Oprogramowanie ANPR: jak rozpoznaje tablice rejestracyjne

LPR (License Plate Recognition) i ANPR (Automatic Number Plate Recognition) oznaczają tę samą technologię: automatyczną detekcję i odczyt tablic rejestracyjnych z obrazu kamery. LPR to częściej używany termin w USA, ANPR w Wielkiej Brytanii, Unii Europejskiej i Polsce, a ALPR to spotykany synonim. Proces składa się z trzech kroków: detekcji obszaru tablicy w klatce, odczytu znaków (OCR) i walidacji formatu tablicy. W naszym podejściu detekcja i OCR działają lokalnie, na jednostce zainstalowanej na obiekcie.

W teście z września 2026 używaliśmy 16 klipów i 24 tablic, nagranych przez dwie kamery pracujące razem (wjazd i wyjazd). Za prawdę przyjmowaliśmy zgodność obu kamer. We wdrożonym ustawieniu konsensusu oprogramowanie potwierdziło 24 z 24 tablic, bez błędnych odczytów, a mediana czasu od pojawienia się pojazdu do potwierdzenia wynosiła 0,60 s. To wynik testu na małej próbie, dlatego podajemy liczbę prób, a nie wskaźnik skuteczności. Test obejmował też trudne warunki: tablica potwierdzona w deszczu o 02:37 oraz dwie tablice nocne o 04:05 i 04:36.

Nie. Oprogramowanie działa na zwykłych kamerach IP obsługujących standard ONVIF i strumień RTSP. Testowaliśmy je na kamerach Tapo i Hikvision 1080p pracujących z 20 klatkami na sekundę. Nie są potrzebne dedykowane kamery ANPR. Jedna jednostka analizująca może obsługiwać dwie kamery jednocześnie, na przykład wjazd i wyjazd.

Najważniejszy parametr montażowy to wysokość tablicy w kadrze. W naszych pomiarach minimalna wysokość wynosiła około 28 do 30 pikseli. Przy 31 do 32 pikselach odczyty były pewne. Poniżej tego progu odczyty się sypią. Wniosek praktyczny: kadr i miejsce montażu kamery są ważniejsze niż zoom. Dobry kadr często pozwala użyć kamery, która już jest na obiekcie.

W pomiarach na dwóch telefonach z Androidem (Pixel 10 i Xiaomi 12X) detekcja tablicy zajmowała 38 do 57 ms na klatkę, a OCR wycinka 15 do 20 ms. Jedna kamera 1080p była przetwarzana z szybkością 24 do 26 klatek na sekundę. Dwie kamery 1080p jednocześnie dawały około 8 klatek na sekundę razem, bez odrzuconych klatek, przy dwóch wątkach na silnik. Pierwsza klatka po połączeniu strumienia RTSP pojawiała się w 0,4 do 1,2 s, a bufor strumienia wynosił 0,42 do 0,70 s.

Istnieją otwarte projekty do rozpoznawania tablic, które można uruchomić samodzielnie. Sprawdzają się w nauce, badaniach i testach koncepcji z jedną kamerą, bez wymagań produkcyjnych. Dla komercyjnego parkingu takie rozwiązanie zwykle nie wystarcza, bo trzeba jeszcze utrzymać działanie na kamerach, ogarnąć sterowanie bramą, rozliczenia, panel operatora i dokumentację RODO. My rozwijamy oprogramowanie rozpoznające tablice sami i możemy je dostosować do konkretnego obiektu, zamiast składać system z gotowych elementów bez wsparcia.

Kamery potrafią resetować znaczniki czasu kilka razy na dobę, co zrywa strumień. Oprogramowanie wykrywa zastój strumienia po 15 sekundach bez postępu i łączy się ponownie automatycznie. W testach pracy ciągłej system utrzymywał stabilną pamięć (73 do 99 MB przez godzinę) po poprawkach związanych z zarządzaniem pamięcią.

Rozpoznawanie tablic i sterowanie bramą działają lokalnie na obiekcie, więc nie zależą od połączenia z internetem. Panel operatora i strona płatności działają na serwerze, do którego jednostka się łączy. Przy chwilowej utracie łącza rozpoznawanie i obsługa bramy działają dalej, a zdarzenia zapisują się lokalnie.

Testowaliśmy dwie jednostki: Google Pixel 10 (Tensor G5, Android 16) i Xiaomi 12X (Snapdragon 870, Android 13). Jednostka analizująca to telefon z Androidem, bez serwera na obiekcie. Jedno urządzenie obsługuje dwie kamery. Panel operatora i strona płatności działają na serwerze, a nie na urządzeniu na obiekcie. Sterowanie bramą realizuje kontroler ESP32-S3 (WiFi, mDNS, OTA).

Po poprawce regresji toru kierunek "stoi" klasyfikowany jest w 5 procent przypadków i dotyczy wyłącznie aut faktycznie stojących, a 2 procent przypadków pozostaje nieznanych. 49 z 56 par kamer pracowało w spójnym wzorze: pierwsza kamera rejestrowała zbliżanie, druga oddalanie. Dzięki temu wjazd i wyjazd są rozpoznawane na podstawie ruchu, a nie tylko odczytu tablicy.