आधुनिक व्हिडिओ पाळत ठेवणे आपल्याला कार आणि पादचाऱ्यांच्या प्रवाहाविषयी माहिती गोळा करण्यास अनुमती देते आणि विविध व्हिडिओ विश्लेषण क्षमता देखील प्रदान करते.

अभ्यागतांची संख्या निश्चित करणे आणि व्यक्ती ओळखणे यासाठी कार्ये खाजगी संस्था आणि उद्योजकांमध्ये मागणीत आहेत.

चला परवाना प्लेट्स ओळखण्याच्या महत्त्वपूर्ण कार्याकडे जवळून पाहू. व्हिडिओ पाळत ठेवणे प्रणाली प्रवेश नियंत्रण प्रणालीसह एकत्र केली जाऊ शकते. व्हिडिओ कॅमेरा क्रमांक निश्चित करतो आणि विश्लेषण प्रणाली डेटाबेस क्रमांकांच्या सूचीमध्ये जुळणी शोधते आणि उपलब्ध असल्यास, प्रवेश नियंत्रण प्रणालीला वाहनामध्ये प्रवेश करण्याची परवानगी देते.

व्हिडिओ पाळत ठेवणे प्रणालीच्या स्थापनेची योजना आखताना, आपल्याला वाहने आणि पादचाऱ्यांचे निरीक्षण करण्याच्या कार्यापासून परवाना प्लेट्स ओळखण्याचे कार्य वेगळे करणे आवश्यक आहे. लायसन्स प्लेट ओळखण्यासाठी व्हिडिओ कॅमेऱ्यांना इंस्टॉलेशन स्थानांवर निर्बंध आहेत आणि त्यांना विशेष कॉन्फिगरेशन देखील आवश्यक आहे. ज्या भागातून वाहने जात असतील त्या भागावरच कॅमेरा फोकस करावा. म्हणून, स्थिर लेन्स असलेले कॅमेरे स्थापित करणे चांगले. त्यांच्याकडे प्रकाश संवेदनशीलता वैशिष्ट्यांचा अतिरिक्त फायदा आहे.

कॅमेरा रिझोल्यूशन

उच्च कॅमेरा रिझोल्यूशनचा अर्थ परवाना प्लेट्स ओळखण्याच्या कार्याची उच्च-गुणवत्तेची कामगिरी नाही. गणना केलेले इष्टतम रिझोल्यूशन आणखी चांगले परिणाम देऊ शकते. रिझोल्यूशन जितके जास्त असेल तितकी प्रकाश संवेदनशीलता खराब होईल आणि यामुळे खराब प्रकाशात परवाना प्लेट्सची ओळख बिघडते.

आवश्यक परवानगीची गणना करताना, खालील सूत्र वापरा: (w/n)*p, जिथे w ही रेकॉर्ड केलेल्या परवाना प्लेटची तपासणी रुंदी आहे; n - परवाना प्लेट आकार; p ही प्रदर्शित संख्येची सुचवलेली रुंदी आहे, जी पिक्सेलमध्ये मोजली जाते.

खालील उदाहरण वापरून गणनेचा विचार करूया: सरासरी चिन्ह आकार 0.52 मीटर आहे, नियंत्रित क्षेत्राची रुंदी 3 मीटर आहे आणि शिफारस केलेले आकार सामान्यतः 200 पिक्सेल आहे. आम्हाला हे उत्तर मिळते:

(w/n)*p = (3/0.52)*200 = 1154 पिक्सेल.

गणना दर्शविते की मानक HD शूटिंग फॉरमॅट (1280*720 पिक्सेल) असलेला कॅमेरा योग्य पर्याय असेल. परंतु कॅमेऱ्यापासून क्रमांकापर्यंतचे अंतर 3-5 मीटर असल्यास हे खरे आहे. जर अंतर जास्त असेल, तर कॅमेरा रिझोल्यूशन जास्त असणे आवश्यक आहे. जर हे अंतर 20m पेक्षा जास्त असेल, तर व्हेरिफोकल लेन्ससह कॅमेरा आवश्यक आहे. हे तुम्हाला पाहण्याचा कोन संकुचित करण्यास अनुमती देईल, ज्यामुळे मॉनिटर स्क्रीनवर स्थिर ऑब्जेक्ट वाढेल.

परवाना प्लेट ओळखण्यासाठी व्हिडिओ कॅमेऱ्याची वैशिष्ट्ये

आपल्याला मॅट्रिक्सचा आकार स्वतःच विचारात घेणे आवश्यक आहे. मोठ्या मॅट्रिक्समध्ये जास्त प्रकाश संवेदनशीलता असते. परवाना प्लेट्स ओळखण्यासाठी, मॅट्रिक्स किमान 1/3 इंच असणे आवश्यक आहे. परंतु संख्यांच्या उच्च-गुणवत्तेच्या ओळखीसाठी, 1/2 इंच किंवा त्याहून मोठे मॅट्रिक्स आवश्यक आहे. उदाहरणार्थ, 1/1.8 आकाराचा Sony IMX 185 मॅट्रिक्स असलेला IP कॅमेरा.

छिद्र वैशिष्ट्य कमी महत्वाचे नाही. हा सूचक व्हिडिओ कॅमेऱ्याची लेन्स ठरवतो आणि त्याला F क्रमांक म्हणून नियुक्त केले जाते. मॅट्रिक्समध्ये जास्त प्रकाश प्रवेश केल्यामुळे सिग्नल-टू-आवाज वैशिष्ट्य उच्च छिद्र गुणोत्तरामध्ये चांगले असेल. छिद्र वाढल्याने डिजिटल आवाजाचे प्रमाणही कमी होते. संख्या निर्धारित करण्यासाठी F/1.4 आणि उच्च ची छिद्र मूल्य आवश्यक आहे.

उत्तमोत्तम कॅमेरेसुद्धा संपूर्ण अंधारात कारचा लायसन्स प्लेट नंबर ठरवू शकत नाहीत. म्हणून, आपल्याला ताबडतोब सामान्य प्रकाशाची काळजी घेणे आवश्यक आहे. बऱ्याच आधुनिक कॅमेऱ्यांमध्ये IR प्रदीपन असते, परंतु हे वैशिष्ट्य तुम्हाला ब्लॅक अँड व्हाईट शूटिंग मोडवर स्विच करण्यास भाग पाडते. IR प्रदीपन सह, कॅमेरा अतिरिक्त गरम होतो, ज्यामुळे गरम हंगामात जास्त गरम होऊ शकते आणि यामुळे अनावश्यक हस्तक्षेप निर्माण होईल.

प्रति सेकंद फ्रेमची संख्या देखील महत्त्वाची आहे. 25 fps च्या फ्रेम दरासह कॅमेऱ्यांची शिफारस केली जाते. कमी रहदारी गती असलेल्या भागात, व्हिडिओ कॅमेरे 12 fps मोडवर किंवा त्यापेक्षा कमी वर स्विच केले जातात. हे आपल्याला माहितीच्या इनकमिंग व्हॉल्यूमवर चांगल्या प्रकारे प्रक्रिया करण्यासाठी डिव्हाइसवरील भार कमी करण्यास अनुमती देते.

कॅमेरा स्थान

अपेक्षित परिणाम प्राप्त करण्यासाठी, उपकरणे सर्व अटींचे काटेकोर पालन करून ठेवणे आवश्यक आहे

• प्रतिमेमध्ये, कार क्रमांकाचा झुकाव x-अक्षाच्या बाजूने 5° पेक्षा जास्त नसावा.
• कॅमेरा दिशा कोन क्षैतिज आणि अनुलंब दोन्ही 30° पर्यंत असावा.
• 2 लेन कॅप्चर करण्यासाठी, तुम्ही कॅमेरा त्यांच्या मध्यभागी ठेवू शकता.
• कॅमेराची उंची 2-6 मीटरच्या आत असावी.
• अडथळ्याजवळ डिव्हाइस स्थापित करताना, आपल्याला हे लक्षात घेणे आवश्यक आहे की ते विशिष्ट अपवर्जन क्षेत्र तयार करते.
• कॅमेरा स्थापित केल्यानंतर, आपल्याला रात्री शूटिंगच्या गुणवत्तेची स्वीकार्यता तपासण्याची आवश्यकता आहे. छिद्र मोड 50 च्या स्तरासह "स्वयं" वर सेट केला आहे.
• अंधाराच्या काळात हेडलाइट्स बंद करण्यासाठी, तुम्हाला 1/1000 किंवा त्याहून अधिक शटर स्पीड असलेला कॅमेरा आवश्यक आहे.
• जर तेथे सामान्य रस्ता प्रकाश नसेल, तर तुम्ही दिवस/रात्रीचे कार्य "स्वयं" वर सेट केले पाहिजे. अन्यथा, बुद्धिमान बॅकलाइट "चालू" वर सेट केला जातो.
• BLC आणि WDR बॅकलाइट बंद करणे आवश्यक आहे.

डेटाबेसमध्ये परवाना प्लेट्स स्वयंचलितपणे रेकॉर्ड करण्यासाठी, आपल्याला कॅमेरा किंवा पीसीसाठी एक विशेष प्रोग्राम आवश्यक आहे जो परवाना प्लेट्स ओळखतो. वाहन परवाना प्लेट स्वतः ओळखू शकणारे कॅमेरे आता विक्रीसाठी उपलब्ध आहेत.

चला परवाना प्लेट्स वाचण्यासाठी आयपी कॅमेऱ्याची क्षमता जवळून पाहू.

हे खालील उद्देशांसाठी वापरले जाऊ शकते:

• नियंत्रित प्रदेशाच्या प्रवेशद्वारावरील अडथळा स्वयंचलितपणे उघडणे;
• लायसन्स प्लेट ओळखीसह कॅमेरा कव्हरेज क्षेत्रात ड्रायव्हरने नियमांचे उल्लंघन केल्यावर स्वयंचलितपणे दंड जारी करणे.
• वाहन डेटावर आधारित पार्किंग खर्चाची स्वयंचलितपणे गणना करण्यासाठी.
• डेटाबेससह त्याच्या क्रमांकाची तुलना करून इच्छित वाहनाच्या शोधाची त्वरित सूचना.

या सर्व विश्लेषणात्मक प्रक्रिया आपोआप अंतर्गत सॉफ्टवेअरद्वारे किंवा सर्व्हरवर स्थापित केलेल्या सॉफ्टवेअरद्वारे वापरकर्त्याच्या सेटिंग्ज आणि निर्दिष्ट कार्यांसह केल्या जातात. परवाना प्लेट ओळखण्यासाठी आयपी कॅमेरासह कार्य करण्यास प्रारंभ करताना, आपण डिव्हाइस स्थापित करणे, कॉन्फिगर करणे आणि ऑपरेट करण्यासाठी सूचना वाचण्याची शिफारस केली जाते. नेटवर्क लायसन्स प्लेट रेकग्निशन कॅमेऱ्यात वेगवेगळे स्वरूप घटक आणि इंस्टॉलेशनचे प्रकार असू शकतात. निवड वर्तमान आवश्यकता आणि अटींवर आधारित असावी.

आम्ही आमच्या ऑनलाइन स्टोअरमध्ये 3,000 रूबलच्या किंमतीवर परवाना प्लेट ओळखण्यासाठी आयपी कॅमेरे खरेदी करण्याची ऑफर देतो. डिव्हाइसबद्दल सर्व आवश्यक माहिती वेबसाइटवर उपलब्ध आहे.

परवाना प्लेट ओळखण्यासाठी आयपी कॅमेराची वैशिष्ट्ये

लायसन्स प्लेट रेकग्निशन फंक्शनसह आयपी कॅमेरा खरेदी करण्यापूर्वी, त्याच्या तांत्रिक वैशिष्ट्यांसह स्वत: ला परिचित करा.

तांत्रिक वैशिष्ट्यांची यादीः

• पॉवर पर्याय.
• सॉफ्टवेअरचा प्रकार, व्यवस्थापन सुलभता.
• आयपी कॅमेरा संरक्षण वर्ग.
• पाहण्याचा कोन.
• परवानगी.
• स्थापना आणि कनेक्शनची पद्धत.
• माहिती प्रक्रियेची गती, जुळण्या शोधणे.
• शूटिंग आणि रेकॉर्डिंग गती.
• कॅमेऱ्याचे तापमान ऑपरेटिंग परिस्थिती.
• जास्तीत जास्त परवानगीयोग्य हवेतील आर्द्रता
• नियंत्रण आणि व्हिडिओ पाळत ठेवणे प्रणाली, वापरकर्ता पुनरावलोकनांच्या बाजारात निर्मात्याच्या ब्रँडचे रेटिंग.
• उपकरणाचे परिमाण, वजन.
• पूर्ण संच, स्थापनेसाठी आवश्यक फास्टनर्सची उपलब्धता, ऑपरेटिंग सूचना.

या विभागात सादर केलेल्या कॅमेऱ्यांची मॅक्रोस्कोप "लायसन्स नंबर रेकग्निशन" सॉफ्टवेअरशी सुसंगततेसाठी आमच्या तज्ञांनी चाचणी केली आहे. या सॉफ्टवेअरच्या संयोगाने, आमचे कॅमेरे तुम्हाला संरक्षित क्षेत्रावर सतत नियंत्रण प्रदान करतील, तुम्हाला योग्य मशीन शोधण्यात मदत करतील आणि अनेक प्रक्रिया स्वयंचलित करतील.

सर्व आवश्यकता पूर्ण करणारे डिव्हाइस निवडल्यानंतर, आपण वेबसाइटवर त्वरित ऑर्डर देऊ शकता. आम्ही कमीत कमी वेळेत मॉस्कोमधील इच्छित ठिकाणी परवाना प्लेट ओळख असलेला व्हिडिओ कॅमेरा वितरीत करू.

जोडले: 2018-02-28 15:24:21

आधुनिक व्हिडिओ पाळत ठेवणे प्रणाली केवळ व्हिडिओ प्रवाह संकलनच नाही तर विस्तृत व्हिडिओ विश्लेषण क्षमता देखील प्रदान करते.

दैनंदिन व्यावसायिक समस्यांचे निराकरण करण्यासाठी अभ्यागतांची संख्या मोजणे, चेहऱ्याची ओळख, ओळख आणि परवाना प्लेट्सचे रेकॉर्डिंग आत्मविश्वासाने गुप्तचर संस्थांच्या स्वारस्य आणि अधिकार क्षेत्राच्या पलीकडे गेले.

चला लोकप्रिय व्हिडिओ विश्लेषण फंक्शन्सपैकी एक जवळून पाहू - लायसन्स प्लेट ओळख. कधीकधी व्हिडिओ पाळत ठेवणे प्रणाली ऍक्सेस कंट्रोल सिस्टमसह समाकलित केली जाते: कॅमेरा कार परवाना प्लेट वाचतो, विश्लेषण प्रणाली डेटाबेसमधील परवाना प्लेट्सच्या सूचीसह प्राप्त प्रतिमा तपासते आणि जुळणी आढळल्यास, प्रवेशास पुष्टीकरण पाठवते. कारमधून जाण्यासाठी नियंत्रण प्रणाली.

स्वतंत्रपणे, आम्ही लक्षात घेतो की व्हिडिओ पाळत ठेवणे प्रणाली डिझाइन करताना, परवाना प्लेट्स ओळखणे आणि विहंगावलोकन कार्य (उपकरणे आणि पादचाऱ्यांची हालचाल, निरीक्षण केलेल्या क्षेत्राच्या परिस्थितीनुसार कॅमेऱ्यांचे स्थान इ.) वेगळे करणे आवश्यक आहे. परवाना प्लेट ओळखण्यासाठी डिझाइन केलेल्या कॅमेऱ्यासाठी, प्लेसमेंटवर निर्बंध आहेत. याव्यतिरिक्त, विशेष सेटिंग्ज आवश्यक आहेत. कॅमेऱ्याचे फोकस ज्या भागातून वाहने जाण्याच्या इराद्याने काटेकोरपणे निर्देशित केले पाहिजेत (बहुतेक प्रकरणांमध्ये हे 3-4 मीटर असते). या कारणास्तव, निश्चित लेन्ससह कॅमेरे वापरण्याची शिफारस केली जाते. याव्यतिरिक्त, त्यांच्याकडे सामान्यतः मोटार चालवलेल्या लेन्सपेक्षा चांगली प्रकाश संवेदनशीलता वैशिष्ट्ये असतात.

मी कोणता रिझोल्यूशन कॅमेरा निवडला पाहिजे?

परवाना प्लेट्स ओळखण्याच्या सूचित समस्येचे निराकरण करताना, व्हिडिओ कॅमेराचे उच्च रिझोल्यूशन गणना केलेल्यापेक्षा वाईट परिणाम देऊ शकते. हे या वस्तुस्थितीमुळे आहे की कॅमेऱ्यांचे रिझोल्यूशन जसजसे वाढते तसतसे फोटोसेन्सिटिव्हिटी खराब होते, ज्यामुळे रात्रीच्या वेळी परवाना प्लेट ओळखण्यावर नकारात्मक परिणाम होतो.

सूत्र (w / n) * p गणनासाठी वापरले जाते:

जेथे लायसन्स प्लेट फिक्सेशन एरिया (m) मध्ये पाहण्याची रुंदी w आहे,

n - परवाना प्लेट आकार (m),

आपण पाहिलेल्या क्षेत्राची रुंदी 3 मीटर, परवाना प्लेटची सरासरी रुंदी 0.52 मीटर आणि इष्टतम प्रतिमा आकार (सरावात) 200 पिक्सेल मानल्यास, आम्हाला खालील गणना मिळते:

(w/n)*p = (3/0.52)*200 = 1154 पिक्सेल.

एचडी रिझोल्यूशन (1280 x 720 पिक्सेल) असलेला कॅमेरा आमच्यासाठी योग्य आहे असे गणना दर्शविते.

ओळख प्रणालीसाठी कॅमेऱ्यांमध्ये काही वैशिष्ट्ये असणे आवश्यक आहे

मॅट्रिक्सचा भौतिक आकार विचारात घेतला पाहिजे. मॅट्रिक्स जितका मोठा असेल तितका प्रकाशसंवेदनशील असेल. नंबर प्लेट ओळखण्यासाठी किमान स्वीकार्य मॅट्रिक्स आकार 1/3 इंच आहे. 1/2 इंच आणि त्याहून मोठ्या आकाराचे मॅट्रिक्स सर्वोत्तम कामगिरी करतात.

आकृती 1. मॅट्रिक्स आकारात भिन्न असलेल्या कॅमेऱ्यांकडून अंधारात आणि दिवसाच्या प्रकाशात मिळवलेल्या प्रतिमांची तुलना

कॅमेरा निवडताना, आपण ऍपर्चर पॅरामीटर देखील विचारात घेतले पाहिजे ते कॅमेऱ्यासाठी लेन्सच्या निवडीद्वारे निर्धारित केले जाते आणि F क्रमांक म्हणून सूचित केले जाते, जे फोकल लांबी आणि छिद्र उघडण्याच्या मूल्याद्वारे निर्धारित केले जाते. छिद्र जितके जास्त असेल तितका कॅमेरा मॅट्रिक्सवर जास्त प्रकाश पडेल आणि सिग्नल ते नॉइज गुणोत्तर जास्त असेल. इमेजमध्येच कमी डिजिटल आवाज असेल. लायसन्स प्लेट्स ओळखण्यासाठी, तुम्हाला किमान F/1.4 एपर्चर असलेली लेन्स आवश्यक आहे. F/1.3 सह लेन्स जलद होईल.

कृपया लक्षात ठेवा की कॅमेरामध्ये कोणतीही तांत्रिक वैशिष्ट्ये असली तरीही, प्रकाशाच्या पूर्ण अनुपस्थितीत, आपल्याला मान्यताप्राप्त परवाना प्लेटच्या स्वरूपात परिणाम मिळणार नाही. या संदर्भात, अतिरिक्त प्रकाशाची शक्यता सुरुवातीला विचारात घेतली पाहिजे. बऱ्याच कॅमेऱ्यांमध्ये आता IR प्रदीपन आहे, परंतु अंगभूत IR प्रदीपन वापरणे म्हणजे कॅमेरा काळा आणि पांढरा मोडवर स्विच करणे आवश्यक आहे. याव्यतिरिक्त, आयआर ग्लोमुळे निर्माण होणारी अतिरिक्त उष्णता उन्हाळ्यात जास्त होऊ शकते आणि अतिउष्णतेला कारणीभूत ठरू शकते, अतिरिक्त हस्तक्षेप निर्माण करू शकते.

प्रति सेकंद फ्रेम्सची संख्या यासारख्या कॅमेरा वैशिष्ट्याकडे देखील लक्ष देऊया. आम्ही, निर्माता म्हणून, 25 fps च्या फ्रेम दरासह कॅमेराची शिफारस करतो. तथापि, सराव मध्ये, ज्या सुविधांमध्ये कार कमी वेगाने फिरतात, कॅमेरे 12 fps मोडवर आणि त्यापेक्षा कमी वर स्विच केले जातात, ज्यामुळे माहितीच्या ॲरेवर प्रक्रिया करण्यासाठी आवश्यक उपकरणावरील भार काढून टाकला जातो.

आम्ही वर नमूद केल्याप्रमाणे, व्हिडिओ कॅमेऱ्याच्या स्थानासाठी बऱ्याच कठोर सीमा आहेत त्यांच्या पलीकडे जाऊन परिणामात लक्षणीय बिघाड होतो.

प्रतिमेच्या द्विमितीय आवृत्तीमध्ये परवाना प्लेटचा झुकणारा कोन x-अक्षाच्या सापेक्ष 5° पेक्षा जास्त नसावा.

रहदारीच्या दोन लेन कॅप्चर करण्यासाठी, तुम्ही कॅमेरा खालीलप्रमाणे ठेवू शकता:

कॅमेरा 2 ते 6 मीटर उंचीवर ठेवावा. अडथळा असलेल्या वस्तूंवर ठेवताना, हे लक्षात घेणे आवश्यक आहे की अडथळा स्वतःच एक विशिष्ट अपवर्जन क्षेत्र बनवतो.

अनास्तासिया शुटकिना
सुरक्षा प्रणालींमध्ये नेटवर्क व्हिडिओ पाळत ठेवण्याच्या वाढत्या प्रवेशामुळे, व्यावसायिक समुदायामध्ये एक चर्चा उद्भवली की परवाना प्लेट्स - ॲनालॉग किंवा आयपी ओळखण्यासाठी कोणते कॅमेरे अधिक योग्य आहेत. sec.ru वरील फोरममधील पोस्ट्सनुसार, असे बरेच तज्ञ आहेत ज्यांना असे वाटते की यासाठी आयपी कॅमेरे वापरणे प्रभावी नाही. आम्ही परिस्थिती अधिक तपशीलवार समजून घेण्याचा प्रयत्न केला - यासाठी आम्ही मीडियामधील विविध प्रकाशनांचा अभ्यास केला आणि तज्ञांच्या मुलाखती घेतल्या.

कमी संवेदनशीलता: आयपी कॅमेऱ्यांची "शाश्वत" समस्या?

संशयवाद्यांचा एक मुख्य युक्तिवाद असा आहे की आयपी कॅमेऱ्यांना लायसन्स प्लेट ओळखण्यासाठी ॲनालॉग कॅमेऱ्यांपेक्षा जास्त दृश्य प्रदीपन आवश्यक असते. "लहान" इलेक्ट्रॉनिक शटर (सेकंदच्या 1/500 पेक्षा जास्त नाही) वापरण्याची आवश्यकता सोबतच, त्यांचा विश्वास आहे की यामुळे संध्याकाळच्या वेळी आणि रात्रीच्या प्रकाशात, परवाना प्लेट ओळखणे अजिबात शक्य होणार नाही. . IP कॅमेऱ्यांबद्दलची आणखी एक सामान्य तक्रार म्हणजे नेटवर्कवर ट्रान्समिशन ट्रॅफिक प्रदान करणे आवश्यक आहे, म्हणजे. कॉम्प्रेशनची डिग्री आणि प्रतिमा तपशीलांची अचूकता यांच्यात तडजोड शोधणे.

यु.एल. झारुबिन, "रिकग्निशन टेक्नॉलॉजीज" कंपनीचे महासंचालकया संदर्भात टिपा: “माझा विश्वास आहे की बहुतेक आयपी कॅमेरे परवाना प्लेट ओळखण्यासाठी योग्य नाहीत, कारण ते लहान तपशील जतन करण्याची गरज लक्षात न घेता माहिती काढतात. आयपी कॅमेऱ्यांची आणखी एक कमतरता आहे - ही वस्तुस्थिती आहे की मोठ्या प्रमाणात प्रसारित माहिती प्राप्त होते, कारण ओळखण्यासाठी जवळजवळ पूर्ण रिझोल्यूशन आवश्यक आहे. आजपर्यंत, माझ्या समोर आलेले सर्व आयपी कॅमेरे परवाना प्लेट ओळखण्यासाठी अत्यंत योग्य नाहीत. ते प्रत्यक्षात फक्त दिवसा आणि अत्यंत मर्यादित परिस्थितीत काम करतात."

मात्र, बारकाईने पाहिल्यास येथील परिस्थिती काहीशी वेगळी आहे. प्रथम, दोन भिन्न परिस्थिती विभक्त करणे आवश्यक आहे: पार्किंग लॉटमध्ये परवाना प्लेट ओळख (जेथे रहदारीचा वेग जास्त नाही आणि आयपी कॅमेऱ्यांसाठी प्रकाश पातळी सामान्यतः पुरेशी असते) आणि महामार्गांवर (जेथे रहदारीचा वेग जास्त असतो, तेथे बऱ्याचदा गाड्यांचा दाट प्रवाह असतो आणि प्रकाश फारसा नसतो). असे दिसते की नंतरच्या परिस्थितीत आयपी कॅमेऱ्यांचा वापर सर्वात जास्त प्रश्न निर्माण करतो.

चला मजला देऊ यु.व्ही. बुख्तियारोव, युक्रेनियन कंपनी "व्हिडिओ इंटरनेट टेक्नॉलॉजीज" चे संचालक: “अलीकडे पर्यंत, मेगापिक्सेल टेलिव्हिजन कॅमेऱ्यांच्या वापरातील सर्वात महत्त्वाचा अडथळा, जो केवळ परवाना प्लेट ओळखण्यासाठीच नाही तर सर्वसाधारणपणे रहदारी निरीक्षणासाठी देखील होता, तो वाहनांचा उच्च वेग होता. हाय स्पीडने गाडी चालवताना लायसन्स प्लेट्स आणि कारच्या प्रतिमा अस्पष्ट होण्यापासून रोखण्यासाठी, तुम्हाला इलेक्ट्रॉनिक शटर स्पीड उच्च गतीवर सेट करावा लागेल. परिणामी, जमा होण्याच्या वेळेच्या मानक मूल्याशी तुलना केल्यास संवेदनशीलता अंदाजे परिमाणाच्या क्रमाने कमी होते, जी मेगापिक्सेल कॅमेऱ्यांसाठी सामान्यतः 1/50-1/60 s च्या श्रेणीत असते. तथापि, अलीकडे, सिग्नल-टू-आवाज गुणोत्तरासह अधिक संवेदनशील मॅट्रिक्सच्या आगमनाने, मेगापिक्सेल टेलिव्हिजन कॅमेऱ्यांच्या विकासकांनी एक लक्षणीय पाऊल पुढे टाकले आहे, शिवाय, काढता येण्याजोग्या IR फिल्टरसह मॉडेल्स त्यांच्या ओळींमध्ये दिसू लागले; IR प्रदीपन वापरून 24-तासांच्या निरिक्षणांमध्ये कॅमेरे वापरण्यास योग्य झाले."

खरं तर, रात्रीच्या वेळी अतिरिक्त प्रकाशाशिवाय, ॲनालॉग कॅमेरे आत्मविश्वासाने ओळखीचा सामना करू शकतात ही कल्पना देखील पूर्णपणे सत्य नाही. कमीतकमी, परवाना प्लेट ओळख मॉड्यूलचे बहुतेक उत्पादक अतिरिक्त प्रदीपन वापरण्याची शिफारस करतात - अरुंद-बीम स्पंदित आयआर इल्युमिनेटर. अशा स्पॉटलाइट्समधील प्रकाशाच्या घटनांचा कोन, एक नियम म्हणून, एका कॅमेराला व्हिडिओ निरीक्षण ऑब्जेक्टचे क्षेत्र प्रकाशित करण्यास अनुमती देतो. अशा प्रकारे, ओळख प्रणाली तयार करण्याची योजना खालीलप्रमाणे आहे: 1 लेन = 1 कॅमेरा + 1 IR इल्युमिनेटर तथापि, अशा सक्षम दृष्टिकोनाने, IP कॅमेरे उत्तम प्रकारे कार्य करतील. आणि नेटवर्क कॅमेऱ्यांची संवेदनशीलता (विशेषत: CCD मॅट्रिक्स असलेले, CMOS नसलेले) एनालॉग कॅमेऱ्यांपेक्षा किंचित कमी आहे. तर, या दृष्टिकोनातून, योग्यरित्या निवडलेले आयपी कॅमेरे ॲनालॉगपेक्षा वाईट नाहीत.

एम.व्ही. मेगापिक्सेलचे जनरल डायरेक्टर रुत्स्कोव्ह, नोट्स:“प्रथम, अटींबद्दल एक नोंद करूया. आयपी कॅमेरा ही संकल्पना बरीच व्यापक आहे. जर आपण आमच्या उद्योगाबद्दल बोललो तर, हे मुख्यतः रंगीत CMOS सेन्सरवर असलेले कॅमेरे असतात, ज्यामध्ये बोर्डवर कॉम्प्रेशन असते आणि फास्टइथरनेटवर आउटपुट असते. मग, जर आपण त्यांच्या वापराबद्दल विशेषतः बोललो, तर उत्तर नकारात्मक आहे, असे कॅमेरे परवाना प्लेट ओळखण्यासाठी वापरले जाऊ शकत नाहीत. CMOS सेन्सर्सवर आधारित आयपी कॅमेऱ्यांची संवेदनशीलता कमी असते आणि प्रत्यक्षात ते अंधारात काम करत नाहीत. ॲनालॉग कॅमेरे अधिक संवेदनशील असतात, परंतु रिझोल्यूशन गमावतात. अशा कॅमेऱ्यांची, उदाहरणार्थ, प्रभावी कव्हरेज रुंदी 2 मीटरपेक्षा जास्त नाही, जी वाहतूक पोलिसांच्या समस्या सोडवण्यासाठी पुरेसे नाही. अशा प्रकारे, जर आपण "अरुंद" प्रवेशद्वारांबद्दल बोललो - तराजू, पार्किंग लॉट्स, चेकपॉईंट्स, तर ॲनालॉग कॅमेऱ्यांचा फायदा आहे. तथापि, ट्रॅफिक पोलिसांची कार्ये "विस्तृत" पॅसेज असल्यास, मशीन व्हिजनमधील मेगापिक्सेल ब्लॅक अँड व्हाईट कॅमेऱ्यांद्वारे परिस्थिती जतन केली जाईल - सीसीडी सेन्सर्सच्या वापरामुळे कोणतेही कॉम्प्रेशन आणि उच्च संवेदनशीलता नाही.

आयपी कॅमेरे वापरण्याचे फायदे.

तर, आता आयपी कॅमेरे वापरण्याच्या फायद्यांबद्दल बोलूया. सर्व प्रथम, ते हार्डवेअरशी जोडल्याशिवाय कार्य करतात, तर एनालॉग कॅमेऱ्यासाठी रेकॉर्डर किंवा किमान जवळील व्हिडिओ सर्व्हर आवश्यक आहे हे समजणे कठीण नाही की हे लांब मार्गावर किती समस्याग्रस्त आहे.

चला मजला देऊ होय. गोर्बानेव, आयटीव्हीचे तांत्रिक संचालक:

“आजकाल, आयपी कॅमेरे परवाना प्लेट ओळखण्यासाठी अधिकाधिक वेळा वापरण्यास सुरुवात झाली आहे, कारण ते आपल्याला उच्च मेगापिक्सेल रिझोल्यूशनसह प्रतिमा मिळविण्याची परवानगी देतात हे अतिशय सोयीचे आहे, ज्याद्वारे आपण एकाच वेळी रहदारीच्या अनेक लेन अवरोधित करू शकता. आयपी कॅमेऱ्यांच्या निःसंशय फायद्यांमध्ये इन्स्टॉलेशनची सुलभता समाविष्ट आहे - नेटवर्क जोडणे सोपे आहे, उदाहरणार्थ, समान कोएक्सियल केबल तुम्ही वाय-फाय देखील वापरू शकता, म्हणजे, पॉवर वापरतात त्यांना स्वतंत्रपणे पुरवले जाते गरज नाही"

आयपी कॅमेऱ्यांचा एक महत्त्वाचा गुणधर्म म्हणजे प्रणालीच्या विस्ताराची सुलभता - ते सहजपणे स्केलेबल वितरित व्हिडिओ पाळत ठेवणे प्रणाली तयार करण्यासाठी डिझाइन केलेले आहेत. त्यांच्या रिमोट सेटिंग्जची विस्तृत श्रेणी आपल्याला बाह्य परिस्थिती बदलताना जास्तीत जास्त प्रतिमा गुणवत्ता प्राप्त करण्यास अनुमती देते आणि दुहेरी सिग्नल रूपांतरणाची अनुपस्थिती (एनालॉग कॅमेऱ्यांसह परिस्थितीची वैशिष्ट्यपूर्ण) ऑपरेशनची गती वाढवते.

आर.व्ही. स्ट्रेलत्सोव्ह, नवीकॉमचे महासंचालक, नोट:

“आयपी कॅमेरे सध्या लायसन्स प्लेट ओळखण्याच्या समस्येचे निराकरण करण्यात खूप यशस्वी आहेत. त्यांचे मुख्य फायदे इंस्टॉलेशनची सुलभता आणि परिणामी प्रतिमेची उच्च गुणवत्ता आहे, परंतु त्यांचा मुख्य तोटा म्हणजे त्यांची तुलनेने कमी प्रकाशसंवेदनशीलता आहे.”

याव्यतिरिक्त, आयपी कॅमेरे आपल्याला प्रगतीशील स्कॅन वापरण्याची परवानगी देतात, तसेच सिग्नल कॉम्प्रेशन सहजपणे नियंत्रित करतात, जे आपल्याला डिजिटल मीडियावर जागा वाचविण्यास अनुमती देतात. आणि अर्थातच, हे खूप महत्वाचे आहे की त्यांनी वर नमूद केल्याप्रमाणे, एम.व्ही. रुत्स्कोव्ह, आम्हाला "ओव्हरलॅपिंग" ट्रॅफिक लेनची समस्या सोडवण्यास अनुमती द्या. या संदर्भात डॉ यु.व्ही. बुख्तियारोवनोट्स:

“परवाना प्लेट ओळखण्यासाठी मेगापिक्सेल कॅमेऱ्यांचा वापर आम्हाला एक महत्त्वाची तांत्रिक समस्या सोडविण्यास अनुमती देतो, जी खालीलप्रमाणे आहे. परवाना प्लेट ओळख प्रणालीमध्ये वापरल्या जाणाऱ्या ॲनालॉग कॅमेऱ्यांचे रिझोल्यूशन ट्रॅफिकच्या एका लेनच्या रुंदीमध्ये परवाना प्लेट्स कॅप्चर करण्यासाठी पुरेसे आहे. म्हणून, जर एखादी कार एकाच वेळी दोन लेनमधून जात असेल, तर तिची परवाना प्लेट या लेनला उद्देशून असलेल्या दोन टेलिव्हिजन कॅमेऱ्यांमधून प्राप्त झालेल्या प्रतिमांमध्ये "कट" दिसेल. ही परिस्थिती दूर करण्यासाठी, इंस्टॉलर ॲनालॉग कॅमेरे अशा प्रकारे स्थापित करतात की त्यांच्या दृश्य क्षेत्राच्या कडा शेजारच्या कॅमेऱ्यांच्या दृश्य क्षेत्रांना ओव्हरलॅप करतात. साहजिकच त्यामुळे प्रकल्पाच्या खर्चात वाढ होते. मेगापिक्सेल कॅमेरे एका उपकरणाने ही समस्या सोडवणे सोपे करतात.”

अशा प्रकारे, परवाना प्लेट ओळख प्रणालीसाठी आयपी कॅमेऱ्यांचा वापर केवळ कायदेशीरच नाही, तर तुम्हाला त्यांच्या ॲनालॉग "भाऊ" साठी प्राप्त करणे कठीण असलेले बरेच अतिरिक्त फायदे देखील मिळू शकतात.

परवाना प्लेट ओळख: भविष्यात कोणते कॅमेरे आहेत?

होय. गोर्बानेव:“मला असे दिसते की नेटवर्क कॅमेरे ॲनालॉग्सवर वर्चस्व गाजवतील - ही एक उत्क्रांती आहे ज्यातून सुटका नाही. याक्षणी, अर्थातच, असे ॲनालॉग कॅमेरे आहेत जे विशिष्ट वैशिष्ट्यांमध्ये नेटवर्क कॅमेऱ्यांपेक्षा उच्च परिमाणाचे ऑर्डर आहेत, उदाहरणार्थ, संवेदनशीलतेमध्ये, मला वैयक्तिक अनुभवावरून माहित आहे, ते सहसा IR प्रदीपन वापरतात जेणेकरून संध्याकाळच्या वेळी संख्या अधिक दृश्यमान आणि ओळखणे सोपे आहे. तथापि, तंत्रज्ञान स्थिर राहत नाही, परंतु विकसित होते आणि मला वाटते की शेवटी आयपी कॅमेरे नक्कीच नेतृत्व करतील. जोपर्यंत काहीतरी येत नाही आणि ते, त्या बदल्यात ..."

आर.व्ही. स्ट्रेलत्सोव्ह:“कोणत्याही परिस्थितीत, भविष्य स्पष्टपणे आयपी कॅमेऱ्यांचे आहे, कारण तंत्रज्ञान स्थिर नाही. नेटवर्क कॅमेरे वापरताना मुख्य गोष्ट म्हणजे लेन्ससह इलेक्ट्रॉनिक शटरची योग्य स्थापना, पाहण्याचा कोन आणि ऑपरेशन तसेच प्रकाशाची भरपाई सुनिश्चित करणे.

यु.एल. झारुबिन:"मला वाटते की अशी वेळ येईल जेव्हा नेटवर्क कॅमेऱ्यांना रात्री काम करण्याच्या समस्येचा सामना करावा लागेल."

ए.व्ही. पिमेनोव, ELVIS मधील जनसंपर्क विभागाचे प्रमुख:“लवकर किंवा नंतर सर्व काही आयपीवर स्विच होईल. अर्थात, सुरक्षा हा एक उद्योग आहे ज्यामध्ये या किंवा त्या उपकरणाच्या वापरासाठी सर्व प्रकारच्या याद्या आणि नियम आहेत. म्हणूनच, नजीकचे भविष्य अजूनही ॲनालॉगमध्ये आहे आणि भविष्यात, अर्थातच, आयपी कॅमेरे ॲनालॉग कॅमेरे पूर्णपणे बदलतील.

ए.व्ही. कोरोबकोव्ह, विकासक कंपनी मॅक्रोस्कोपचे विकास संचालक:

“आम्ही सुरुवातीला आयपी कॅमेऱ्यांवर अवलंबून होतो. खरं तर, आमची उत्पादने केवळ त्यांच्यासाठी आहेत. आमच्या अनुभवावरून असे दिसून आले आहे की सिस्टीम घटकांची योग्य निवड, स्थापना आणि कॉन्फिगरेशन, ते 150 किमी/तास वेगाने वाहन परवाना प्लेट्स विश्वसनीयरित्या ओळखू शकतात. त्याच वेळी, ॲनालॉग कॅमेरे वापरण्यापेक्षा आयपी कॅमेरे वापरून सिस्टीम तयार करणे आणि अपग्रेड करणे खूप जलद आणि सोपे आहे, त्यामुळे आम्हाला खात्री आहे की भविष्य निश्चितपणे आयपी कॅमेऱ्यांचे आहे.

परवाना प्लेट ओळखण्यासाठी आयपी कॅमेरे वापरणे: अंमलबजावणीचे उदाहरण.

आम्ही वर पाहिल्याप्रमाणे, जरी जवळजवळ सर्व तज्ञ सहमत आहेत की आयपी कॅमेरे हे भविष्य आहेत, अनेकांचा असा विश्वास आहे की आज ते ॲनालॉगपेक्षा श्रेयस्कर नाहीत. तथापि, असे असूनही, पर्मच्या विकसकांनी अलीकडेच त्यांच्यामध्ये परवाना प्लेट ओळख मॉड्यूल जोडले मॅक्रोस्कोप सॉफ्टवेअर- एकमेव जो ॲनालॉग कॅमेऱ्यांसह अजिबात कार्य करत नाही. आम्ही त्यांच्याशी संपर्क साधला आणि हे मॉड्यूल कसे कार्य करते याबद्दल साहित्य प्राप्त केले.

मॉड्यूल खालील कार्यक्षमता प्रदान करते:

• वेळ, तारीख, कार क्रमांक, तसेच संबंधित व्हिडिओ फ्रेमच्या लिंक्सची माहिती साठवून फिरत्या कारच्या नोंदणी क्रमांकांची ओळख.
• रिअल टाइममध्ये कार्ड इंडेक्समध्ये प्रवेश केलेल्या वाहनांच्या लायसन्स प्लेट नंबरद्वारे इंटरसेप्शन.
• लायसन्स प्लेट्सच्या बिल्ट-इन कार्ड इंडेक्ससह कार्य करा, जे तुम्हाला परवाना प्लेट्स जोडण्यास आणि संपादित करण्यास, वाहनांबद्दल अतिरिक्त माहिती प्रविष्ट करण्यास, इंटरसेप्शन सूची आणि/किंवा माहिती सूची तयार करण्यास अनुमती देते.
• कार्ड इंडेक्समधून वेळ, तारीख, वाहन क्रमांक आणि अतिरिक्त माहितीनुसार संग्रहणात वाहन शोधा.

मॉड्यूल आपल्याला याची अनुमती देते:

• 6 आणि 25 फ्रेम्स प्रति सेकंद वेगाने व्हिडिओ प्रवाहावर प्रक्रिया करा.
• 40° पर्यंत व्हिडिओ कॅमेऱ्याच्या अनुलंब झुकाव कोनात आणि 30° पर्यंत आडव्या झुकाव कोनात तसेच 10° पर्यंतच्या विमानाच्या सापेक्ष राज्य नोंदणी प्लेटच्या रोल अँगलवर परवाना प्लेट्स ओळखा.
• रशिया, युक्रेन, यूएसएसआर, बेलारूस आणि इटलीच्या मानकांशी संबंधित परवाना प्लेट्सचे मानक प्रकार ओळखा, तसेच व्यस्त, राजनयिक आणि पोलिस प्लेट्स.
• परवाना प्लेट ओळखताना संगणकीय खर्च कमी करण्यासाठी मोशन डिटेक्टर वापरा.
• संख्या ओळखताना संगणकीय खर्च कमी करण्यासाठी स्वतंत्र शोध क्षेत्रे सेट करा.
• 150 किमी/ताशी वाहनाच्या वेगाने परवाना प्लेट ओळखा.
• एकाच वेळी 10 पर्यंत भिन्न संख्या ओळखा.

या सर्व शक्यता सरावात कशा लागू केल्या जातात हे आम्ही दाखवू. मॉड्यूलचे ऑपरेशन कॉन्फिगर करण्यासाठी, विशेष विंडो वापरा (चित्र 1).

अंजीर 1. परवाना प्लेट ओळख मॉड्यूल सेट करणे

प्रथम तुम्हाला दोन ऑपरेटिंग मोडपैकी एक निवडण्याची आवश्यकता आहे: “पार्किंग” (6 फ्रेम/सेकंद) कमी वाहनाच्या वेगासाठी आणि “रस्ता” (25 फ्रेम/सेकंद) जलद रहदारीसाठी (उदाहरणार्थ, रस्ता किंवा महामार्ग) वापरला जातो.

जेव्हा रस्त्याच्या पृष्ठभागाशी संबंधित राज्य नोंदणी प्लेटचा झुकणारा कोन 10° पर्यंत असेल तेव्हा शोध आणि ओळख सक्षम करण्यासाठी, फक्त "नॉन-हॉरिझॉन्टल परवाना प्लेट्स शोधा" पर्याय सक्रिय करा. व्यस्त संख्या शोधण्यासाठी (उदाहरणार्थ, पोलीस किंवा लष्करी संख्या), विशेष पर्याय वापरा “विलोम संख्या शोधा”.

समायोज्य पॅरामीटर "कॉन्फिडन्स थ्रेशोल्ड" तुम्हाला परवाना प्लेट ओळख गुणवत्तेची टक्केवारी म्हणून बदलण्याची परवानगी देतो. ज्या क्रमांकांची गुणवत्ता निर्दिष्ट थ्रेशोल्डपेक्षा कमी आहे ते आपोआप टाकून दिले जातील. आणखी एक पॅरामीटर "अपरिचित वर्णांची संख्या" आपल्याला स्वयंचलितपणे क्रमांक टाकून देण्याची परवानगी देतो ज्यामध्ये न ओळखलेल्या वर्णांची संख्या निर्दिष्ट केलेल्यापेक्षा जास्त आहे.

पॅरामीटर्स "किमान संख्या आकार" आणि "कमाल संख्या आकार" - फ्रेमची टक्केवारी म्हणून किमान आणि कमाल संख्या आकार सेट करा. ते कॅमेरा प्रतिमेवर परस्पररित्या सेट केले जाऊ शकतात - आयताकृती क्षेत्र ताणून जेणेकरून कार क्रमांक या क्षेत्रामध्ये असेल (चित्र 2).

अंजीर 2. किमान संख्या आकार सेट करणे

कारण द संगणकीय संसाधने कमी करणेउच्च गुणवत्तेच्या परिणामांसह, ही मॅक्रोस्कोपची "कॉर्पोरेट शैली" आहे आणि सिस्टमच्या ऑपरेशनला अनुकूल करण्यासाठी सर्व काही लायसन्स प्लेट ओळख मॉड्यूलमध्ये केले गेले आहे.

सर्व प्रथम, ही स्वतंत्र शोध क्षेत्रे निर्दिष्ट करण्याची क्षमता आहे (चित्र 3) - फ्रेमचा एक भाग नेहमीच असू शकतो ज्यामध्ये परवाना प्लेट्स दिसणे शक्य नसते (उदाहरणार्थ, रस्त्याच्या कडेला, पदपथ, इ.). शोध झोन निर्दिष्ट न केल्यास, संपूर्ण फ्रेमचे विश्लेषण केले जाईल, जसे की इतर अनेक प्रणालींमध्ये आहे.

अंजीर 3. शोध झोन सेट करणे

जेव्हा नंबरचा क्षैतिज आकार 120 पिक्सेलपेक्षा जास्त असतो तेव्हा "ऑटोस्केल वापरा" सेटिंग संगणकीय खर्च कमी करते. (हे परिस्थिती उद्भवते जेव्हा 1Mpix पेक्षा जास्त रिझोल्यूशन असलेला कॅमेरा एका लेनच्या रहदारीचे निरीक्षण करण्यासाठी वापरला जातो आणि परिणामी, संख्यांचा आकार खूप मोठा असतो).

त्याच उद्देशांसाठी, "मोशन डिटेक्टर वापरा" सेटिंग देखील वापरली जाते, जेव्हा ते चालू केले जाते, तेव्हा फक्त त्या फ्रेम्स आणि झोनचे विश्लेषण केले जाईल जिथे हालचाल आहे.

हे लक्षात घेणे महत्त्वाचे आहे की सिस्टम डेटाबेस दोन मोडमध्ये ऑपरेट करू शकतो:

• "स्थानिक" - जर कार्ड इंडेक्स सिस्टीममधील एका सर्व्हरद्वारे वापरला गेला असेल आणि तो त्याच सर्व्हरवर असावा जेथे परवाना प्लेट ओळखली जाते.
• "रिमोट" - जर फाइल कॅबिनेट अनेक सर्व्हरद्वारे वापरली गेली असेल आणि ती नेटवर्कवरील विशिष्ट सर्व्हरवर असेल. आपण नेटवर्कवरील सर्व्हर पत्ता आणि तो ज्या पोर्टवर स्थित आहे, वापरकर्ता नाव आणि वापरकर्ता संकेतशब्द निर्दिष्ट करणे आवश्यक आहे.

अंजीर 4. “लायसन्स प्लेट रेकग्निशन” विंडो

रिअल टाइममध्ये निरीक्षण करण्यासाठी आणि क्लायंटमधील संग्रहण पाहण्यासाठी, “प्लेट रेकग्निशन” विंडो (चित्र 4) वापरा, ज्यामध्ये तीन टॅब आहेत: “निरीक्षण”, “संग्रहण” आणि “कार्ड इंडेक्स”.

"निरीक्षण" टॅब (हे वरील आकृतीमध्ये दाखवले आहे) रिअल टाइममध्ये परवाना प्लेट शोध इव्हेंट पाहण्यासाठी आहे. टॅबच्या खालच्या उजव्या भागात लायसन्स प्लेट डिटेक्शन इव्हेंटची सूची आहे.

निवडलेल्या इव्हेंटशी संबंधित फ्रेम टॅबच्या वरच्या डाव्या भागात प्रदर्शित केली जाते. फ्रेमच्या शीर्षस्थानी या फ्रेमशी संबंधित चॅनेलचे नाव, वेळ आणि तारीख प्रदर्शित केली जाते. प्रतिमेतील केशरी रेषा ज्या कारची परवाना प्लेट ओळखली गेली आहे ती हायलाइट करते. ओळखल्या जाणाऱ्या परवाना प्लेटची एक मोठी प्रतिमा फ्रेमच्या खालच्या डाव्या कोपर्यात प्रदर्शित केली जाते. विंडोच्या खालच्या डाव्या भागात अतिरिक्त माहिती आहे; अतिरिक्त माहितीच्या उजवीकडे "फाइल कॅबिनेटवर जा" आणि "फाइल कॅबिनेटमध्ये जोडा" बटणे आहेत.

सूचीच्या वरच्या उजव्या भागात एक फिल्टरिंग पॅनेल आहे. त्याच्या मदतीने, तुम्ही लायसन्स प्लेट डिटेक्शन इव्हेंटच्या सूचीमध्ये प्रदर्शित केलेला डेटा फिल्टर करू शकता. फिल्टरिंग पॅनेल तुम्हाला खालील फिल्टरिंग पॅरामीटर्स सेट करण्याची परवानगी देते:

• वाहन क्रमांक;
• मालकाचे आडनाव;
• कार क्रमांक ज्या गटाशी संबंधित आहे;
• ज्या चॅनेलवर नंबर सापडला होता;
• अतिरिक्त माहिती;
• गती;
• कार रंग;

"संग्रहण" टॅब परवाना प्लेट शोध इव्हेंटसाठी संग्रहण पाहण्यासाठी आणि शोधण्यासाठी आहे. या टॅबची कार्यक्षमता "निरीक्षण" टॅबसारखीच आहे. फरक हा आहे की संख्या सूचीमधील घटना मुख्य संग्रहणाच्या विनंतीचा परिणाम आहेत.

लायसन्स प्लेट्सच्या कार्ड इंडेक्ससह काम करण्यासाठी "कार्ड इंडेक्स" टॅब (चित्र 5) तुम्हाला गट आणि इंटरसेप्शन याद्या व्यवस्थापित करण्यास, परवाना प्लेट्स आणि संबंधित माहिती जोडणे, संपादित करणे, हटविण्यास अनुमती देते.

Fig.5 टॅब “कार्ड इंडेक्स”

Fig.6 “ग्रुप मॅनेजमेंट” विंडो

इंटरसेप्शनमध्ये कोणताही गट जोडण्यासाठी, फक्त "या गटातील कार इंटरसेप्ट करा" बॉक्स चेक करा. आपण इच्छित चॅनेलच्या प्रतिमेवर थेट संख्या प्रदर्शित करण्यासाठी एक मोड देखील सक्षम करू शकता - ते चित्र 7 मध्ये दर्शविले आहे.

Fig.7 थेट प्रतिमेवर संख्या प्रदर्शित करण्यासाठी मोड

जेव्हा तुम्ही “सर्व संख्या प्रदर्शित करा” पर्याय निवडता, तेव्हा सर्व आढळलेले अंक (हिरव्या रंगात) आणि इंटरसेप्शनमध्ये जोडलेले अंक (लाल रंगात) प्रदर्शित केले जातील आणि “इंटरसेप्शनमध्ये जोडलेले क्रमांक प्रदर्शित करा” - फक्त इंटरसेप्शनमध्ये जोडलेले नंबर प्रदर्शित केले जातील.

वर्णन केलेल्या मॉड्यूलच्या विकसकांच्या मते, त्यांच्या व्यावहारिक अनुभवाने असे दिसून आले आहे की आयपी कॅमेरे परवाना प्लेट्स ओळखण्याचे उत्कृष्ट कार्य करतात, तथापि, रात्रीच्या वेळेसाठी IR प्रदीपन अद्याप वांछनीय आहे.

कार परवाना प्लेट्स आणि लोकांच्या चेहऱ्याची सॉफ्टवेअर ओळखण्यासाठी तंत्रज्ञानाची मागणी वाढत आहे. उदाहरणार्थ, वाहन परवाना प्लेट्सची स्वयंचलित ओळख प्रवेश नियंत्रण प्रणालीचा एक घटक म्हणून, सशुल्क पार्किंगसाठी बिलिंग सिस्टम आयोजित करण्यासाठी, कारचा रस्ता स्वयंचलित करण्यासाठी किंवा सांख्यिकीय माहिती गोळा करण्यासाठी वापरली जाऊ शकते (शॉपिंग सेंटर किंवा कार वॉशला वारंवार भेटी देणे. , उदाहरणार्थ). हे सर्व आधुनिक बुद्धिमान सॉफ्टवेअरमुळे शक्य आहे. अशी यंत्रणा कार्यान्वित करण्यासाठी काय आवश्यक आहे? तत्वतः, इतके नाही - व्हिडिओ कॅमेरे जे विशिष्ट आवश्यकता पूर्ण करतात आणि संबंधित बुद्धिमान सॉफ्टवेअर मॉड्यूल. उदाहरणार्थ, सॉफ्टवेअर किंवा अधिक बजेट

या लेखात आम्ही तुम्हाला सांगू की कार लायसन्स प्लेट्सच्या सॉफ्टवेअर ओळखीसाठी योग्य उच्च-गुणवत्तेची व्हिडिओ प्रतिमा तयार करण्यास सक्षम योग्य डिजिटल व्हिडिओ कॅमेरा कसा निवडावा.

परवानगी

काही वर्षांपूर्वी, स्क्रीनवरील परवाना प्लेटचा आकार फ्रेमच्या रुंदीच्या टक्केवारीनुसार मोजला जात असे. सर्व टेलिव्हिजन कॅमेरे ॲनालॉग होते आणि त्यांचे रिझोल्यूशन स्थिर होते. आता मॅट्रिक्सचे रिझोल्यूशन 0.5 ते 12 मेगापिक्सेल असू शकते, सापेक्ष मूल्ये लागू होत नाहीत आणि आवश्यक परवाना प्लेट रुंदी पिक्सेलमध्ये मोजली जाते.

नियमानुसार, लायसन्स प्लेट रेकग्निशन सॉफ्टवेअरचे स्पेसिफिकेशन स्क्रीनवरील लायसन्स प्लेटच्या रुंदीची आवश्यकता निर्दिष्ट करते, विश्वसनीय ओळखीसाठी पुरेसे आहे. तर, उदाहरणार्थ, AutoTrassir सॉफ्टवेअर मॉड्यूलला 120 पिक्सेल आणि NumberOK - 80 पिक्सेलची रुंदी आवश्यक आहे. आवश्यकतांमधील फरक ओळखण्याच्या अल्गोरिदमच्या ऑपरेशनच्या बारकावे आणि विकसकाने स्वीकारलेल्या आत्मविश्वासाच्या स्वीकार्य पातळीद्वारे स्पष्ट केले आहेत. वैयक्तिक अनुभवावरून, हे लक्षात घेतले जाऊ शकते की उपकरणे, लेन्स आणि योग्य कॅमेरा इंस्टॉलेशन निवडण्याच्या बाबतीत AutoTrassir अधिक मागणी आणि "लहरी" आहे. परंतु, लक्षात आणून दिल्यास, ते सातत्याने विश्वसनीय परिणाम दर्शविते आणि हवामानाच्या परिस्थितीवर थोडेसे अवलंबून नाही.

अधिक विश्वासार्हतेसाठी, आम्ही 150 पिक्सेल रुंदीचा परवाना प्लेट वापरण्याची शिफारस करतो. आणि जर आम्हाला आठवत असेल की GOST नुसार परवाना प्लेटची रुंदी अर्धा मीटर (तंतोतंत 520 मिमी) आहे, तर आम्ही प्रति मीटर 300 ठिपके आवश्यक रिझोल्यूशनवर येतो.

प्रति मीटर पिक्सेलचे रेखीय रिझोल्यूशन कॅमेरा मॅट्रिक्सच्या दृश्य कोन आणि रिझोल्यूशनवर अवलंबून असते. हे सूत्र वापरून गणना केली जाऊ शकते:

Rlin- रेखीय रिझोल्यूशन, पिक्सेल प्रति मीटर

आर ह- क्षैतिज कॅमेरा रिझोल्यूशन (उदाहरणार्थ,आर ह =1080)

𝛼 - कॅमेरा पाहण्याचा कोन

एल- कॅमेरा ते ऑब्जेक्ट अंतर

तुम्हाला स्वारस्य असलेल्या उत्पादनाच्या पृष्ठावर, “मी काय पाहतो” टॅबवर आमचे ऑनलाइन कॅल्क्युलेटर देखील वापरू शकता.

खाली (उदाहरणार्थ) IP पाळत ठेवणाऱ्या कॅमेऱ्यांसाठी अनेक पर्याय आहेत जे जास्तीत जास्त अंतर दर्शवतात ज्यावरून परवाना प्लेट ओळखणे शक्य आहे (परवाना प्लेट रुंदी 150 पिक्सेल). कृपया लक्षात घ्या की व्हेरिफोकल लेन्स असलेल्या कॅमेऱ्यांसाठी, गणनामध्ये जास्तीत जास्त फोकल लांबी वापरली गेली.

	केंद्रस्थ लांबी	क्षैतिज ठराव	कमाल अंतर, मी	कमाल पाहण्याची रुंदी, मी
		1920 पिक्सेल
		1280 पिक्सेल
		2688 पिक्सेल
		2048 पिक्सेल
		2048 पिक्सेल

हे समजून घेणे महत्त्वाचे आहे की उच्च रिझोल्यूशन असलेले कॅमेरे विस्तीर्ण क्षेत्रे कव्हर करू शकतात, त्यामुळे त्याच भागात कमी आवश्यक आहेत. त्याच वेळी, रेखीय रिझोल्यूशन ओळख आवश्यकतांमध्ये राहते. ही वस्तुस्थिती अनेक परिस्थितींमध्ये उच्च-रिझोल्यूशन कॅमेऱ्यांचा वापर आर्थिकदृष्ट्या व्यवहार्य बनवते.

प्रकाश संवेदनशीलता आणि शटर गती

कार परवाना प्लेट्स विश्वासार्हपणे ओळखण्यासाठी, कॅमेरामध्ये चांगली प्रकाश संवेदनशीलता आणि शटर गती (शटर स्पीड किंवा फक्त शटर स्पीड) मॅन्युअली सेट करण्याची क्षमता असणे आवश्यक आहे. उच्च वेगाने जाणाऱ्या कारसाठी परवाना प्लेट ओळख प्रणाली तयार करताना ही आवश्यकता अत्यंत महत्त्वाची आहे. 30 किमी/तास वेगाने जाणाऱ्या कारसाठी (आणि हे अगदी तंतोतंत असे प्रकल्प आहेत जे आम्ही, नियमानुसार, आमच्या ग्राहकांसाठी लागू करतो: कॉटेज गावे, निवासी संकुले, शॉपिंग सेंटर पार्किंग लॉट्स, विविध बंद क्षेत्रे) ही आवश्यकता कमी आहे. महत्त्वाचे, परंतु ते कमी लेखले जाऊ शकत नाही, कारण उच्च दर्जाची ओळख प्राप्त करण्यासाठी, कॅमेराने वाचता येण्याजोग्या संख्येसह किमान दहा फ्रेम घेणे आवश्यक आहे.
म्हणून, उदाहरणार्थ, गतीच्या अक्षाच्या सापेक्ष 10 अंशांपर्यंत कॅमेरा कोन असलेल्या 30 किमी/ताशी वेगाने फिरणाऱ्या कारचा परवाना प्लेट क्रमांक ओळखण्यासाठी, शटरचा वेग सुमारे 1/200 असावा. दुसरा अनेक स्वस्त कॅमेऱ्यांसाठी, ढगाळ वातावरणात दिवसाही अशी शटर गती पुरेशी नसू शकते आणि चित्र गडद आणि/किंवा गोंगाटमय होईल. म्हणून, आपण मॅट्रिक्सच्या आकारावर आणि त्याच्या गुणवत्तेकडे बारकाईने लक्ष दिले पाहिजे. आदर्शपणे, CCD मॅट्रिक्ससह विशिष्ट काळा आणि पांढरा कॅमेरा वापरा. तथापि, त्यांची किंमत खूप जास्त आहे आणि रिझोल्यूशन सहसा 1 मेगापिक्सेलपेक्षा जास्त नसते, जे त्यांच्या लागू होण्यावर गंभीर निर्बंध लादते.
सर्वसाधारणपणे, त्याची वस्तुनिष्ठ कारणे असल्याशिवाय तुम्ही उच्च रिझोल्यूशनसाठी प्रयत्न करू नये. तुलनेने स्वस्त अल्ट्रा-हाय-रिझोल्यूशन कॅमेरे (4MP, 5MP आणि उच्च) 1/3, 1/2.8 आणि कमी सामान्यपणे, 1/2.5-इंच मॅट्रिक्सवर तयार केले जातात. 1.3 आणि 2 मेगापिक्सेलचे रिझोल्यूशन असलेल्या कॅमेऱ्यांचा देखील समान मॅट्रिक्स आकार आहे. परिणामी, 1.3MP कॅमेऱ्यामधील प्रत्येक प्रकाशसंवेदनशील घटकाचा आकार 5MP कॅमेऱ्यापेक्षा लक्षणीयरीत्या मोठा आहे आणि आकार जितका मोठा असेल तितका प्रत्येक प्रकाशसंवेदनशील घटक अधिक प्रकाश गोळा करू शकतो. म्हणूनच आम्ही लायसन्स प्लेट ओळखण्याच्या कामांसाठी शिफारस करत असलेल्या IP कॅमेऱ्यांचे रिझोल्यूशन 2MP पेक्षा जास्त असते.

वाइड डायनॅमिक रेंज (WDR), बॅकलाइट भरपाई

कॅमेराची डायनॅमिक रेंज त्याचा सेन्सर साधारणपणे शोधू शकणाऱ्या कमाल आणि किमान प्रकाश तीव्रतेमधील गुणोत्तर ठरवते. दुस-या शब्दात सांगायचे तर, विकृती किंवा तोटा न होता प्रतिमेचे तेजस्वी प्रकाश आणि गडद दोन्ही भाग एकाच वेळी व्यक्त करण्याची ही कॅमेराची क्षमता आहे. हे पॅरामीटर स्वयंचलित परवाना प्लेट ओळखीसाठी खूप महत्वाचे आहे, कारण हेडलाइट्समधून कॅमेरा प्रदीपनचा सामना करण्यास मदत करते. तथापि, अगदी 140dB WDR असलेले सर्वात प्रगत कॅमेरे देखील उच्च-कॉन्ट्रास्ट लाइटिंगचा सामना करण्यास नेहमीच सक्षम नसतात. या प्रकरणात, दृश्यमान प्रकाशाची अतिरिक्त प्रकाशयोजना किंवा IR श्रेणीमध्ये कार्य करणे स्थापित केले आहे, ज्या क्षेत्रामध्ये परवाना प्लेट ओळख होते ते हायलाइट करते.

फील्डची खोली

डेप्थ ऑफ फील्ड, किंवा संपूर्णपणे, इमेज केलेल्या जागेच्या फील्डची खोली (DOF) ही अंतरांची श्रेणी आहे ज्यावर वस्तू तीक्ष्ण समजल्या जातात.

हे पॅरामीटर फोकल लांबी, छिद्र आणि विषयातील अंतर द्वारे निर्धारित केले जाते. फील्डची खोली जितकी जास्त, फोकसिंग क्षेत्र जितके मोठे असेल आणि चालत्या कारच्या स्पष्ट फ्रेम्सची पुरेशी संख्या "पकडण्याची" संधी अधिक असेल.

कदाचित लेन्सच्या छिद्राचा फील्डच्या खोलीवर सर्वात जास्त प्रभाव आहे. छिद्र जितके लहान असेल तितकी फील्डची खोली जितकी मोठी असेल तितकी खोली कमी असेल. आम्ही शिफारस केलेले सर्व लायसन्स प्लेट रेकग्निशन कॅमेरे स्वयंचलितपणे छिद्र बदलून बदलत्या प्रकाश परिस्थितीशी जुळवून घेऊ शकतात. फील्डची खोली कमीतकमी असताना अशा कॅमेऱ्यांचे फोकस जास्तीत जास्त ओपन अपर्चरवर समायोजित करण्याची शिफारस केली जाते.

कॅमेरापासून ऑब्जेक्टपर्यंतचे अंतर जितके जास्त असेल तितकी फील्डची खोली जास्त असेल, म्हणून तुम्ही कॅमेरा शक्य तितक्या ओळख झोनच्या जवळ ठेवण्याचा प्रयत्न करू नये. दुसरीकडे, फोकल लांबी जितकी जास्त तितकी फील्डची खोली कमी. आमच्या सरावानुसार, कॅमेरा ते am पर्यंतचे इष्टतम अंतर 6 ते 10 मीटरच्या श्रेणीत आहे. जरी 100 मीटर अंतरावरून ओळखणे अशक्य नाही.

विकृती

अनेक लेन्स प्रतिमा किंचित विकृत करतात. चित्राची तथाकथित "बॅरल" विकृती सर्वात सामान्य आहे. हे केंद्रस्थानी मोठे आणि कडांना कमी असल्यामुळे वस्तुच्या आकारमानात बदल होतो. म्हणून, जर तीच वस्तू प्रतिमेच्या मध्यभागी आणि त्याच्या काठावर आली तर, काठावरचा आकार लहान दिसेल. याचा परिणाम ओळखीवर होऊ शकतो.

फोकल लांबी जितकी लहान असेल तितकी विकृती अधिक लक्षणीय असू शकते. त्यामुळे, ओळखण्यासाठी वाइड-एंगल लेन्स (4 मिमी पेक्षा कमी) असलेले कॅमेरे वापरणे योग्य नाही.

आवाज आणि रंग प्रस्तुतीकरण

कमी आवाज आणि अधिक अचूक रंग रेंडरिंग, ओळखण्यासाठी चांगले. म्हणून, कॅमेराची किमान प्रदीपन, तसेच आवाज कमी करण्याच्या कार्यांची उपस्थिती यासारख्या पॅरामीटर्सकडे लक्ष देण्याची शिफारस केली जाते.
कमी प्रकाशाच्या स्थितीत, जेव्हा कॅमेरा सेन्सर्स खूप गोंगाट करतात तेव्हा आवाज दाबणे विशेषतः महत्वाचे आहे, जे ओळखणे गुंतागुंतीचे करते. हे समजले पाहिजे की बर्याच प्रकरणांमध्ये आवाज कमी करणे आणि इतर इलेक्ट्रॉनिक गॅझेट सामना करू शकत नाहीत आणि साइटवर पुरेशी प्रकाश व्यवस्था सुनिश्चित करणे आवश्यक आहे.

व्हिडिओ कॉम्प्रेशन

आधुनिक आयपी कॅमेरे संकुचित व्हिडिओ सिग्नल प्रसारित करतात आणि जर फ्रेममध्ये कोणतीही हालचाल नसेल किंवा ती कमीतकमी असेल तर रहदारी कमी असेल. जर फ्रेममधील हालचाल तीव्र असेल तर रहदारी वाढेल. म्हणून, कॅमेरा सेटिंग्जमध्ये स्थिर बिटरेट सेट केल्यास, हालचालींच्या अनुपस्थितीत प्रतिमा ओळखण्यासाठी योग्य असेल, परंतु फ्रेममध्ये तीव्र हालचाल झाल्यास निरुपयोगी असेल.
ओळखीसाठी, व्हेरिएबल बिटरेट उच्च दर्जाच्या स्तरावर सेट करण्याची शिफारस केली जाते. या प्रकरणात, इच्छित प्रतिमा गुणवत्ता सुनिश्चित केली जाईल.

सेन्सर: 1/2.8" प्रोग्रेसिव्ह स्कॅन CMOS हार्डवेअर WDR 140dB लेन्स: 2.8-12 मिमी वैशिष्ट्ये: बाहेरील स्थापनेसाठी इनडोअर कॅमेरा, थर्मल आवरण आवश्यक आहे. लेन्स समाविष्ट नाही आणि स्वतंत्रपणे खरेदी करणे आवश्यक आहे
कमाल रिझोल्यूशन: 1.3mp, 1280 x 960 पिक्सेल हार्डवेअर WDR लेन्स: 2.8-12 मिमी
आउटडोअर 2 MP नेटवर्क कॅमेरा AXIS P1365-E WDR आणि Lightfinder सह सेन्सर: 1/2.8" प्रोग्रेसिव्ह स्कॅन CMOS कमाल रिझोल्यूशन: 2mp, 1920 x 1080 पिक्सेल हार्डवेअर WDR लाइटफाइंडर तंत्रज्ञान लेन्स: 2.8-8mm @F1.3 वैशिष्ट्ये: उच्च संवेदनशीलता, ऑटोफोकस
दाहुआ IPC-HF8301E Utlra WDR 120dB, Ultra 3DNR सेन्सर: 1/3" प्रोग्रेसिव्ह स्कॅन CMOS कमाल रिझोल्यूशन: 3mp, 2048x1536 पिक्सेल हार्डवेअर WDR लेन्स: 2.8-12 मिमी वैशिष्ट्ये: बाहेरील स्थापनेसाठी इनडोअर कॅमेरा, थर्मल आवरण आवश्यक आहे. लेन्स समाविष्ट नाही आणि स्वतंत्रपणे खरेदी करणे आवश्यक आहे
सेन्सर: 1/3" प्रोग्रेसिव्ह स्कॅन CMOS कमाल रिझोल्यूशन: 1.3mp, 1280x960 पिक्सेल लेन्स: 2.8 - 8mm (F1.2) वैशिष्ट्ये: उच्च संवेदनशीलता, ऑटोफोकस