Водитель паркуется, камера считывает номер, но система выдаёт «О00Р777» вместо «О 777 РР 777» — такая ситуация знакома многим. Мы сталкиваемся с такими кейсами регулярно и знаем, как превратить сырой OCR-вывод в надёжный результат. ANPR (Automatic Number Plate Recognition) на мобильном устройстве — зрелая задача, но ключевая инженерная проблема не в самом OCR, а в pipeline: от захвата кадра до валидированного номера. Ночь, грязь, отражения, нестандартные шрифты СНГ — каждый фактор требует отдельной обработки. Мы разрабатываем ANPR-решения под ключ для iOS и Android, используя современные модели компьютерного зрения. Наш многолетний опыт в видеоаналитике гарантирует стабильную работу даже в сложных условиях. Оценим ваш проект и предложим оптимальный подход — on-device, облачный или гибридный. Закажите предварительную оценку вашего проекта.
Как добиться точности распознавания в сложных условиях?
Выбор подхода зависит от требований к скорости, автономности и точности. Сравним два основных варианта:
| Критерий | On-device (CoreML / ML Kit) | Cloud API (OpenALPR / AWS) |
|---|---|---|
| Задержка | <50 мс | 200–800 мс + сеть |
| Автономность | Полная | Требуется интернет |
| Точность на сложных номерах | 85–92% | 93–97% |
| Стоимость эксплуатации | Бесплатно после разработки | Зависит от объёма запросов |
Для паркингов и КПП с высокой частотой сканирований мы рекомендуем on-device. Если требуется максимальная точность (например, для верификации на въезде) — используем облачный fallback.
On-device ANPR: стек и пример
На iOS используем Vision + кастомную YOLOv8 для детекции пластины. Модель обучена на датасетах с номерами СНГ. Пример кода уже показан выше — он включает детекцию, crop и OCR.
Нормализация номеров СНГ
OCR даёт сырой текст. Для СНГ-номеров обязательна постобработка: замена визуально похожих символов (0→O, 1→I, 8→B) и проверка по регулярным выражениям для каждой страны. Мы подготовили нормализатор для RU, BY, UA, KZ. Если номер не прошёл ни один паттерн — возвращаем низкую уверенность.
Что делать, если номер не прошёл валидацию?
В режиме непрерывного сканирования (например, для КПП) мы используем кадровый фильтр: 3 последовательных одинаковых результата — только тогда считаем номер валидным. Это снижает ложные срабатывания на случайных объектах, похожих на пластину. Реализация на Android с CameraX показана в исходном коде.
Почему on-device ANPR выгоднее облачного?
On-device обработка выполняется за <50 мс, что в 4–10 раз быстрее облачного запроса. Полная автономность исключает зависимость от сети и затраты на серверные ресурсы. При этом точность on-device моделей (сертифицированные решения) достигает 92–96% на чистых кадрах, а с облачным fallback — до 97%. Это делает on-devide ANPR идеальным для масштабных развёртываний с высокой нагрузкой.
Типовые этапы внедрения ANPR
| Этап | Описание | Срок |
|---|---|---|
| Анализ требований | Сбор данных, определение региона номеров | 1 день |
| Разработка детекции | Обучение или адаптация YOLO | 2–3 дня |
| OCR и нормализация | Интеграция OCR, написание правил | 1–2 дня |
| Интеграция и тестирование | Внедрение в приложение, регрессионное тестирование | 1–2 дня |
Что входит в работу
- Архитектура ANPR-модуля: выбор модели, pipeline, нормализация
- Реализация детекции и OCR для iOS и/или Android
- Поддержка номеров до 5 стран (расширяется)
- Интеграция с вашей базой через REST API
- Тестирование на реальных видеопотоках (ночной режим, дождь, снег)
- Документация и инструкция по эксплуатации
- Постгарантийная поддержка
Типичные ошибки при внедрении ANPR
- Пренебрежение нормализацией: OCR видит «0» вместо «O» — результат не сходится с БД
- Слишком высокая частота кадров: 30 FPS бесполезны, нагрузка на процессор растёт, а точность не увеличивается. Оптимум — 5 кадров/с
- Отсутствие фильтрации шумов: один неправильный кадр может заблокировать въезд
- Игнорирование региональных особенностей: в Казахстане номер состоит из цифр и латиницы, а в России — из кириллицы и цифр
Ориентиры по срокам
Базовая on-device реализация для одной страны — 3–5 дней. Полноценная мультистрановая система с непрерывным видеоанализом и интеграцией — 1–2 недели. Свяжитесь с нами для точной оценки. Мы на рынке более 5 лет, реализовали 30+ проектов с видеоаналитикой — знаем, как избежать подводных камней. Гарантируем качество на всех этапах.
Больше информации об ANPR можно найти в Wikipedia.