ナンバープレート検出にUltralytics YOLO11、テキスト認識にGPT-4o Miniを使用して、リアルタイムの精度でANPRシステムを構築する方法を学びます。
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認識を可能にすることで、これを変えました。たとえば、Ultralytics YOLO11は、物体検出、分類、追跡などの高度なVision 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の物体検出機能を使用すると、画像内の車両ナンバープレートを正確に検出できます。
Ultralyticsは、Vision AIを活用した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、必要な依存関係、モデル、およびステップごとのガイドが事前に構成されているため、アプリケーションの作成が容易になります。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、ANPRにUltralytics Colabノートブックを使用し、ナンバープレート検出にUltralytics YOLO11、テキスト認識にGPT-4o Miniを使用してANPRソリューションを構築する方法を探ります。
手動での車両追跡は時間がかかり、特に車両が高速で移動している場合はエラーが発生しやすくなります。ナンバープレートを1つずつ確認すると、プロセスが遅くなり、ミスのリスクが高まります。自動ナンバープレート認識は、コンピュータビジョンを使用してナンバープレートを即座に検出し読み取ることで、この問題を解決し、交通監視とセキュリティをより効率的にします。
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。
今日、料金所、駐車場システム、および法執行機関は、車両を効率的に追跡するためにANPRにますます依存しています。
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は、ANPRシステムをより高速かつ正確にすることができます。精度を維持しながら画像を迅速に処理し、大きな計算能力を必要としないため、小型のセキュリティカメラから大規模な交通システムまで、あらゆるものに適しています。
カスタムトレーニングにより、YOLO11はさまざまなナンバープレートのスタイル、言語、環境に適応できます。また、特殊なデータセットでカスタムトレーニングを行うことで、低照度、モーションブラー、困難な角度などの厳しい条件でも優れた性能を発揮します。これらのデータセットには、これらの条件の画像が含まれています。
YOLO11は、車両を即座に識別することで、待ち時間を短縮し、エラーを防ぎ、セキュリティを向上させます。これにより、駐車場、料金所、監視システムでの交通の流れがスムーズになり、業務効率が向上します。
次に、YOLO11とGPT-4o Miniを使用してANPRシステムを構築する方法を順を追って説明します。
このソリューションでは、UltralyticsのGoogle Colabノートブックで紹介されているコードを詳しく見ていきます。Google Colabノートブックは使いやすく、複雑なセットアップなしで誰でもANPRシステムを作成できます。
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します。このパッケージは、YOLO11を使用してナンバープレートの検出と認識を容易にする、事前トレーニング済みのモデル、トレーニングユーティリティ、および推論ツールを提供します。
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がナンバープレートを検出し、GPT-4o Miniがナンバープレートからテキストを認識して抽出できるようになります。
これで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検出するためにカスタム学習された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検出するように学習されているため、最初から学習する必要はありません。ダウンロードするだけで、すぐに使用できます。これにより、時間を節約でき、プロセスがはるかに簡単になります。
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、実際に動作させてみましょう。まず、ビデオファイルが正しく開くように、処理のためにロードされます。次に、検出されたナンバープレートを含む処理済みの映像を、元のサイズとフレームレートを維持しながら保存するように、ビデオライターが設定されます。最後に、モデルがロードされ、ビデオの各フレームでナンバープレートが検出されます。
モデルがロードされると、システムはビデオの各フレームの分析を開始して、ナンバープレートを検出します。プレートが見つかると、システムは検出ボックスでそれを強調表示し、識別しやすくします。このステップにより、不要な背景情報が除外され、関連する詳細のみがキャプチャされるようになります。プレートが正常に検出されたので、ビデオは次の段階に進む準備ができました。
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。
ANPRソリューションを構築およびテストした後、次のステップは実際の環境に展開することです。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はエッジAI向け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に、小型デバイス上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は、YOLO11をエッジデバイスに展開して、入場する車両を識別し、大規模なサーバーの必要性をなくすことができます。すべてが現場でリアルタイムに処理され、スムーズなアクセス、混雑の緩和、およびセキュリティの強化が保証されます。
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が複数のカメラを同時に処理できます。たとえば、ショッピングモールでは、さまざまな入り口にある車両を追跡し、ナンバープレート番号を中央システムに保存できるため、駐車場を監視し、セキュリティを向上させ、車両の流れをリモートで管理することが容易になります。
Ultralytics YOLO11を使用すると、自動ナンバープレート認識（ANPR）システムを簡単にセットアップできます。ナンバープレートを高精度に検出し、さまざまな環境や要件に合わせてカスタムトレーニングできます。
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。
