Командой ученых из Университета науки и технологий МИСИС и специалистов компании «СИТИЛАБС» были улучшены алгоритмы для камер видеонаблюдения
Они позволяют определять засвеченные и смазанные номера автомобилей. Это рассказали представители МИСИС. Одной из главных задач при анализе дорожно-транспортных ситуаций, включая условия на технологических дорогах, является идентификация автомобилей по их государственному регистрационному номеру. Однако, из-за высокой скорости движения машин, яркого света фар, пыли и ограниченных возможностей камер, распознавание номеров может быть неправильным.
Для определения степени засвеченности номера специалисты предлагают использовать анализ гистограммы яркостей. Для детектирования автомобилей и номеров они используют нейронную сеть YOLO-V5, которая широко известна.
При обучении нейронных сетей для идентификации автомобилей и номеров были созданы датасеты, которые учитывали время суток, сезонность и погоду. После определения области номера на изображении, выбранный фрагмент преобразуется в одномерное серое изображение в трехмерном цветовом пространстве RGB. Затем расчет гистограммы позволяет выделить часть, которая отвечает за засвеченность. В результате этой классификации правильно определяется 95,7% засвеченных номеров.
Для определения степени смазанности номера была создана нейронная сеть с уникальной архитектурой, которая обеспечивает точность классификации на уровне 96,4% за минимальное время обработки на ПК — 0,073 мс.
Важной задачей при работе с нейронной сетью для определения степени смазанности было создание датасета для обучения. Разработанный алгоритм не только классифицирует изображения на читаемые и нечитаемые номера, но также дает количественную оценку степени смазанности и засвеченности номера.
