21 октября 2024 г.
Узнайте, как Ultralytics YOLO11 можно использовать в системах автоматического распознавания номерных знаков (ANPR) для обнаружения в реальном времени и помощи в управлении дорожным движением и парковкой.
.webp)
По мере распространения ИИ инновации, зависящие от автоматического распознавания номерных знаков (ANPR), становятся все более распространенными. Системы ANPR используют компьютерное зрение для автоматического считывания номерных знаков транспортных средств и их идентификации и отслеживания. В последнее время достижения в области ИИ позволили быстро интегрировать такие системы в нашу повседневную жизнь. Фактически, вы, возможно, видели системы ANPR на пунктах взимания платы или во время полицейских проверок на предмет превышения скорости.
Распознавание номерных знаков становится все более важным, и ожидается, что мировой рынок систем ANPR достигнет 4,8 миллиарда долларов к 2027 году. Фактором этого роста являются преимущества, которые ANPR предлагает для таких приложений, как управление дорожным движением и безопасность.
Чтобы получить наилучшие результаты от приложений ANPR, важно понимать методы ИИ, лежащие в основе этих решений. Например, обнаружение объектов, задача компьютерного зрения, имеет важное значение для точного распознавания и отслеживания транспортных средств, и именно здесь вступают в игру модели компьютерного зрения, такие как Ultralytics YOLO11. В этой статье мы рассмотрим, как работает ANPR и как YOLO11, в частности, может улучшить решения ANPR.
.png)
Автоматическое распознавание номерных знаков включает в себя несколько важных этапов для быстрой и точной идентификации номерных знаков транспортных средств. Давайте разберем, как эти этапы работают вместе, чтобы сделать процесс эффективным:
.png)
Системы ANPR часто сталкиваются с такими проблемами, как плохое освещение, различные конструкции номерных знаков и тяжелые условия окружающей среды. YOLO11 может помочь решить эти проблемы, повысив точность и скорость обнаружения, даже в сложных условиях. С помощью моделей, таких как YOLO11, ANPR может работать более надежно, что упрощает идентификацию номерных знаков в режиме реального времени, будь то днем или ночью, или в плохую погоду. В следующем разделе мы подробнее рассмотрим как вы можете использовать YOLO11 для достижения этих улучшений.
Ultralytics YOLO11 впервые была представлена на ежегодном гибридном мероприятии Ultralytics, YOLO Vision 2024 (YV24). Как модель обнаружения объектов, поддерживающая приложения реального времени, YOLO11 является отличным вариантом для улучшения таких инноваций, как системы ANPR. YOLO11 также подходит для периферийных AI приложений. Это позволяет решениям ANPR, интегрированным с YOLO11, эффективно работать даже при ненадежном сетевом соединении. В результате системы ANPR могут бесперебойно работать в удаленных местах или в районах с ограниченным подключением.
YOLO11 также обеспечивает повышение эффективности по сравнению со своими предшественниками. Например, YOLO11m достигает более высокой средней точности (mAP) на наборе данных COCO с на 22% меньшим количеством параметров по сравнению с YOLOv8m. С помощью YOLO11 системы ANPR могут лучше справляться с различными проблемами, такими как изменяющиеся условия освещения, разнообразный дизайн номерных знаков и движущиеся транспортные средства, что обеспечивает более надежное и эффективное распознавание номерных знаков.
Если вам интересно, как вы можете использовать YOLO11 в своем проекте ANPR, это очень просто. Вариации моделей YOLO11, которые поддерживают обнаружение объектов, были предварительно обучены на наборе данных COCO. Эти модели могут обнаруживать 80 различных типов объектов, таких как автомобили, велосипеды и животные. Хотя номерные знаки не являются частью предварительно обученных меток, пользователи могут легко самостоятельно обучить YOLO11 для обнаружения номерных знаков, используя пакет Ultralytics Python или платформу Ultralytics HUB без кода. Пользователи могут гибко создавать или использовать специальный набор данных номерных знаков, чтобы сделать свою специально обученную модель YOLO11 идеальной для ANPR.
Далее мы рассмотрим различные применения, где ANPR и YOLO11 могут использоваться вместе для повышения эффективности и точности.
В оживленных городах, где автомобили движутся по перекресткам и автомагистралям, сотрудники дорожной полиции должны справляться с заторами, следить за нарушениями правил дорожного движения и обеспечивать общественную безопасность. ANPR, интегрированный с YOLO11, может существенно помочь в этих усилиях. Мгновенно распознавая номерные знаки транспортных средств, власти могут следить за транспортным потоком, обеспечивать соблюдение правил дорожного движения и быстро идентифицировать транспортные средства, причастные к нарушениям. Например, можно легко выявить превышающие скорость транспортные средства.
В целом, ANPR с YOLO11 может автоматизировать задачи, которые в противном случае потребовали бы ручного труда. Он может обнаруживать транспортные средства, проезжающие на красный свет, и управлять работой пунктов оплаты проезда. Автоматизация этих задач не только повышает эффективность системы, но и снижает нагрузку на сотрудников дорожной полиции, позволяя им сосредоточиться на более важных обязанностях.
В правоохранительных органах YOLO11 и ANPR могут работать вместе для отслеживания угнанных транспортных средств и идентификации тех, которые помечены как подозрительные. Обнаружение YOLO11 в реальном времени обеспечивает быстрое и надежное распознавание транспортных средств, даже когда они быстро движутся. Эта возможность помогает повысить общественную безопасность за счет ускорения времени реагирования и повышения эффективности правоохранительной деятельности.
Еще одно интересное применение ANPR с YOLO11 — в системах управления парковкой. Например, это позволяет создавать парковки, куда автомобили могут въезжать, парковаться и выезжать без необходимости взаимодействия водителя с билетным автоматом или обслуживающим персоналом. Системы парковки ANPR, использующие YOLO11, могут помочь в беспрепятственном въезде, выезде и оплате.
Когда транспортное средство подъезжает к въездным воротам, система автоматического распознавания номерных знаков (ANPR) на базе YOLO11 мгновенно распознает номерной знак. Затем система перекрестно проверяет номер с предварительно зарегистрированной базой данных или создает новую запись. Ворота открываются автоматически, пропуская транспортное средство без каких-либо ручных действий. Ускоренный процесс создает более удобный опыт для водителей.
Аналогично, когда транспортное средство уезжает, система снова обнаруживает номерной знак с помощью YOLO11. Она рассчитывает время парковки и может автоматически обработать платеж, если транспортное средство зарегистрировано с использованием способа оплаты. Автоматизация устраняет необходимость в физических платежных автоматах и помогает уменьшить заторы на выездах, особенно в часы пик.
Способность YOLO11 точно и в реальном времени распознавать номерные знаки является ключом к бесперебойной работе этих систем управления парковкой. Наряду с повышением удобства парковки, это помогает операторам лучше управлять своими объектами за счет сокращения ручного труда и улучшения транспортного потока.
Системы ANPR, интегрированные с YOLO11, — отличный вариант для управления доступом к охраняемым территориям, таким как закрытые поселки, корпоративные кампусы и объекты с ограниченным доступом. Используя ANPR, эти места могут автоматизировать свою безопасность, гарантируя, что внутрь допускаются только авторизованные транспортные средства.
Это похоже на систему управления парковкой, которую мы обсуждали ранее. Основное отличие состоит в том, что система проверяет номер по списку авторизованных транспортных средств. Если транспортное средство одобрено, ворота открываются автоматически, обеспечивая беспрепятственный доступ для жителей, сотрудников или посетителей, сохраняя при этом высокий уровень безопасности. Этот процесс снижает потребность в ручных проверках, позволяя сотрудникам службы безопасности сосредоточиться на более важных задачах.
Теперь, когда мы рассмотрели некоторые применения систем ANPR, интегрированных с YOLO11, давайте подумаем об этих приложениях в более взаимосвязанном виде.
Помимо отдельных приложений, их преимущества действительно проявляются, когда они рассматриваются как единое комплексное решение в городской инфраструктуре для умных городов. По мере того, как города развиваются и становятся умнее, системы ANPR играют все более важную роль в городской инфраструктуре.
Например, рассмотрим умный город, где ANPR используется для управления дорожным движением, предоставления безопасного доступа и оптимизации парковки одновременно. Автомобиль может быть обнаружен при въезде в город, отслежен на протяжении всего пути, получить доступ к зонам с ограниченным доступом и припарковаться без какого-либо ручного вмешательства.
Благодаря интеграции моделей компьютерного зрения, таких как YOLO11, ANPR может помочь более эффективно управлять дорожным движением, повысить безопасность и улучшить общественную безопасность. Эти системы обеспечивают мониторинг в реальном времени, автоматизированные процессы и принятие решений на основе данных, что необходимо для управления растущей сложностью современных городов.
Системы ANPR становятся необходимыми для современной городской инфраструктуры, а интеграция моделей компьютерного зрения, таких как YOLO11, делает их еще более полезными. YOLO11 улучшает ANPR благодаря большей точности, обработке в реальном времени и адаптируемости, что делает его идеальным для приложений умного города. От улучшения управления дорожным движением и правоохранительной деятельности до автоматизации парковки и безопасного доступа — системы ANPR на базе YOLO11 обеспечивают эффективность и надежность. По мере того как города становятся умнее, эти решения, вероятно, будут играть решающую роль в преобразовании городской жизни и поддержке будущего интеллектуальной инфраструктуры.
Чтобы узнать больше об ИИ, посетите наш репозиторий на GitHub и присоединяйтесь к нашему сообществу. Изучите применение ИИ в производстве и сельском хозяйстве на страницах с нашими решениями. 🚀
.webp)