Kennzeichen-Erkennung

aus SecuPedia, der Plattform für Sicherheits-Informationen

Anzeige
Wechseln zu: Navigation, Suche

Automatisierte Kennzeichenerfassung ist seit Jahren bei vier Länderpolizeien, in Parkhäusern und auf Parkplätzen sowie im Objektschutz (Zufahrtkontrollen) von Industriebetrieben im Gebrauch. Das technische Prinzip wird auch im Mautüberwachungssystemen an Bundesautobahnen und –straßen verwendet.

Die Zufahrtskontrollverfahren mittels Nummernschilderkennung bzw. per Kfz-Kennzeichenerkennung (KZE) basieren auf Methoden der Bildverarbeitung: Die digitalen oder digitalisierten Bilder einer Videokamera werden mittels komplexer Algorithmen nach Kennzeicheninformationen ausgewertet, um die dann gewonnenen Daten für unterschiedliche Anwendungen automatisiert nutzen zu können.

OCR (Schrifterkennung)

Zunächst muss dem Rechner ein Bild des Fahrzeugs zur Verfügung gestellt werden. Dieses Bild liegt entsprechend der verwendeten Auflösung zum Beispiel in einem Format von 800x600 Pixel vor. Aufgabe der Software ist es dann, diese Menge an Daten (800x600=480.000 Bytes für s/w), in denen sich das Kennzeichen verbirgt, auf die wenigen Bytes (7 Bytes für das Beispielkennzeichen R-EK 275) zu reduzieren.

Die Kamera "sieht" für jedes Pixel einen bestimmten Hell-/Dunkel- oder Farbwert. Auf einer Fläche aufgetragen ergibt sich daraus eine fast beliebige "Gebirgslandschaft" in der sich das Kennzeichen nicht im Klartext, sondern als Ein- und Ausbuchtungen entsprechend der Geometrie der Zeichen versteckt.

Die folgenden drei Aufgaben sind damit softwaretechnisch zu lösen:

  • Auffinden des Kennzeichenortes im Bild
  • Separieren der Zeichen zu sogenannten Pixelmatrizen
  • Umwandlung der einzelnen Pixelmatrizen in den dazugehörigen ANSI/ASCII-Wert.


Triggerung

Unter Triggerung versteht man den Mechanismus zur Auslösung einer Bildaufnahme. Gute Bildverarbeitungssysteme liefern Bilder in Echtzeit, d.h. 25 Bilder pro Sekunde. Das bedeutet, dass alle 40 Millisekunden ein Bild zur Verfügung steht. Je besser die Bilder aufgelöst sind, d.h. je mehr Pixel pro Bild vorhanden sind, desto größer wird die Anforderung an das Bildverarbeitungssystem, um Echtzeit zu gewährleisten.

Will man zusätzlich die Einzelbilder auch noch per OCR nach Kennzeicheninformationen auswerten, steigt die Belastung des Systems weiter. Benötigt man zum Beispiel 40 Millisekunden für die OCR, halbiert sich die Bildrate fps (frames per second).

Man umgeht diese Systembelastung, indem man auf ständige Bildauswertung verzichtet und von außen auf ein Signal wartet, das den Zeitpunkt der Bildauswertung vorgibt (Triggerung). Lösungen hierzu sind beispielsweise induktive Bodenschleifen, Lichtschranken oder Impulse von Fremdsystemen.

Eine weitere Möglichkeit ist, über eine Bewegungserkennung entweder extern oder intern aus dem Bild heraus die Kennzeichenauswertung zu starten.

Welche Methode am geeignetsten ist, hängt von der jeweiligen Anwendungssituation ab. Da die Leistungsfähigkeit des Erkennungs-Algorithmus von der Güte des gelieferten Bildes abhängig ist, spielt die Installation und Konfiguration des Systems eine wichtige Rolle. Hier sind insbesondere die Auswahl und Position der Kamera, die Optik, der Fangbereich der Fahrspur zu nennen. Umfragen bei Betreibern marktgängiger Erkennungssystem berichten von einer Erkennungsrate von über 98 %.

Anders bei Kennzeichen-Erkennungssystemen im Straßenverkehr - hier ist die Fehlerquote wesentlich höher. Ist hier ein System 24 Stunden im Einsatz, dann kommt es auf 9.600 Lesefehler.

Jüngst hat das Bundesverfassungsgericht ein Kennzeichen-Erkennungssystem in Teilen als verfassungswidrig bezeichnet.

Quelle: http://www.schmitz-regensburg.de (mit freundlicher Genehmigung)



Diese Seite wurde zuletzt am 10. April 2019 um 21:37 Uhr von Peter Hohl geändert. Basierend auf der Arbeit von Klaus Kapinos.