ナンバープレート検知にUltralytics YOLO11 、リアルタイム精度のテキスト認識にGPT-4o Miniを使用したANPRシステムの構築方法をご紹介します。
混雑した駐車場での駐車場の検索、料金所の長い列での待ち時間、またはセキュリティチェックポイントでの立ち往生は、イライラの種です。手動による車両チェックは時間がかかりすぎ、遅延の原因となることがよくあります。自動化されたシステムがなければ、効率的に車両を追跡することは困難です。
コンピュータ・ビジョンは、画像やビデオストリームからリアルタイムでナンバープレートを認識することを可能にし、この状況を変えた。例えば Ultralytics YOLO11は、物体検出、分類、追跡などの高度なビジョンAIタスクを実行できる高度なコンピュータビジョンモデルです。YOLO11物体検出能力を使えば、画像内の車両ナンバープレートを正確にdetect ことができます。
Ultralytics 、Vision AI搭載ソリューションの構築プロセスを簡素化する包括的なGoogle Colabノートブックを提供しています。これらのノートブックには必要不可欠な依存関係、モデル、ステップバイステップのガイドがあらかじめ設定されており、アプリケーションの作成が簡単になります。特に、ANPR（自動ナンバープレート認識）専用のColabノートブックがあります。
この記事では、Ultralytics Colab notebook for ANPRを使用して、ナンバープレート検出用のUltralytics YOLO11 テキスト認識用のGPT-4o Miniを使用したANPRソリューションの構築方法を探ります。
手作業で車を追跡するのは時間がかかり、ミスが起こりやすい。ナンバープレートを1つ1つ確認するのはプロセスを遅らせ、ミスのリスクを高める。 自動ナンバープレート認識は、コンピューター・ビジョンを使ってナンバープレートを瞬時にdetect ・読み取り、交通監視と警備をより効率的にすることで、この問題を解決する。
ANPRシステムは、通過する車両の画像またはビデオをキャプチャし、リアルタイムの物体検出を使用してナンバープレートを識別できます。検出されると、テキスト認識を使用して、人間の介入を必要とせずにプレート番号を自動的に抽出します。このプロセスにより、車両が高速で移動している場合や、プレートが部分的に隠されている場合でも、正確な結果が保証されます。
現在、料金所、駐車場システム、法執行機関は、車両を効率的にtrack するために、ますますANPRに頼っている。
ANPRは車両を迅速に識別しますが、その精度に影響を与える可能性のある課題がいくつかあります。ANPRシステムの動作に影響を与える可能性のある一般的な問題を以下に示します。
Ultralytics YOLO11 11は、ANPRシステムをより速く、より正確にすることができます。精度を保ちながら素早く画像を処理し、重い計算能力を必要としないため、小型の防犯カメラから大型の交通システムまで、あらゆるものに対応します。
カスタムトレーニングにより、YOLO11 異なるナンバープレートのスタイル、言語、環境に適応させることができます。また、低照度、モーションブラー、難しいアングルなどの厳しい条件下でも、これらの条件の画像を含む特殊なデータセットでカスタムトレーニングすることで、優れた性能を発揮します。
YOLO11 、車両を瞬時に識別することで、待ち時間の短縮、エラーの防止、セキュリティの向上に貢献します。これにより、駐車場、料金所、監視システムにおいて、交通の流れがスムーズになり、業務が効率化されます。
次に、YOLO11 GPT-4o Miniを使ってANPRシステムを構築する方法を説明しよう。
このソリューションのために、Ultralytics Google Collab notebookで紹介されているコードを探ります。Google Collabnotebookは使いやすく、複雑な設定をしなくても誰でもANPRシステムを作ることができる。
まず、ANPR システムを実行するために必要な、不可欠なソフトウェアパッケージとライブラリである依存関係をインストールする必要があります。これらの依存関係は、物体検出、画像処理、テキスト認識などのタスクを支援し、システムが効率的に動作するようにします。
以下に示すように、Ultralytics Python パッケージをインストールする。このパッケージは、事前に学習されたモデル、学習ユーティリティ、推論ツールを提供し、YOLO11使ったナンバープレートのdetect 認識を容易にします。
テキスト認識のためにGPT-4o Miniもセットアップする必要があります。GPT-4o Miniは、検出されたナンバープレートからテキストを抽出する役割を担うため、モデルにアクセスするためのAPIキーが必要です。このキーは、GPT-4o Mini APIにサインアップすることで取得できます。キーを取得したら、システムがモデルに接続してナンバープレートを処理できるように、Colabノートブックに追加できます。
セットアップを完了し、インストールコードを実行すると、YOLO11 ナンバープレートをdetect する準備ができ、GPT-4o Miniはナンバープレートを認識してテキストを抽出するようにセットアップされます。
すべてのセットアップが完了したので、次のステップは、ナンバープレートをdetect するようにカスタムトレーニングされたYOLO11 モデルをダウンロードすることです。このモデルはすでにナンバープレートをdetect するようにトレーニングされているので、ゼロからトレーニングする必要はない。ダウンロードするだけですぐに使えます。これにより、時間を節約し、プロセスをより簡単にすることができます。
また、システムのテスト用にサンプルビデオファイルをダウンロードします。必要に応じて、このソリューションをご自身のビデオファイルで実行することも可能です。ダウンロードが完了すると、モデルとビデオファイルはノートブック環境に保存されます。
モデルの準備ができたら、いよいよ実際に見てみよう。まず、ビデオファイルを読み込んで処理し、正しく開くことを確認する。次に、オリジナルのサイズとフレームレートを維持しながら、検出されたナンバープレートとともに処理された映像を保存するためにビデオライターがセットアップされます。最後に、ビデオの各フレームでナンバープレートをdetect するモデルが読み込まれる。
モデルがロードされると、システムはナンバープレートをdetect するためにビデオの各フレームの分析を開始する。ナンバープレートが見つかると、システムはそれを検出ボックスで強調表示し、識別を容易にします。このステップにより、不必要な背景情報がフィルタリングされ、関連する詳細情報のみがキャプチャされます。ナンバープレートの検出が成功すると、ビデオは次の段階に進むことができる。
ナンバープレートを検出した後の次のステップは、テキスト認識です。システムはまず、ビデオフレームからプレートを切り出し、不要なものをすべて取り除いて見やすくします。これにより、細部に焦点が当てられ、低照度やモーションブラーなどの困難な条件下でも精度が向上します。
プレートが分離されると、GPT-4o Miniが画像を分析し、数字と文字を抽出し、読み取り可能なテキストに変換します。認識されたテキストはビデオに戻され、検出された各プレートにリアルタイムでラベルが付けられます。
これらの手順が完了すると、ANPR システムは完全に機能し、ナンバープレートを簡単に認識できるようになります。
最後のステップでは、処理されたビデオを保存し、一時ファイルをクリーンアップして、すべてがスムーズに実行されるようにします。
検出されたナンバープレートと認識されたテキストを含む処理済みの各フレームは、最終的な出力ビデオに書き込まれます。すべてのフレームが処理されると、システムは読み取り元のビデオファイルを閉じ、メモリとシステムリソースを解放します。また、出力ビデオを確定して保存し、再生またはさらなる分析に備えます。
AMPRソリューションを構築してテストした後、次のステップは実環境での展開です。ほとんどのVision AIモデルは高性能コンピューティングに依存していますが、Ultralytics YOLO11 11はエッジAIに最適化されています。クラウド処理や常時インターネット接続を必要とせず、小型デバイスで効率的に実行できるため、リソースが限られた場所での使用に最適です。
例えば、ゲーテッド・コミュニティでは、エッジ・デバイスにYOLO11 導入することで、車両が進入する際に車両を識別し、大規模なサーバーを不要にすることができる。すべてがリアルタイムでオンサイト処理され、スムーズなアクセス、混雑の緩和、セキュリティの強化が保証される。
一方、インターネット接続が安定している地域では、クラウドベースのANPRは複数のカメラを同時に扱うことができる。例えば、ショッピングモールでは、さまざまな入り口の車両をtrack し、プレートナンバーを中央システムに保存することができるため、駐車場の監視、セキュリティの向上、車両の流れの遠隔管理が容易になる。
自動ナンバープレート認識（ANPR）システムのセットアップは、Ultralytics YOLO11使えば簡単です。正確にナンバープレートを検出し、様々な環境や要件に適応するようにカスタムトレーニングすることができます。
ANPRシステムは、セキュリティを強化し、駐車場管理を効率化し、交通監視を改善します。ナンバープレート認識を自動化することにより、エラーを減らし、識別を迅速化し、さまざまなアプリケーションで車両追跡をより効率的にします。
コミュニティに参加し、GitHubリポジトリにアクセスして、AIの活用事例をご覧ください。ライセンスオプションをご確認いただき、ソリューションページで製造業におけるVision AIや自動運転車におけるAIについて詳しくご覧ください。
