XØRAITH
Nuosava kompiuterinė rega.
Nuo kameros vaizdo iki sistemos duomenų.
Kuriame modelius, kurie aptinka transportą, išskiria numerio sritį ir analizuoja jo simbolius. Technologiją vystome ir pritaikome ALPR SiO įvažiavimo valdymui.
Realiame objekte atpažinimas nesibaigia rėmeliu aplink automobilį.
Automobilis juda, keičiasi jo kampas, numeris užima mažą kadro dalį. Dienos šviesą keičia prieblanda, atsiranda atspindžių ir judesio suliejimas. Iš tokio vaizdo reikia išgauti informaciją, kurią būtų galima panaudoti konkrečiame darbo procese.
XØRAITH kuriame iš šios praktinės užduoties. Vystome savo aptikimo ir numerių skaitymo modelius, jų mokymą bei rezultatų vertinimą. Tai leidžia analizuoti, kur grandinė suklydo, ir tobulinti konkrečią jos dalį.
ALPR SiO yra šios technologijos praktinis pritaikymas: atpažinimo duomenys tampa prieigos taisyklių, įvykių istorijos ir įvažiavimo administravimo dalimi.
Paaiškiname principą.
Vidinį įgyvendinimą vystome patys.
Visame kadre modelis ieško transporto priemonių ir galimų numerių sričių. Aptikimo rezultatas nusako jų vietą vaizde. Jis dar nepasako, kas parašyta numeryje ir ar šis automobilis turi leidimą įvažiuoti.
Atskirdama šiuos klausimus, sistema gali toliau dirbti su konkrečiomis vaizdo sritimis, o ne bandyti skaityti visą sceną kaip tekstą.
Numeris gali užimti tik kelias dešimtis vaizdo taškų į plotį. Todėl bendra scenos analizė papildoma numerio srities patikslinimu iš didesnės raiškos kadro.
Taip atskiriame bendrą objekto radimą nuo smulkių simbolių analizės. Jei detalės kameros vaizde nėra, modelis negali patikimai jos atkurti vien iš spėjimo.
Specializuotas skaitytuvas analizuoja numerio sritį ir pateikia simbolių seką bei jos vertinimą. Atpažinimo grandinėje svarbus ne tik galimas tekstas, bet ir tai, ar rezultatas atitinka priėmimo sąlygas.
Ne kiekvienas rastas numeris tampa priimtu skaitymu. Toks skirtumas ypač svarbus, kai duomenis naudoja prieigos valdymo sistema.
ALPR SiO vertina kelių kadrų skaitymus: viename kadre numeris gali būti mažas, kitame — ryškesnis ar matomas kitu kampu. Rezultatų sujungimas yra atskiras sistemos etapas.
Atpažinimo išvada perduodama prieigos taisyklėms. Pats modelis nesuteikia automobiliui leidimo ir nepakeičia objekto administratoriaus nustatytos tvarkos.
TIKRI KAMEROS KADRAI / XØRAITH × ALPR SiO
Penki užfiksuoti atvejai. Originalūs kameros vaizdai, perskaityti numeriai ir kartu pateikti modelio rezultatai.
NUMERIO SRITIS IŠ TO PATIES KADRO
NUMERIO SRITIS IŠ TO PATIES KADRO
NUMERIO SRITIS IŠ TO PATIES KADRO
NUMERIO SRITIS IŠ TO PATIES KADRO
NUMERIO SRITIS IŠ TO PATIES KADRO
Pateikti archyviniai pavyzdžiai iš mūsų objekto. Procentai prie simbolių yra modelio pasitikėjimo įverčiai, o ne bendras sistemos tikslumas. „Nepatvirtinta“ reiškia, kad pateiktame rezultate atributas nebuvo patvirtintas. Vartų būsena šioje peržiūroje nevaldoma.
Automobilis. Numeris. Simboliai.
Pateiktų analizės rezultatų peržiūra.
Keturi sugeneruoti vaizdai parodo skirtingas demonstravimo situacijas. Peržiūrėkite pateiktus XØRAITH aptikimus, numerio iškarpą ir skaitymo rezultatą. Šie pavyzdžiai nepakeičia tikrų kamerų bandymų.
Sintetinės scenos. Automobiliai ir numeriai sugeneruoti. Analizės vaizdai pateikti demonstracijai; tai nėra tiesioginė transliacija ar šiuo metu naršyklėje vykdomas atpažinimas.
Procentai vaizduose žymi modelio pasitikėjimo įverčius, o ne sistemos tikslumą. Vartų būsenos rodo demonstracinio leidimų sąrašo scenarijų.
XØRAITH — viešas technologijos vardas.
Galimybės turi skirtingą brandą.
Transportas ir numerių sritys.
Scenos analizė padeda rasti transporto priemones, išskirti jų vietą ir toliau analizuoti numerių sritis. Tai vaizdo suvokimo pagrindas mūsų įvažiavimo sprendimuose.
Nuo vaizdo srities iki simbolių.
Numerių skaitymas vystomas kaip atskira specializuota užduotis. Analizuojami simboliai, jų seka ir rezultato priimtinumas, o klaidos tampa tolesnio vertinimo dalimi.
Apdorojimas objekto infrastruktūroje.
Pristatomoje sistemos konfigūracijoje atpažinimas vyksta vietiniame serveryje. Įranga ir apdorojimo schema parenkamos pagal kamerų skaičių ir konkrečią užduotį.
Daugiau konteksto laike.
Tiriame judėjimo ir objektų būsenos vertinimą bei tinkamesnio kadro pasirinkimą. Tai vystymo kryptis, kurios nelaikome jau įjungta savarankiško sprendimų priėmimo funkcija.
Šie pavadinimai apibūdina pristatymo kryptis. Jie nereiškia, kad visos galimybės veikia viename universaliame modelyje. Transporto atributų analizė vystoma atskirai ir šiame pristatyme nežadama kaip nuolat įjungta funkcija.
Tęsiame sukauptą darbą. Kiekvieną kandidatą vertiname iš naujo.
Modelių vystymas — tai duomenų, mokymo ir patikros procesas. Jame svarbūs ne tik sėkmingi pavyzdžiai. Analizuojame atvejus, kai numeris nerastas, perskaitytas neteisingai arba klaidingai priimtas.
Naujas mokymo bandymas gali pagerinti vieną situaciją ir pabloginti kitą. Todėl vien didesnis versijos numeris ar vienas gražus pavyzdys nėra pakankamas pagrindas pakeisti veikiančią versiją.
Naudojame paruoštus mokymo duomenis ir realių kamerų pavyzdžius. Skirtinga šviesa, kampai ir vaizdo kokybė parodo, ko trūksta modeliui.
Modelių versijos vystomos tęsiant ankstesnį darbą. Nauji pavyzdžiai derinami su ankstesniais, kad vietinis pagerėjimas netaptų kitų situacijų pablogėjimu.
Atskiruose rinkiniuose tikriname teisingus skaitymus, klaidingus priėmimus ir veikimo laiką. Atsižvelgiame į tai, kaip sudarytas ir sužymėtas kiekvienas rinkinys.
Registruojame bandymus ir jų rezultatus. Nepasiteisinęs kandidatas lieka tyrimo išvada; jo nereikia pristatyti kaip naujos sėkmės.
Atpažinimas priklauso ir nuo to, ką užfiksuoja kamera. Per mažas numeris, atspindys, tamsa ar judesio suliejimas gali paslėpti simbolius dar prieš modeliui juos analizuojant.
Priėmimo sąlygos ir kelių kadrų vertinimas padeda atrinkti rezultatus, tačiau nepašalina visų klaidų. Todėl konkretų objektą vertiname kaip kamerų, programinės įrangos ir prieigos taisyklių visumą.
Daugiau apie galimybesAiški riba tarp modelio išvados ir objekto veiksmo.
ALPR SiO priima atpažinimo rezultatus ir sujungia juos su transporto leidimais, administravimu, įvykių istorija bei vartų valdymu. Sistemos naudotojui ši grandinė pasiekiama vienoje sąsajoje.
Pažinti ALPR SiOAptikimas · numerio sritis · skaitymas
Leidimai · istorija · vartų veiksmas
XØRAITH pristatome kaip mūsų vystomos kompiuterinės regos technologijos vardą. Aptikimas, numerių skaitymas ir kitos kryptys turi specializuotas dalis. Jų nereikia painioti su vienu universaliu modeliu, kuris vienu veiksmu atlieka visas užduotis.
Vystome savo transporto ir numerių aptikimo modelius, numerių skaitytuvą, mokymo procesą ir vertinimo priemones. Taip pat naudojame standartines vykdymo technologijas ir išorinius duomenų paruošimo įrankius. Nuosava technologija nereiškia, kad kiekviena programinė biblioteka sukurta mūsų.
Pagal 2026 m. spalio 27 d. užfiksuotą diegimo būseną, transporto ir numerių atpažinimo grandinėje veikia mūsų nuosavi aptikimo ir numerių skaitymo modeliai. YOLO buvo naudotas kaip vienas iš mokymo duomenų žymėjimo ir palyginimo įrankių. Viešo vardo keitimas savaime nekeičia veikiančios programinės įrangos.
Veikiantis atpažinimas ir modelio mokymas yra atskiri procesai. Nauji pavyzdžiai gali tapti duomenų paruošimo bei mokymo ciklo dalimi, tačiau kiekvienas pravažiavimas savaime nepakeičia veikiančio modelio svorių. Mokymo bandymų rezultatai tikrinami atskirai.
Pristatomoje diegimo konfigūracijoje atpažinimas vyksta vietiniame serveryje. Objekto tinklas, nuotolinė prieiga ir duomenų saugojimo tvarka derinami atskirai. Vietinis atpažinimas nėra pažadas, kad visos administravimo ar pagalbinės paslaugos veikia be tinklo.
Rezultatai priklauso nuo užduoties, duomenų rinkinio ir vertinimo būdo. Numerio radimas, visas teisingai perskaitytas tekstas ir teisingas priėmimas yra skirtingi dalykai. Atrinkti demonstraciniai kadrai parodo veikimą, tačiau neatstoja viso realaus srauto tikslumo matavimo.
Pradedame nuo kamerų vaizdo, numerio dydžio kadre, apšvietimo ir norimo scenarijaus įvertinimo. Tuomet tikriname, ką galima pasiekti su turima konfigūracija ir kokių pakeitimų reikėtų. Kitame objekte rezultatai nėra savaime tokie patys.
Toliau vystome numerių skaitymą ir skirtingų kamerų scenų vertinimą. Atskira tyrimų kryptis — objektų judėjimas laike ir tinkamesnio kadro pasirinkimas. Naują galimybę pristatome kaip įdiegtą tik turėdami jos veikimo pagrindą.
Aptarkime kamerų sistemą, atpažinimo užduotį ir praktinį pritaikymą.
