Разработка системы распознавания номерных знаков (ANPR/LPR)

Допустим, на парковке торгового центра камера фиксирует въезжающий автомобиль. Система должна за доли секунды распознать номер и принять решение: открыть шлагбаум или внести в чёрный список. Если OCR ошибается — пробка у въезда и негатив посетителей. Как построить ANPR/LPR, который стабильно отрабатывает в дождь, ночью и на скорости 60 км/ч? Мы годами отлаживали пайплайн, и делимся проверенной архитектурой. Наша система экономит до 30% бюджета за счет использования open-source моделей и оптимизации инференса.

Как работает двухэтапный пайплайн распознавания номерных знаков?

Видео/Фото → Детекция автомобиля → Детекция номерного знака → OCR → База данных

Двухэтапный подход (авто → номер) точнее одноэтапного, так как позволяет обрабатывать разные форматы номеров из разных стран. На первом этапе YOLO ищет автомобили, на втором — специализированная модель детектирует номер в кропе.

from ultralytics import YOLO
from paddleocr import PaddleOCR
import cv2
import numpy as np
import re

class ANPRSystem:
    def __init__(self,
                 vehicle_model: str = 'yolov8l.pt',
                 plate_model: str = 'plate_detector.pt'):
        self.vehicle_detector = YOLO(vehicle_model)
        self.plate_detector = YOLO(plate_model)  # дообученный на номерах
        self.ocr = PaddleOCR(
            use_angle_cls=True,
            lang='en',
            rec_algorithm='SVTR_LCNet'
        )

    def process(self, frame: np.ndarray) -> list[dict]:
        # Детекция транспортных средств
        vehicles = self.vehicle_detector(frame, classes=[2, 3, 5, 7],  # car/moto/bus/truck
                                          conf=0.5)
        results = []

        for vehicle_box in vehicles[0].boxes.xyxy:
            x1, y1, x2, y2 = map(int, vehicle_box)
            vehicle_crop = frame[y1:y2, x1:x2]

            # Детекция номерного знака в кропе автомобиля
            plates = self.plate_detector(vehicle_crop, conf=0.5)

            for plate_box in plates[0].boxes.xyxy:
                px1, py1, px2, py2 = map(int, plate_box)
                plate_crop = vehicle_crop[py1:py2, px1:px2]

                # OCR номера
                plate_text = self._recognize_plate(plate_crop)

                if plate_text:
                    results.append({
                        'plate': plate_text,
                        'vehicle_bbox': [x1, y1, x2, y2],
                        'plate_bbox': [x1+px1, y1+py1, x1+px2, y1+py2],
                        'confidence': float(plates[0].boxes.conf[0])
                    })

        return results

    def _recognize_plate(self, plate_img: np.ndarray) -> str | None:
        # Предобработка
        plate_img = self._preprocess_plate(plate_img)

        result = self.ocr.ocr(plate_img, cls=False)
        if not result or not result[0]:
            return None

        text = ''.join([line[1][0] for line in result[0]])
        text = re.sub(r'[^A-Z0-9А-Я]', '', text.upper())

        # Валидация формата российского номера
        if re.match(r'^[АВЕКМНОРСТУХ]\d{3}[АВЕКМНОРСТУХ]{2}\d{2,3}$', text):
            return text

        return text if len(text) >= 6 else None

Почему важна предобработка изображения? — разработка системы распознавания

Качество OCR напрямую зависит от того, как подготовлен кроп номера. Мы используем масштабирование до высоты 64 пикселя, выравнивание по углу наклона и нормализацию яркости. Это снижает процент ошибок на 15–20% по сравнению с сырым кадром.

def _preprocess_plate(self, image: np.ndarray) -> np.ndarray:
    # Масштабирование до стандартной высоты
    target_h = 64
    scale = target_h / image.shape[0]
    new_w = int(image.shape[1] * scale)
    image = cv2.resize(image, (new_w, target_h), interpolation=cv2.INTER_CUBIC)

    # Конвертация в оттенки серого
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # Нормализация яркости
    normalized = cv2.normalize(gray, None, 0, 255, cv2.NORM_MINMAX)

    return normalized

Как решаем проблему разных форматов номеров?

Российские номера: X000XX00[0] (стандарт), X000XX000 (транзитные). Дополнительные форматы: таможенные, дипломатические, военные. Для международных систем — мультиязычная OCR + несколько наборов регулярных выражений валидации. Мы накопили библиотеку из более чем 20 масок для стран СНГ и Европы.

Пример из практики: парковка ТРЦ на 8 камер

Для крупного торгового центра требовалась система, которая обрабатывает поток 30 машин в минуту, работает в режиме 24/7 и интегрируется с существующим шлагбаумом. Мы развернули двухэтапный пайплайн на сервере с GPU T4. Точность распознавания составила 98%, ложные срабатывания — менее 1%. Время отклика — 45 мс на кадр. Спустя год эксплуатации система не требовала переобучения — лишь периодическая калибровка камер.

Сравнение: наша система vs типовые решения на OpenALPR

Наш пайплайн в 2 раза быстрее обрабатывает кадры при той же точности: 45 мс против 95 мс на T4. За счет тонкой настройки YOLO и PaddleOCR мы добились accuracy 98% против 93% у OpenALPR на сложных номерах. Кроме того, мы поддерживаем больше форматов — более 20 масок против 5 стандартных.

Пошаговое внедрение системы ANPR/LPR

1. Аудит места установки и подбор камер с нужным разрешением и ИК-подсветкой.
2. Сбор датасета: 5000+ кадров в разных условиях для дообучения моделей.
3. Обучение детектора и OCR на вычислительном кластере (обычно 2-3 дня на GPU A100).
4. Интеграция с СКУД через REST API, настройка Redis для LPR-списков.
5. Тестирование в течение недели с реальным трафиком, коррекция порогов.
6. Деплой на сервер заказчика, передача документации и обучение персонала.

Производительность в продакшене

Что входит в разработку под ключ?

• Анализ места установки и подбор камер
• Обучение/дообучение моделей детекции и OCR
• Настройка предобработки и постобработки
• REST API для интеграции с СКУД и базами данных
• Redis для горячего списка (whitelist/blacklist)
• PostgreSQL с pg_trgm для нечёткого поиска (учитывает ошибки OCR: 0/O, I/1, B/8)
• Документация и обучение персонала
• Гарантийная поддержка 6 месяцев

Сроки внедрения

Стоимость рассчитывается индивидуально — зависит от числа камер, требуемой точности и глубины интеграции. Наши инженеры имеют сертификаты по MLOps и суммарный опыт 10+ лет в Computer Vision. Пишите — оценим ваш проект за один рабочий день. Гарантируем прозрачный результат и соблюдение сроков. Получите консультацию: свяжитесь с нами для оценки вашего проекта.

Используемые технологии: YOLOv8, PaddleOCR, PyTorch, Redis, PostgreSQL.

Как distribution shift убивает метрики CV-модели в промышленности

На производстве ставят камеру, контролируют качество продукции. Модель обучена на 10 000 размеченных изображений — точность на тесте mAP 0.84. Запускают в продакшен — и в первую же неделю пропускают 30 % дефектов. Освещение на линии меняется по сменам, distribution shift обнуляет метрики. Это классическая история с Computer Vision в промышленности, где распознавание образов даёт сбой без правильной обработки дрейфа.

Наши инженеры с опытом 60+ проектов по компьютерному зрению знают, как исключить такие сценарии. Гарантируем стабильную работу модели под реальными условиями.

Детекция объектов: YOLO, RT‑DETR и всё что между ними

YOLO — стандарт для real‑time детекции. YOLOv8 и YOLOv11 от Ultralytics — наиболее используемые версии в производстве: простой API, активное сообщество, встроенная валидация и экспорт в ONNX/TensorRT. Для задач с высокими требованиями к точности и когда latency менее критична — RT‑DETR, transformer‑based архитектура без NMS, даёт лучший mAP на COCO при сравнимой скорости с YOLOv8l.

Типичная ошибка при обучении детектора: датасет 8000 изображений, 3 класса, fine‑tune YOLOv8m — F1 0.73 на валидации. Смотрим confusion matrix — один класс почти никогда не детектируется. Причина: дисбаланс 1:23. Решение: oversampling редкого класса, focal loss для objectness, аугментации (Mosaic, MixUp отключить для редкого класса — они его «размывают»). Transfer learning обязателен: предобученные на COCO веса сокращают потребность в данных в 10 раз. Fine‑tune на 500–2000 доменных изображениях даёт рабочую модель за 1–2 дня на одной GPU.

Для edge deployment: экспорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin даёт 150+ FPS при P99 latency < 8 ms — это в 3 раза быстрее, чем ONNX Runtime без TensorRT. На сервере A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Как fine‑tuning YOLO помогает в распознавании образов?

Допустим, нужно находить микродефекты на поверхности металла — задача с высоким разрешением и перекосом классов. Используем YOLOv8m, предобученный на COCO (документация Ultralytics), и дообучаем на 2000 собственных изображений. Применяем аугментации Mosaic, MixUp, random perspective. После 200 эпох mAP 0.5 достигает 0.93. Ключевые приёмы:

• focal loss для objectness головы — уменьшает вклад легко классифицируемых примеров.
• class‑balanced sampling — выравнивает представительство редких классов.
• Test Time Augmentation (TTA) — повышает recall на 5–7 % за счёт усреднения по флипам и масштабам.

Получите консультацию по подбору архитектуры для вашей задачи — свяжитесь с нами.

Сегментация: SAM, Mask R‑CNN и instance segmentation

SAM (Segment Anything Model) от Meta изменил подход к сегментации. SAM 2 работает с видео, поддерживает трекинг объектов через кадры — для интерактивного выделения объекта по точке или bbox это лучший выбор из коробки. Для production instance segmentation без интерактивного промпта — Mask R‑CNN или YOLOv8‑seg. YOLOv8‑seg обучается как обычный детектор с дополнительными масками, удобен в тех же пайплайнах. Семантическая сегментация (каждый пиксель — класс) — SegFormer, DeepLabV3+. SegFormer‑B5 даёт хороший баланс точности и скорости для анализа спутниковых снимков или медицинской сегментации.

Кейс: сегментация клеток на микроскопических изображениях. Датасет 400 изображений с ручной разметкой. Обучение Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — плохо. Проблема: объекты (клетки) перекрываются, стандартный NMS убивает перекрывающиеся предсказания. Решение: переход на cellpose (специализированная архитектура для биомедицинских задач) + soft‑NMS. IoU вырос до 0.79.

OCR: когда Tesseract не справляется

Tesseract — отправная точка для простых задач: печатный текст, хорошее освещение, ровное расположение. Как только появляются рукописные элементы, нестандартные шрифты, перспективные искажения или многоколоночный макет — Tesseract деградирует быстро.

PaddleOCR — production‑grade решение: обнаружение текстовых блоков + распознавание + структурный анализ. Работает из коробки для 80+ языков, включая русский. Поддерживает таблицы и документы со сложной структурой. Wikipedia: Оптическое распознавание символов. TrOCR (Microsoft) — трансформерный OCR с сильными результатами на рукописном тексте. Для русского рукописного текста нужен fine‑tuning: базовая модель обучена преимущественно на латинице.

Что делать, если Tesseract не справляется с распознаванием образов на документах?

Для задач «извлеки данные из счёта / договора / паспорта» используем LayoutLMv3 или Donut — эти модели понимают layout документа, а не только текст. Интеграция через Hugging Face Transformers, fine‑tuning на 200–500 размеченных документах. Типичный pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Обнаружение текстовых блоков: PaddleOCR detection или CRAFT.
3. Распознавание: PaddleOCR recognition или TrOCR.
4. Post‑processing: нормализация, валидация через regex или LLM для структурированных полей.

Для документов с фиксированной структурой template matching + OCR точечно по координатам зачастую надёжнее end‑to‑end решения.

Face Recognition: идентификация и верификация

Face recognition = detection + alignment + embedding + matching. Каждый этап важен.

Detection: RetinaFace или InsightFace для точной локализации лица и ключевых точек. MTCNN — более старое, но надёжное решение. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Модели iresnet50/iresnet100 предобучены на MS1MV3 (5M идентичностей). Эмбеддинг‑вектор 512 float32, сравнение по cosine similarity. Threshold tuning: порог решения — критический параметр. При threshold 0.6 типичный FPR на LFW benchmark — 0.001, TPR — 0.985. В production threshold нужно калибровать под реальный distribution: люди в масках, с изменившейся внешностью, в разных условиях освещения. Liveness detection обязателен: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo содержит несколько предобученных liveness‑детекторов.

Видеоаналитика

Видео — последовательность кадров плюс временное измерение. Наивный подход — детектировать на каждом кадре — дорого.

Трекинг: ByteTrack и BoT‑SORT — стандарт для multi‑object tracking. Работают поверх любого детектора, добавляют persistent ID объектам между кадрами — это даёт подсчёт объектов, треки движения, velocity.

Оптимизация: не нужно обрабатывать каждый кадр. Для статичных сцен детекция на каждом 5–10 кадре, между ними — трекер. Для детекции событий (человек вошёл в зону) background subtraction (OpenCV MOG2) как lightweight pre‑filter перед нейросетевой детекцией. Action Recognition: SlowFast, VideoMAE для классификации действий. Тяжёлые модели — для production используем ONNX export + TensorRT либо оффлайн обработку.

Как измерить качество модели распознавания образов в продакшене?

Мониторинг качества — ключевой элемент MLOps. Отслеживаем:

• распределение prediction confidence;
• долю low‑confidence предсказаний (индикатор OOD‑данных);
• дрейф входных изображений через feature distribution (embeddings из backbone).

Падение средней confidence с 0.87 до 0.71 за неделю — ранний сигнал о distribution shift. NVIDIA Triton Inference Server рекомендует отслеживать эти метрики через Prometheus. Наши сертифицированные инженеры настраивают мониторинг и гарантируют SLA по качеству инференса.

Деплой CV‑моделей

Для онлайн инференса используем Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Поддерживает TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST и gRPC API. Гарантируем стабильную работу под нагрузкой.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобильных устройств. OpenVINO для Intel CPU/GPU/VPU — даёт 2–3× прирост скорости на Intel железе по сравнению с ONNX Runtime. После деплоя передаём модель с документацией и обучаем персонал.

Что входит в работу

Сроки и стоимость

Прототип детектора на существующих данных — 1–2 недели. Production‑система с оптимизацией под целевое железо — 4–8 недель. Полный цикл включая разметку данных (1000–5000 изображений) — 2–4 месяца. Стоимость рассчитывается индивидуально под каждую задачу. Примерная экономия от внедрения системы контроля качества — до 1 млн рублей в месяц на одном производственном участке.

Мы на рынке более 5 лет, реализовали 60+ проектов по компьютерному зрению. Оценим ваш проект под ключ — закажите консультацию, чтобы получить расчёт и техническое предложение.