Pull to refresh

Comments 21

о! как я этого ждал! :)
Молодцы! теперь можно будет объективно сравнивать распознавалки.
Ну, это если владельцы распознавалок захотят их сравнивать;)
К тому же зачастую существуют весьма специфические решения, которые работают в строго определённых условиях, а с произвольными кадрами могут не справляться. Зато при наличии условий: подсветка, положение камеры, ракурс, и.т.д. справляются лучше всех. Такие алгоритмы сложно тестировать по базе, они настроены на оборудование…
скажу за себя — мне будет интересно :)
А нельзя попросить в алгоритм внести номер-другой, которые бы гарантированно не распознавались? ))
А почему вы уверены, что если кто-то и будет использовать наш алгоритм, то это будет плюсом?:)
В какой-то момент с нашим алгоритмом экспериментировал товарищ, который автоматический КПП к себе в деревню делал;)
Потому что вы — молодцы, и еще потому, что хороший алгоритм можно хоть куда приделать, но он не перестанет быть отличным.

КПП кто-то делал. Хоть не тюрягу оснащал, и то хорошо. Он буренкам номера не привесил, кстати, чтобы они с пастбища могли пройти в деревню? ))
Самое сложное — это нахождение автомобильных номеров в потоке, где в кадре находятся сразу несколько номеров.
А распознавание — это уже ерунда, тривиальная задача
:)))) Вооот, а нам кажется наоборот, что выделить номер в потоке — ерунда. А как раз распознать, когда он снят черти как, с перспективой, «весь забрызган грязью, абсолютно весь», да еще буквами подтертыми — вот это приятно.
Так говорит только человек, никогда не сталкивавшийся ранее с поиском номеров на изображении.
Какие у вас алгоритмы нахождения номеров в кадре?
Днём, ночью, в дождь, снег, запачканные номера… Вы вот сейчас серьёзно говорите, что это легко? Не верю.
Ссылки в студию, как говорится.
Вы хоть по ссылкам в тексте статьи походили?.. Там же всё есть… Вплоть до примеров и исходников.
Вот наш блог на хабре, там 7 статей на тему — habrahabr.ru/company/recognitor/
Вот рабочая версия на Андроиде — play.google.com/store/apps/details?id=org.opencv.samples.tutorial334565
Вот её исходники — github.com/ZlodeiBaal/Recognitor
Ещё есть версия для ios и исходники для неё.
В кратце — всё построено вокруг каскада Хаара — habrahabr.ru/company/recognitor/blog/223441/
В версиях под мобильники каскад и применяется. Так же наш каскад с распознаванием номеров замержен в основную версию OpenCV, они проверили, что он работает…
Подход не 100%, конечно. Но в плохих условиях съёмки с дрожащих рук мыльной камерой даёт 90% выделения всех номеров — eye-recognition.ru/platerec.html (из тех кадров, где номер есть в приличном для дальнейшей работе качестве).
При хороших условиях, или если переобучить по более широкой базе 95% не проблемма.

Так говорит только человек, никогда не сталкивавшийся ранее с поиском номеров на изображении.

Может расскажете, где вы сталкивались?
Error_403_Forbidden, мой комментарий был с долей шутки, если честно. Значил он примерно следующее: «так говорит только человек, никогда ранее не сталкивавшийся с РАСПОЗНАВАНИЕМ номера на изображении. Какие у вас алгоритмы РАСПОЗНАВАНИЯ номеров в кадре? Днем, ночью, в дождь, снег, запачканные номера… Вы вот сейчас серьезно говорите, что распознавать номер — это легко? Не верю. ссылки в студию, как говорится». Ну а если серьезно, то никакие задачи в сложной постановке не просты.
Эх, если бы всё так просто…
Но номер найти тривиально. Наш способ за счёт каскада Хаара один из самых стабильных, из тех, которые не используют специальную подсветку, кстати.
все-таки найти номер не всегда просто. в 90% случаях справляется простой детектор на каскаде Хаара. Но что делать тому десятому несчастному, который остановился перед шлагбаумом, а его номер не читается?.. )) Кроме того, тут еще ключевое слово «в потоке». Мы делали по одиночному кадру. В потоке вообще другие алгоритмы и другие к ним требования. кажется, что по видео надежнее — есть много кадров и движущаяся машина (а значит и попроще достичь тех же 90%).
да, я пробовал ваш каскад на видео с регистратора — я бы сказал, что он работает терпимо: на каких-то кадрах теряет номер впереди идущей машины, какие-то (вполне различимые номера) игнорирует практически полностью, довольно много ложных срабатываний на зданиях и вообще горизонтальных/вертикальных текстурах типа забора.
Понимаю, что он создавался не для этих целей, так что для такого использования. я бы сказал, очень хороший результат!
Ждем интересных обновлений! :)
Да, где-то в январе я попробую переобучить каскад, должен лучше срабатывать начать по таким ситуациям, я надеюсь. Ложняки за заборах почти точно уйдут. Мы в базу отрицательных примеров их уже порядочно набрали.
Как то вы странно базу выложили, как по ней производить тестирование точности детектирования и распознавания?
По идее надо было выкладывать первый архив(«база необрезанных фотографий автомобилей») и дополнительно к ней метаинформацию в виде координат описанных прямоугольников вокруг номеров для задачи детектирования и текстового описания что на номере изображено для задачи распознавания.
Для этого нужно 10000 картинок прописать номера и верефицировать. У нас на это сил и времени не было. Если хотите, можете сделать, перевыложим архив.
У нас есть небольшая своя база, для которой есть написанные ручками номера. Мы упомянали её в тексте. Если кто захочет, мы можем по ней проверить любой алгоритм. Параметров выделения рамок в той базе нет, они на наш взгляд не нужны. Некоторые алгоритмы могут работать без явного выделения, со множественными гипотезами.

База, которую мы выложили достаточна чтобы люди, которые будут этим заниматься проверили работоспособность алгоритма в разных условиях, чтобы им не пришлось бегать по улице с фотоаппаратом.
Да, наш каскад, кстати, отработал не на всех, а где-то на 80% картинок.
В принципе каскад подключается в 2 строчки OpenCV, можете проверить.
Sign up to leave a comment.