Hoe werkt een ANPR-camera?
Een ANPR-camera kijkt niet alleen naar een wagen. Ze probeert het voertuig te detecteren, de nummerplaat correct vast te leggen en vervolgens letters en cijfers automatisch uit het beeld te halen.
Van rijdende wagen naar leesbare nummerplaat
In de vorige les zagen we waarom een gewone overzichtscamera niet automatisch geschikt is om nummerplaten betrouwbaar te lezen.
Een ANPR-camera is specifiek ontworpen rond het doel nummerplaten detecteren, vastleggen en analyseren.
Volgens de opleiding werkt dit proces in verschillende stappen: eerst wordt een verandering in het beeld gedetecteerd, daarna controleert de ingebouwde AI of het om een voertuig gaat.
Zodra een voertuig wordt herkend, maakt de camera een beeld van de nummerplaat en analyseert de software de letters en cijfers.
Karen wil niet alleen weten dát er een auto was
In de vorige les werd voor Karen duidelijk dat een brede camera op haar klantenparking iets anders doet dan een gespecialiseerde ANPR-camera.
Stel dat een onbekende wagen 's avonds de parking oprijdt. Voor Karen is het algemene camerabeeld nuttig: ze ziet het voertuig, het tijdstip en de beweging.
Maar wanneer ze specifiek vraagt: “Welke nummerplaat had die wagen?” moet de installatie daarvoor ontworpen zijn.
Dit is precies waar de ANPR-camera een andere rol krijgt: niet alleen overzicht geven, maar een nummerplaat gericht vastleggen en automatisch interpreteren.
Vier stappen van voertuig naar kenteken
Verandering detecteren
Volgens de opleiding detecteert de camera eerst een kleurverandering in het beeld.
Die verandering kan wijzen op een naderend object.
Is het een voertuig?
Vervolgens schakelt de ingebouwde AI in.
Die probeert te bepalen of het gedetecteerde object daadwerkelijk een voertuig is.
Nummerplaat vastleggen
Zodra een voertuig wordt herkend, maakt de camera automatisch een beeld van de nummerplaat.
Tekens analyseren
De AI analyseert het beeld en haalt daaruit de letters en cijfers van de nummerplaat.
AI kan alleen werken met bruikbaar beeld
Begin met de juiste camera
Camera en software werken samen
De camera moet eerst een bruikbaar beeld produceren.
Daarna kan de herkenningssoftware het beeld analyseren.
Een goede ANPR-oplossing is dus een combinatie van hardware, positionering, beeldkwaliteit en software.
Herbekijk de vorige lesPlaatsing en positionering zijn cruciaal
Vier plaatsingsfactoren uit de opleiding
Hoek
Ideaal is volgens de opleiding een hoek van maximaal ongeveer 30° ten opzichte van de bewegingsrichting.
Hoogte
De cursus noemt meestal ongeveer 2,5 tot 4 meter boven de weg.
Afstand
De geschikte afstand hangt af van lens en resolutie. Te grote afstand vermindert de herkenning.
Stabiliteit
De camera moet stevig gemonteerd worden zodat trillingen de opname niet verstoren.
De omgeving beïnvloedt de herkenning
Verlichting
Er moet voldoende contrast zijn tussen kenteken en omgeving.
Zonlicht of verblinding kan volgens de opleiding problemen veroorzaken.
Regen, sneeuw en mist
Weersomstandigheden kunnen de leesbaarheid van de nummerplaat verminderen.
Vuil op de camera
Vervuiling van de camera kan de herkenning eveneens moeilijker maken.
Achtergrond
Een drukke achtergrond kan volgens het cursusmateriaal de software verwarren.
Een neutralere achtergrond is gunstiger.
Ook de nummerplaat zelf moet bruikbaar zijn
Duidelijkheid
De nummerplaat moet schoon, onbeschadigd en goed zichtbaar zijn.
Contrast
ANPR-software werkt beter wanneer er duidelijk contrast tussen tekens en achtergrond is.
Snelheid
De opleiding wijst erop dat er een maximale snelheid bestaat waarbij de camera betrouwbare resultaten kan leveren.
De software moet het kenteken kunnen begrijpen
ANPR-algoritme
De herkenningssoftware moet kunnen omgaan met verschillende lettertypen, formaten en internationale kentekens.
Een nummerplaat herkennen is dus meer dan alleen een rechthoek in een beeld vinden.
Real-time verwerking
Voor live herkenning van voertuigen is volgens de opleiding voldoende rekencapaciteit nodig.
Detectie, classificatie, beeldselectie en karakterherkenning moeten snel genoeg kunnen gebeuren.
Van mislukte opname tot correcte opstelling
Loop systematisch de volledige keten na: juiste camera → juiste hoek → juiste afstand → stabiele montage → verlichting → weersinvloeden → zichtbaarheid van de plaat → softwareconfiguratie.
Goede ANPR-herkenning ontstaat uit de combinatie van deze factoren.
De elektricien kijkt nu anders naar de parking
In het begin dacht hij vooral: “Waar kan ik de camera ophangen zodat ik zoveel mogelijk parking zie?”
Nu stelt hij een andere vraag: “Op welke plaats passeren de voertuigen en waar kan ik de nummerplaat onder een goede hoek vastleggen?”
Dat is precies het verschil tussen zomaar een camera monteren en een CCTV-systeem ontwerpen vanuit het doel van de eindklant.
Voor Karen betekent dit: één camera kan overzicht geven, terwijl een andere camera specifiek op de nummerplaten aan de ingang van de parking wordt afgestemd.
Staat de camera verkeerd, is de plaat te klein, is de opname onscherp of wordt de camera blootgesteld aan ongunstige verlichting, dan krijgt de AI slechter beeldmateriaal om te analyseren.
Goede AI begint dus nog altijd bij goede cameratechniek en goede plaatsing.
1. Detecteer een verandering
2. Bepaal of het een voertuig is
3. Leg de nummerplaat vast
4. Analyseer letters en cijfers
Maar dat proces werkt alleen goed wanneer ook de installatievoorwaarden kloppen.
Denk aan: juiste hardware, juiste hoek, passende hoogte en afstand, stabiele montage, goede verlichting, zichtbare nummerplaat en geschikte software.