自動車ナンバープレート認識にUltralytics YOLO11を使用する方法

AIの普及に伴い、自動車ナンバープレート認識（ANPR）を活用するイノベーションが増えています。ANPRシステムはコンピュータービジョンを使って車両のナンバープレートを自動で読み取り、車両を識別・追跡します。近年のAIの進歩により、こうしたシステムを日常生活に迅速に導入できるようになりました。実際、料金所や速度違反車両の警察による取り締まりで、ANPRシステムを見かけたことがあるかもしれません。

ナンバープレート認識の重要性はますます高まっており、世界のANPRシステム市場は2027年までに48億ドルに達すると予想されています。この成長の要因の1つは、交通管理やセキュリティなどの用途にANPRがもたらす利点です。

ANPRアプリケーションで最良の結果を得るには、こうしたソリューションを支えるAI技術を理解することが重要です。たとえば、コンピュータービジョンタスクである物体検出は、車両を正確に認識して追跡するために不可欠です。ここでUltralytics YOLO11などのコンピュータービジョンモデルが役立ちます。この記事では、ANPRの仕組みと、特にYOLO11がANPRソリューションをどのように改善できるかを解説します。

図1. Ultralytics YOLOモデルをANPRに使用する例です。

ナンバープレート自動認識の仕組み#

自動車ナンバー自動認識では、車両のナンバープレートをすばやく正確に識別するために、いくつかの重要な手順を実行します。処理を効率化するために、各手順がどのように連携するかを見ていきましょう。

• 画像の撮影: まず、カメラを使って車両の画像を撮影します。カメラは料金所などの固定位置に設置することも、移動できるよう警察車両に取り付けることもできます。
• ナンバープレートの検出: 次に、YOLO11などの物体検出モデルを使って、画像内のナンバープレートを検出します。
• 光学文字認識 (OCR): 次に、OCRを使用してプレート上の文字（画像内）を読み取り、機械可読テキストに変換します。
• データベース照合: その後、テキストデータをデータベースと照合して、プレート情報を確認します。

図2. Ultralytics YOLOモデルを使ったナンバープレート検出の例です。

ANPRシステムは、照明不足、プレートのデザインの違い、厳しい環境条件などの課題に直面することがあります。YOLO11は、条件が厳しい場合でも検出精度と速度を高め、こうした課題への対応に役立ちます。YOLO11などのモデルを使えば、昼夜を問わず、悪天候でも、ANPRの信頼性が高まり、リアルタイムでプレートを識別しやすくなります。次のセクションでは、YOLO11を使ってこうした改善を実現する方法を詳しく見ていきます。

YOLO11でANPRシステムを強化する方法#

Ultralytics YOLO11は、Ultralyticsの年次ハイブリッドイベントであるYOLO Vision 2024（YV24）で初めて発表されました。リアルタイムアプリケーションに対応した物体検出モデルであるYOLO11は、ANPRシステムなどのイノベーションを強化するのに適しています。YOLO11はエッジAIアプリケーションにも適しています。そのため、YOLO11を統合したANPRソリューションは、ネットワーク接続が不安定な場合でも効果的に動作できます。結果として、ANPRシステムは遠隔地や接続性の低い地域でも稼働し続けられます。

YOLO11は、従来モデルと比べて効率も向上しています。たとえばYOLO11mは、COCOデータセットで平均適合率 (mAP)が高く、YOLOv8mと比べてパラメーター数が22%少なくなっています。YOLO11を使うと、ANPRシステムは照明条件の変化、多様なプレートデザイン、移動中の車両など、さまざまな課題により適切に対応でき、ナンバープレート認識の信頼性と有効性が高まります。

図3. Ultralytics YOLO11と以前のバージョンの比較です。

ANPRプロジェクトでYOLO11を使用する方法をお探しなら、手順はとても簡単です。物体検出に対応するYOLO11の各モデルは、COCOデータセットで事前トレーニングされています。これらのモデルは、車、自転車、動物など、80種類のオブジェクトを検出できます。ナンバープレートは事前トレーニング済みのラベルに含まれていませんが、Ultralytics PythonパッケージまたはノーコードのUltralytics Platform（旧Ultralytics HUB）を使って、YOLO11を簡単にカスタムトレーニングし、ナンバープレートを検出できます。独自のデータセットを作成するか、Car License Plateデータセットなどの公開データセットを利用して、ANPRに適したカスタムトレーニング済みYOLO11モデルを作成できます。

YOLO11を統合したANPRシステムの活用例#

次に、ANPRとYOLO11を組み合わせて効率と精度を高められる、さまざまな用途を見ていきます。

交通管理と法執行におけるリアルタイムのナンバープレート検出#

車が交差点や高速道路を行き交う活気ある都市では、交通担当者は渋滞の管理、交通違反の監視、公共の安全確保に取り組む必要があります。YOLO11と統合したANPRは、こうした取り組みに大きく役立ちます。車両のナンバープレートを即座に認識することで、当局は交通の流れを監視し、交通法規を執行し、違反に関与した車両を迅速に特定できます。たとえば、速度超過車両を簡単に検知できます。

図4. ANPRとYOLO11による速度超過車両の検出と識別です。

全体として、YOLO11を使ったANPRは、本来なら手作業が必要なタスクを自動化できます。信号無視車両の検出や料金所の運営管理が可能です。これらのタスクを自動化することで、システムの効率が高まるだけでなく、交通担当者の負担も軽減され、より重要な業務に集中できるようになります。

法執行では、YOLO11とANPRを連携させ、盗難車両を追跡したり、不審な活動に関与したとしてフラグが立てられた車両を特定したりできます。YOLO11のリアルタイム検出により、車両が高速で移動している場合でも、迅速かつ確実に認識できます。この機能は、対応時間の短縮と法執行の効果向上を可能にし、公共の安全に貢献します。

最先端の駐車場管理システムとANPR#

YOLO11を使ったANPRのもう一つの注目すべき用途は、駐車場管理システムです。たとえば、ドライバーが発券機や係員とやり取りしなくても、車が駐車場に入場、駐車、退場できるようになります。YOLO11を使用するANPR駐車場システムは、スムーズな入場、退場、支払いの処理に役立ちます。

図5. Ultralytics YOLOモデルを使った駐車場の管理です。

車両が入口ゲートに近づくと、YOLO11を活用したANPRがナンバープレートを即座に認識します。次にシステムは、プレートを事前登録済みのデータベースと照合するか、新しいエントリーを作成します。ゲートは自動的に開き、手作業を介さずに車両を通します。処理が迅速化されることで、ドライバーの利便性が向上します。

車両が退出する際も、YOLO11を使ってシステムがナンバープレートを再度検出します。駐車時間を計算し、車両に支払い方法が登録されていれば、自動的に決済を処理できます。自動化によって物理的な精算機が不要になり、特に混雑時の出口の渋滞を軽減できます。

YOLO11がナンバープレートを正確かつリアルタイムに検出できることは、これらの駐車場管理システムを円滑に稼働させるうえで重要です。駐車をより便利にするだけでなく、手作業を減らして交通の流れを改善することで、運営者による施設管理の向上にも役立ちます。

セキュリティシステムのアクセス制御にANPRを活用する#

YOLO11と統合されたANPRシステムは、ゲート付き住宅地、企業キャンパス、立ち入り制限区域などのアクセス管理に最適です。ANPRを活用することで、これらの施設はセキュリティを自動化し、許可された車両だけが入場できるようにします。

図6. ANPRを使って許可された車両を安全なエリアに入場させる例です。

先ほど説明した駐車場管理システムと似ています。主な違いは、車両のナンバープレートを許可車両のリストと照合する点です。車両が承認されるとゲートが自動的に開き、居住者、従業員、訪問者は迅速に入場できる一方で、高いセキュリティが維持されます。このプロセスによって手動確認の必要性が減り、警備スタッフはより重要な業務に集中できます。

ANPRシステムはスマートシティの未来を支える重要な要素です#

YOLO11を統合したANPRシステムの活用例をいくつか見てきました。次に、これらの用途をより相互につながった形で考えてみましょう。

個別の用途にとどまらず、スマートシティの都市インフラにおける統合ソリューションとして捉えると、その利点が際立ちます。都市がよりスマートに進化するなか、ANPRシステムは都市インフラにおいてますます重要な役割を果たしています。

たとえば、ANPRを使って交通管理、安全なアクセスの許可、駐車の効率化を同時に行うスマートシティを考えてみましょう。車両が市内に入る際に検知され、市内全域で追跡され、制限区域へのアクセスを許可され、手動操作なしで駐車できるようになります。

YOLO11のようなコンピュータービジョンモデルを統合することで、ANPRは交通管理の効率化、セキュリティの強化、公共の安全性向上に役立ちます。これらのシステムは、リアルタイム監視、自動化されたプロセス、データに基づく意思決定を可能にし、現代都市の複雑化する課題への対応に欠かせません。

YOLO11を活用したANPRのまとめ#

ANPRシステムは現代の都市インフラに不可欠な存在になりつつあり、YOLO11のようなコンピュータービジョンモデルを統合することで、その有用性はさらに高まります。YOLO11は、精度の向上、リアルタイム処理、適応性によってANPRを強化し、スマートシティの用途に最適なものにします。交通管理や法執行の改善から、駐車や安全なアクセスの自動化まで、YOLO11を活用したANPRシステムは効率性と信頼性をもたらします。都市がよりスマートになるにつれ、こうしたソリューションは都市生活の変革と、インテリジェントなインフラの未来を支えるうえで重要な役割を果たすと考えられます。

AIについて詳しく知るには、GitHubリポジトリをご覧いただき、コミュニティにご参加ください。ソリューションページでは、製造業と農業におけるAIの活用例をご紹介しています。