سامانه پلاکخوان چگونه کار میکند؟ آشنایی کامل با مراحل تشخیص پلاک خودرو (ANPR)
شاید در نگاه اول تصور کنید که یک سامانه پلاکخوان تنها با گرفتن تصویر از خودرو، شماره پلاک را نمایش میدهد؛ اما در واقع، آنچه در کسری از ثانیه اتفاق میافتد، نتیجه مجموعهای از فناوریهای پردازش تصویر، بینایی ماشین (Computer Vision)، هوش مصنوعی (AI) و تشخیص نوری کاراکترها (OCR) است. امروزه از سامانههای پلاکخوان در کارخانهها، دانشگاهها، پارکینگهای عمومی، مجتمعهای مسکونی، شهرهای هوشمند، گمرکها و بسیاری از مراکز دیگر برای کنترل و مدیریت تردد خودروها استفاده میشود. این سامانهها نهتنها شماره پلاک را تشخیص میدهند، بلکه اطلاعاتی مانند زمان ورود و خروج، تصویر خودرو، تصویر پلاک و سایر دادههای مرتبط را نیز ثبت و مدیریت میکنند.
در این مقاله بهصورت گامبهگام بررسی میکنیم که سامانه پلاکخوان چگونه کار میکند، چه فناوریهایی در پشت این فرآیند قرار دارند و چه عواملی بر عملکرد آن تأثیر میگذارند.
سامانه پلاکخوان چیست؟
سامانه پلاکخوان یا Automatic Number Plate Recognition (ANPR) مجموعهای از تجهیزات سختافزاری و نرمافزاری است که با استفاده از دوربین، پردازش تصویر و هوش مصنوعی، شماره پلاک خودروها را بهصورت خودکار شناسایی و ثبت میکند.
برخلاف تصور رایج، دوربین بهتنهایی قادر به خواندن پلاک نیست. وظیفه دوربین تنها ثبت تصویر است و این نرمافزار پلاکخوان است که با تحلیل تصویر، شماره پلاک را استخراج کرده و آن را به اطلاعات قابل پردازش تبدیل میکند.
به همین دلیل، یک سامانه ANPR از چندین بخش تشکیل شده است که هر یک نقش مشخصی در فرآیند تشخیص پلاک دارند.
فرآیند تشخیص پلاک خودرو چگونه انجام میشود؟
فرآیند تشخیص پلاک معمولاً در کمتر از یک ثانیه انجام میشود. هرچند این زمان بسته به قدرت سختافزار، کیفیت تصویر و الگوریتمهای مورد استفاده میتواند متفاوت باشد، اما ترتیب مراحل تقریباً در تمام سامانههای حرفهای یکسان است.
مرحله اول: ثبت تصویر خودرو
اولین مرحله، دریافت تصویر از خودرو است.
در این بخش، دوربین تصویری با کیفیت مناسب از مسیر عبور خودرو ثبت میکند. کیفیت این تصویر تأثیر مستقیمی بر دقت مراحل بعدی دارد.
در این مرحله موارد زیر اهمیت زیادی دارند:
رزولوشن تصویر نرخ فریم (FPS)
سرعت شاتر فاصله دوربین تا خودرو
زاویه نصب دوربین کیفیت لنز
شرایط نوری محیط
هرچه تصویر اولیه کیفیت بالاتری داشته باشد، احتمال تشخیص صحیح پلاک نیز افزایش مییابد.
مرحله دوم: تشخیص خودرو
پس از ثبت تصویر، نرمافزار بررسی میکند که آیا در تصویر خودرویی وجود دارد یا خیر.
در سامانههای مدرن، این مرحله با استفاده از الگوریتمهای Computer Vision و مدلهای یادگیری عمیق انجام میشود.
سامانه قادر است خودرو را از سایر اشیای موجود در تصویر مانند:
انسان موتورسیکلت
دوچرخه تابلوها
درختان سایهها
تفکیک کند.
در واقع، نرمافزار ابتدا خودرو را تشخیص میدهد و سپس به دنبال پلاک آن میگردد.
مرحله سوم: شناسایی محل پلاک
پس از تشخیص خودرو، نوبت به یافتن محل قرارگیری پلاک میرسد.
این مرحله یکی از حساسترین بخشهای سامانه است.
زیرا پلاک ممکن است:
زاویه داشته باشد. بخشی از آن پوشیده شده باشد.
کثیف باشد. در نور شدید قرار گرفته باشد.
در سایه باشد. در شب تصویربرداری شده باشد.
الگوریتمهای هوش مصنوعی با بررسی هزاران ویژگی تصویری، محل تقریبی پلاک را شناسایی میکنند.
در نهایت فقط بخش مربوط به پلاک از تصویر جدا میشود تا مراحل بعدی روی همان قسمت انجام شود.
مرحله چهارم: بهبود کیفیت تصویر پلاک
تصویری که از پلاک استخراج شده است همیشه ایدهآل نیست.
به همین دلیل نرمافزار پیش از خواندن کاراکترها، عملیات مختلفی روی تصویر انجام میدهد.
از جمله:
حذف نویز افزایش وضوح
افزایش کنتراست اصلاح روشنایی
اصلاح زاویه تصحیح پرسپکتیو
افزایش شارپنس حذف تاری تصویر
هدف این مرحله آن است که حروف و اعداد با بیشترین وضوح ممکن در اختیار موتور تشخیص کاراکتر قرار بگیرند.
مرحله پنجم: جداسازی کاراکترها
اکنون پلاک آماده خواندن است.
اما هنوز سامانه نمیداند هر حرف یا عدد دقیقاً کجاست.
ابتدا کاراکترها از یکدیگر جدا میشوند.
در این مرحله نرمافزار تشخیص میدهد:
اولین عدد دومین عدد
حرف فارسی سایر اعداد
ترتیب صحیح کاراکترها
این کار باعث میشود موتور OCR بتواند هر کاراکتر را بهصورت مستقل تحلیل کند.
مرحله ششم: تشخیص کاراکترها (OCR)
یکی از مهمترین فناوریهای سامانه پلاکخوان، تشخیص نوری کاراکترها (OCR) است.
در این مرحله، هر حرف و عدد موجود روی پلاک به متن دیجیتال تبدیل میشود.
سامانههای مدرن معمولاً از مدلهای یادگیری عمیق استفاده میکنند که توانایی بالایی در تشخیص کاراکترها حتی در شرایط دشوار دارند؛ مانند:
شب
بارندگی پلاکهای کمی آلوده
زاویههای نامناسب نور شدید
بازتاب نور
در پایان این مرحله، شماره پلاک به یک رشته متنی تبدیل میشود؛ برای مثال:
۱۲ الف ۳۴۵ ایران ۶۷
مرحله هفتم: اعتبارسنجی اطلاعات
پس از استخراج شماره پلاک، سامانه بررسی میکند که اطلاعات بهدستآمده معتبر هستند یا خیر.
برای مثال:
آیا ساختار پلاک با قالب استاندارد پلاکهای ایران مطابقت دارد؟ آیا تعداد ارقام صحیح است؟
آیا حرف پلاک معتبر است؟ آیا میزان اطمینان الگوریتم قابل قبول است؟
در صورت پایین بودن سطح اطمینان، سامانه میتواند تصویر را برای بازبینی یا پردازش مجدد علامتگذاری کند.
مرحله هشتم: ثبت اطلاعات در پایگاه داده
پس از تأیید شماره پلاک، اطلاعات مربوط به تردد ذخیره میشود.
این اطلاعات معمولاً شامل موارد زیر است:
شماره پلاک تاریخ
ساعت تصویر خودرو
تصویر پلاک دوربین ثبتکننده
محل تردد مسیر ورود یا خروج
میزان اطمینان تشخیص
وجود این اطلاعات امکان جستجو، گزارشگیری، تحلیل آماری و پیگیری سوابق را فراهم میکند.
مرحله نهم: اجرای قوانین مدیریتیتشخیص پلاک پایان کار سامانه نیست.
در بسیاری از پروژهها، پس از تشخیص پلاک، سامانه بر اساس قوانین تعریفشده تصمیمگیری میکند.
برای مثال:
باز شدن خودکار راهبند
جلوگیری از ورود خودروهای غیرمجاز ثبت ورود کارکنان
ثبت خروج خودروهای سازمانی ارسال هشدار به مرکز کنترل
ارسال پیامک ثبت تخلف
اتصال به سامانههای امنیتی کنترل ظرفیت پارکینگ
به همین دلیل، سامانههای پلاکخوان امروزی بهعنوان بخشی از یک سامانه جامع مدیریت تردد شناخته میشوند، نه صرفاً ابزاری برای خواندن شماره پلاک.
اطلاعاتی که یک سامانه پلاکخوان میتواند ثبت کند
بسته به امکانات نرمافزار، سامانه میتواند اطلاعات متنوعی را ذخیره کند، از جمله:
شماره پلاک تاریخ و ساعت تردد
تصویر خودرو تصویر پلاک
جهت حرکت خودرو نام دوربین
محل عبور نوع خودرو (در برخی سامانهها)
رنگ خودرو (در برخی سامانهها) مدت زمان حضور در پارکینگ
تعداد دفعات تردد وضعیت مجاز یا غیرمجاز بودن خودرو
این دادهها پایهای ارزشمند برای تحلیل، گزارشگیری و تصمیمگیری مدیریتی هستند.
آیا هوش مصنوعی در سامانههای پلاکخوان نقش دارد؟
بله. سامانههای نسل جدید از مدلهای هوش مصنوعی برای افزایش دقت و پایداری استفاده میکنند.
هوش مصنوعی میتواند در موارد زیر مؤثر باشد:
تشخیص دقیقتر محل پلاک کاهش خطا در خواندن کاراکترها
عملکرد بهتر در شب تشخیص پلاک در شرایط بارانی
مدیریت بازتاب نور بهبود عملکرد در زاویههای مختلف
افزایش دقت در سرعتهای بالاتر
به همین دلیل، سامانههایی که از الگوریتمهای نوین هوش مصنوعی استفاده میکنند، معمولاً عملکرد قابلاعتمادتری در شرایط واقعی دارند.
آیا همه سامانههای پلاکخوان عملکرد یکسانی دارند؟
خیر. کیفیت عملکرد یک سامانه به عوامل مختلفی بستگی دارد؛ از جمله:
کیفیت الگوریتمهای پردازش تصویر
مدلهای هوش مصنوعی توان موتور OCR
کیفیت دوربین نوع لنز
شرایط نصب توان سختافزار پردازشی
نحوه طراحی نرمافزار
بنابراین، هنگام انتخاب یک سامانه پلاکخوان، تنها توجه به مشخصات دوربین کافی نیست و باید کل معماری نرمافزاری و سختافزاری سیستم را در نظر گرفت.
جمعبندی
سامانه پلاکخوان ترکیبی از دوربین، پردازش تصویر، هوش مصنوعی و نرمافزارهای مدیریتی است که با همکاری یکدیگر، فرآیند تشخیص و ثبت شماره پلاک خودروها را بهصورت خودکار انجام میدهند. از لحظه ثبت تصویر تا اجرای قوانین مدیریتی، چندین مرحله تخصصی طی میشود تا اطلاعاتی دقیق، قابل استناد و قابل استفاده برای کنترل تردد در اختیار سازمان قرار گیرد.
اگر قصد دارید علاوه بر آشنایی با فناوری ANPR، با قابلیتهای عملیاتی یک سامانه مدیریت تردد خودرو نیز آشنا شوید، پیشنهاد میکنیم صفحه سامانه پلاکخوان و مدیریت تردد پلازوم را مطالعه کنید. در آن صفحه، امکانات، سناریوهای کاربردی و قابلیتهای این سامانه بهصورت تخصصی معرفی شده است.

بدون دیدگاه