und bietet Anwohnern, Mitarbeitern oder Besuchern nahtlosen Zugang, während die Sicherheit gewährleistet ist. Das Verfahren reduziert den Bedarf an manuellen Kontrollen, so dass sich das Sicherheitspersonal auf wichtigere Aufgaben konzentrieren kann.

ANPR-Systeme sind ein wichtiger Teil der Zukunft der intelligenten Städte

Nachdem wir nun einige Anwendungen von ANPR-Systemen, die mit YOLO11 integriert sind, durchgespielt haben, lassen Sie uns über diese Anwendungen in einem größeren Zusammenhang nachdenken. 

Ihre Vorteile kommen nicht nur als Einzelanwendungen zum Tragen, sondern vor allem dann, wenn sie als eine zusammenhängende Lösung für die städtische Infrastruktur für intelligente Städte betrachtet werden. Da sich die Städte immer intelligenter entwickeln, spielen ANPR-Systeme eine immer wichtigere Rolle in der städtischen Infrastruktur.

Stellen Sie sich zum Beispiel eine intelligente Stadt vor, in der ANPR eingesetzt wird, um den Verkehr zu regeln, sicheren Zugang zu gewähren und das Parken zu rationalisieren - alles gleichzeitig. Ein Fahrzeug könnte bei der Einfahrt in die Stadt erkannt, durchgängig verfolgt, der Zugang zu gesperrten Bereichen gewährt und das Parken ohne manuelles Eingreifen erlaubt werden. 

Durch die Integration von Computer-Vision-Modellen wie YOLO11 kann ANPR dazu beitragen, den Verkehr effizienter zu verwalten, die Sicherheit zu erhöhen und die öffentliche Sicherheit zu verbessern. Diese Systeme ermöglichen Echtzeit-Überwachung, automatisierte Prozesse und datengestützte Entscheidungen, die für die Verwaltung der wachsenden Komplexität moderner Städte unerlässlich sind. 

Ein letzter Blick auf ANPR mit YOLO11 

ANPR-Systeme sind für die moderne städtische Infrastruktur unverzichtbar geworden, und die Integration von Computer-Vision-Modellen wie YOLO11 macht sie noch nützlicher. YOLO11 verbessert die ANPR mit besserer Genauigkeit, Echtzeitverarbeitung und Anpassungsfähigkeit und ist damit ideal für Smart-City-Anwendungen. Von der Verbesserung des Verkehrsmanagements und der Strafverfolgung bis hin zur Automatisierung des Parkens und der Zugangskontrolle - mit YOLO11 betriebene ANPR-Systeme sorgen für Effizienz und Zuverlässigkeit. Da die Städte immer intelligenter werden, werden diese Lösungen wahrscheinlich eine entscheidende Rolle bei der Umgestaltung des städtischen Lebens spielen und die Zukunft der intelligenten Infrastruktur unterstützen.

Wenn Sie mehr über KI erfahren möchten, besuchen Sie unser GitHub-Repository und beteiligen Sie sich an unserer Community. Entdecken Sie KI-Anwendungen in der Fertigung und Landwirtschaft auf unseren Lösungsseiten. 🚀