SOHGA разработала MEGURU — мобильную систему патрулирования на базе Ultralytics YOLO26, которая позволяет сотрудникам парковки практически мгновенно сканировать номерные знаки, проходя мимо припаркованных автомобилей. MEGURU стандартизирует процесс и сокращает время патрулирования.
Патрулирование парковок — это стандартная, но требующая значительных операционных ресурсов задача в самых разных отраслях Японии. В некоторых сферах, например в здравоохранении, патрулирование парковок обязательно. Так, больницам необходимо освобождать подъездные дороги для машин скорой помощи и пользователей инвалидных колясок, а представители других отраслей обязаны проверять парковки на наличие оставленных без присмотра людей. Для сотрудников, которые несколько раз в день обходят большие парковки, постоянный контроль каждого автомобиля представляет собой серьёзную операционную проблему.
Компания SOHGA Co. создала MEGURU, чтобы решить эту проблему. Работая на базе Ultralytics YOLO26, MEGURU представляет собой мобильную систему распознавания номерных знаков, которая помогает сотрудникам патруля отслеживать каждый автомобиль на парковке в реальном времени, автоматически отличая уже проверенные автомобили от непроверенных с помощью простых звуковых сигналов, воспроизводимых на смартфоне.
Использование компьютерного зрения для поддержки патрулирования парковок#
Система MEGURU от SOHGA построена вокруг простого рабочего процесса. Сотрудник закрепляет iPhone на моноподе и проходит по парковке в обычном темпе. Проходя мимо каждого автомобиля, система в реальном времени сканирует номерной знак и воспроизводит звуковой сигнал: один — для нового автомобиля, который ещё не был зарегистрирован, и другой — для уже проверенного.
Такой подход, ориентированный прежде всего на звук, выбран намеренно. Сотрудники патруля не просто записывают номерные знаки — они также заглядывают в окна автомобилей, чтобы проверить наличие людей внутри. Передавая информацию с помощью звука, а не требуя смотреть на экран, MEGURU позволяет сотрудникам сосредоточиться на автомобиле, а не на устройстве. Новый номерной знак обрабатывается практически мгновенно, поэтому сотрудник может переходить от одного автомобиля к следующему каждые 2–3 секунды. Во время обхода MEGURU успевает за сотрудником в реальном времени и эффективно передаёт звуковые сигналы, не отвлекая его внимание от визуального контроля.
Сейчас система используется у 112 клиентов в восточной Японии и работает на 147 устройствах, в среднем сокращая время патрулирования примерно на 30%. В наиболее показательном задокументированном случае патрулирование, которое раньше занимало два часа, было завершено за 40 минут.
Проблемы распознавания номерных знаков на движущемся устройстве#
Надёжное распознавание номерных знаков в контролируемой статичной среде — хорошо изученная задача. Её выполнение на переносном смартфоне, который перемещается по парковке, значительно сложнее. Пока сотрудник идёт, устройство трясётся, угол обзора меняется от автомобиля к автомобилю, освещение меняется, а номерные знаки находятся на разном расстоянии и под разными углами. Такие условия вызывают размытие из-за движения и непостоянное кадрирование, из-за чего стандартные подходы OCR становятся ненадёжными.
В ходе разработки SOHGA оценила OCR и обнаружила, что система часто ошибалась при распознавании визуально похожих символов. Для системы, зависящей от точной идентификации номерных знаков, это серьёзная проблема. На японских номерных знаках используется определённый набор символов, а не произвольный алфавит, поэтому возникла идея применить более специализированный подход: обучить модель обнаруживать только те символы, которые действительно могут присутствовать на номерном знаке, вместо использования универсальной системы распознавания текста.
Этот подход также сделал модель более устойчивой к физическим особенностям среды сканирования. Поскольку обучающие данные отражали реальные условия, включая размытие из-за движения, наклон и переменное освещение, модель научилась обрабатывать эти изменения, а не ошибаться из-за них.
Как SOHGA использует Ultralytics YOLO26#
В конвейере компьютерного зрения MEGURU последовательно работают две модели Ultralytics YOLO:
Обнаружение номерного знака. Первая модель определяет положение номерного знака в каждом кадре камеры. Работая со скоростью 10 кадров в секунду на iPhone, она непрерывно находит область изображения с номерным знаком, пока устройство перемещается мимо каждого автомобиля.
Распознавание символов. Вторая модель получает обрезанную область с номерным знаком и определяет каждый символ. Поскольку она обучена специально на наборе символов, используемом на японских номерных знаках, модель работает в ограниченном пространстве обнаружения, что повышает точность по сравнению с универсальным OCR. Чтобы учитывать изменения между кадрами, вызванные движением, система перед подтверждением распознавания применяет механизм голосования большинством по нескольким кадрам.
Скорость и возможность обучения YOLO сыграли ключевую роль в создании этой системы. Для выполнения инференса в реальном времени на обычном потребительском смартфоне нужна одновременно точная и лёгкая модель. Обучение на специализированном датасете, а не использование готовой модели OCR, дало SOHGA необходимый контроль для настройки производительности под конкретный сценарий применения. В результате распознавание номерных знаков стало практически мгновенным: временной интервал в 2–3 секунды соответствует темпу ходьбы сотрудника между автомобилями, а MEGURU успевает за этой скоростью и передаёт звуковые сигналы в реальном времени, не заставляя сотрудника ждать.
Почему стоит выбрать модели Ultralytics YOLO?#
Модели Ultralytics YOLO обеспечили сочетание производительности в реальном времени и гибкости обучения, необходимое MEGURU. Поскольку система работает на стандартном iPhone, а не на специализированном оборудовании, ей требовалась модель, способная выполнять точный инференс со скоростью 10 FPS в двухэтапном конвейере, включающем обнаружение и распознавание символов, без зависимости от GPU или облачного подключения. Эффективная архитектура YOLO сделала это возможным.
Возможность обучать модель на специализированном датасете была не менее важна. На японских номерных знаках используется ограниченный набор символов, и создание модели, обученной именно на этих символах, вместо применения универсальной системы распознавания текста дало SOHGA более надёжную и точную основу для обнаружения символов. Тот же процесс обучения позволил модели стать устойчивой к реальным условиям патрулирования: размытию из-за движения, косым углам обзора и переменному освещению.
SOHGA также обнаружила неожиданное преимущество для качества патрулирования. В ходе контролируемого испытания с использованием оборудования для мониторинга мозговых волн компания установила, что без MEGURU сотрудники могли сохранять концентрацию во время патрулирования примерно 10–15 минут. Благодаря непрерывной звуковой обратной связи MEGURU и отсутствию необходимости вручную записывать номерные знаки сотрудники могли сохранять сосредоточенное внимание до часа — то есть на протяжении всего обхода.
Масштабирование операций по патрулированию по всей Японии#
Сейчас MEGURU используется у более чем 100 клиентов в восточной Японии, а число активно работающих устройств превышает 140. Система обслуживает две основные группы клиентов, каждая из которых применяет её для решения конкретной операционной задачи.
Больницы: Незаконно припаркованные автомобили на подъездных дорогах больниц могут блокировать маршруты машин скорой помощи и препятствовать проезду инвалидных колясок. MEGURU помогает сотрудникам больничных патрулей эффективнее выявлять и регистрировать автомобили-нарушители.
Залы пачинко: Японские правила требуют от залов пачинко патрулировать свои парковки и проверять, не оставлены ли в автомобилях люди или дети без присмотра. MEGURU предоставляет сотрудникам патруля последовательный и структурированный способ регистрировать каждый автомобиль на парковке и не пропускать ни один, заменяя ручной процесс, который было сложно проверять и стандартизировать. Основная функция MEGURU — упростить различение проверенных и непроверенных автомобилей, снизить утомление сотрудников от необходимости постоянно концентрироваться и повысить эффективность осмотра салонов, что в конечном итоге помогает спасать жизни.
Ещё одно практическое применение — борьба с несанкционированной парковкой. Автомобили, которые регулярно использовали парковку, не являясь клиентами залов пачинко, долгое время оставались постоянной проблемой, которую было сложно эффективно решать. Анализируя схемы парковки, такие автомобили можно чётко выявлять, а, согласно сообщениям, выдача предупреждений позволила свести повторные нарушения к нулю.
Рис. 1. Номерной знак, анализируемый MEGURU.
Помимо основного сценария патрулирования, SOHGA расширила возможности MEGURU для анализа посетителей: поскольку на японских номерных знаках указан зарегистрированный регион автомобиля, а данные о номерных знаках по японскому законодательству не относятся к персональной информации, клиенты могут использовать записи MEGURU, чтобы понимать, откуда приезжают посетители, как долго они остаются и насколько часто возвращаются.
Структурирование и стандартизация патрулирования парковок#
MEGURU решает простую операционную задачу: как убедиться, что каждый автомобиль на парковке проверен, — и делает это практичным и масштабируемым способом. Запуская две модели Ultralytics YOLO26 на стандартном iPhone, SOHGA создала систему, работающую в реальных условиях действующей парковки.
Результаты можно измерить. В разных вариантах развертывания среднее время патрулирования сократилось на 30%, а сотрудники смогли сохранять стабильную концентрацию на протяжении всего обхода. Более чем 100 клиентов и 140 устройств, развернутых в восточной Японии, делают MEGURU отличным примером того, как модели компьютерного зрения активно применяются в городах для мониторинга безопасности, а также служат надёжным инструментом управления парковками.
Интересуешься искусственным интеллектом для компьютерного зрения? Ознакомься с нашими вариантами лицензирования, чтобы использовать компьютерное зрение в своих проектах. Посети наш репозиторий на GitHub и присоединяйся к нашему сообществу.
