AI

日本システム開発株式会社からAIに関するコラムをお届けします。

推論システム開発に2017年から携わっている実績に基づき、様々な情報を発信しています。

日本システム開発の技術、
覗いてみませんか。

AIコラム 第10回「製品紹介第1回 車両ナンバープレート検知アプリ」

今回から、AIを活用した自社製品の紹介を2回に渡り掲載していきます。

日本システム開発株式会社(以下、NSK)は、組込みLinux・リアルタイムOSなどの組込み分野から、WEBアプリケーションなどの高レイヤのアプリケーション開発に至るまで、様々なソフトウェアの開発実績があります。

AIもNSKが取り組んでいる分野の一つとして、長らく開発実績を積み重ねて来ました。

そのノウハウを生かし、AIを活用した自社アプリ開発にも積極的に取り組んでおります。

今回はそんな自社アプリの一つである「車両ナンバープレート検知アプリ」をご紹介いたします。

カメラ映像からナンバープレートをリアルタイム認識している様子

車両ナンバープレート検知アプリとは

車両ナンバープレート検知アプリは、車両のナンバープレートをリアルタイムで認識する、映像解析システムです。

日本のナンバープレートは以下の図のように「地名」「分類番号」「判別文字」「一連指定番号」の4つで構成されています。

車両ナンバープレート検知アプリは、カメラからの入力を全てエッジ側でAI処理し、これら4つの文字情報をリアルタイムで認識しています。

AIによって認識された情報は、検知情報としてWEBアプリに通知します。
WEBアプリを含めたシステム構成は以下の通りです。

検知情報はCloud上に蓄積されていき、ユーザはWEBブラウザを通して、蓄積された検知情報を閲覧することができます。

車両ナンバープレート検知アプリの特長

車両ナンバープレート検知アプリの大きな特長は次の2点です。

① ナンバープレート検知に最適化された独自モデルを使用して高精度な推論結果を得る

② 推論バックエンドの選択(TensorRT版/OpenVINO版)を行いデバイスの推論能力を引き出す

①の特徴は、本製品で使用されているモデルはナンバープレート認識のためにNSKが独自開発したモデルを使用している点です。

これにより、既存のモデルを使った場合と比較して、高い精度の結果を得ることができるようになりました。

②の特徴は、バックエンドとして「TensorRT」または「OpenVINO」どちらかを選択できる点です。

推論デバイスに最適なバックエンドを選択することで、高精度かつリアルタイムでの推論を可能にします。

(※ TensorRTとOpenVINOについては過去のコラムを参照)

以下にデバイスの構成例とバックエンドの組み合わせを記載します。

構成例1.)Intel社製CPUを使用(OS:Ubuntu)・内臓GPUなし

バックエンドにOpenVINOを選択し、CPUデバイスで推論

構成例2.)Intel社製CPUを使用(OS:Ubuntu)・内臓GPUあり

バックエンドにOpenVINOを選択し、Intel社製CPUの内臓GPUデバイスで推論

構成例3.)Intel社製CPUを使用(OS:Ubuntu)・NVIDIA社製GPU使用

バックエンドにTensorRTを選択し、GPUデバイスで推論

構成例4.)NVIDIA社製Jetson Nanoを使用

バックエンドにTensorRTを選択し、GPUデバイスで推論

構成例5.)Intel社製CPUを使用(OS:Ubuntu)・Intel社製VPU使用

バックエンドにOpenVINOを選択し、VPUデバイスで推論

これら2つの特徴を合わせて、高精度かつリアルタイムでの推論を可能としています。

具体的な性能としましては、前述のJetson Nanoの構成例において、30~40fpsほどで推論を行うことが可能です。

比較としてYOLOv3-Tinyモデルを用いて同じタスクを行った場合の比較映像を載せます。

YOLOv3-Tinyモデルを使った場合は2~3fps程となり、本アプリで使用しているモデルの推論速度が速いことが分かります。

それでは次に、車両ナンバープレート検知アプリの具体的な導入例について考えてみたいと思います。

具体的な導入例

導入例を「導入場所」「解決したい課題」「車両ナンバープレート検知アプリを使ったソリューション」でまとめました。

  1. コインパーキング:お客様の入退場時間やピーク時間、滞在時間を知り、マーケティングの調査がしたい
  • 車両ごとで入退場の時間を管理できます。
  • 検知したナンバープレートの情報は保存しておくことも可能なため、通常時とイベント時の駐車台数の違いや年間の動向予測を行うための指標にもなります。
  1. マンション:不審車両や関係者外の車両の入退場を防ぎたい
  • 住人の車両ナンバーを登録しておくことで住人以外の車両を入り口で防ぐことができ、セキュリティの強化に繋がります。
  1. ホテル:お客様の車両を記録しておき、お客様が必要なときにすぐに配車させたい
  • ホテルへ入場されるときに顧客情報とナンバープレートの情報を紐付けておくことで、お客様が必要なときに配車できます。
  1. レジャー施設:お客様がどこの地域から来ている方が多いのかを知り、商品の構成やキャンペーンに役立てたい
  • ナンバープレートの地域名を読み取ることで、ナンバープレートの地域別に来客の情報を知ることができます。
  1. 土木現場:関係車両の入退場をスムーズにしたい
  • 関係車両のナンバープレートの情報を登録することで、ナンバープレートを認識するだけで入退場ができ、スムーズになります。
  1. ショッピングモール:駐車場管理の人件費を削減したい
  • ナンバープレートで車両の入退場を管理することでチケットレスに繋がり、人件費を抑えることができます。
  1. 交通量調査:開発予定地周辺にはどのくらい車の動きがあるのか知りたい
  • 通過車両を方向別・時間別・車種別に観測することで、周辺道路の車両の動きが把握できます。

以上のように、車両のナンバープレート検出は様々な用途(入退管理、マーケティング、セキュリティ…etc)での利用が考えられます。

使ってみたいけれど、どのように活用すればいいのか分からない、など活用方法を模索している方も、お気軽に以下のリンクを参照してください。

デモ動画

以下の2つの動画は、実際にナンバープレートが検知されている様子になります。

リアルタイムでナンバープレートの認識が行われていることが確認できます。

これらのリアルタイムで検知された検知情報は、Cloudへと通知され、WEBブラウザから情報を閲覧することができます。

以下はWEBブラウザから、検知情報の閲覧を行っている様子です。

※個人情報の観点から一部目隠しをしています。

WEBアプリには、検知情報の絞り込み検索、CSV出力などの機能が備わっております。

これらWEBアプリを含めた車両ナンバープレート検知アプリのシステムを使用することで、車両の入退管理自動化や、マーケティングに役立てることができます。

ぜひ、ご興味のある方は、以下のリンクを参照してください。

仕様

◎検知対象

車両ナンバープレート検知(関東版)

  • 地名は東京、神奈川、千葉、埼玉、栃木、茨城、群馬 の1都6県のみ認識
  • 上記1都6県以外のナンバーは、「その他(others)」表記とする
  • 分類番号が3桁以外のナンバーは対象外とす
  • 分類番号、判別文字がアルファベットのナンバーは対象外とする

※関東版は2020年5月に追加された以下の地名は検出対象外とする

市川、前橋、松戸、市原、板橋、江東、葛飾

車両ナンバープレート検知(全国版)
  • 関東版の検出地名1都6県を含む全国の地名を認識
  • 分類番号、判別文字がアルファベットのナンバーを認識
  • 分類番号1~3桁のナンバーを認識
  • 2020年5月に追加された以下の地名を認識 (全国17か所)
    知床、苫小牧、弘前、白河、松戸、市川、船橋、市原、江東、葛飾、板橋、上越、伊勢志摩、四日市、飛鳥、出雲、高松

◎カメラ推奨性能・推奨設置条件

画質:Full HD (1920×1080)

FPS:20~30

距離:1~4m (ズームの有無により変動)

その他:赤外線機能(夜間の場合)、光学ズーム(距離の調整)

関連リンク

◎車両ナンバープレート検知 関東版

◎車両ナンバープレート検知 全国版

■関連サービス

AIソリューション

オープンソースを活用したAIのシステム構築・開発を支援!

車両ナンバープレート検知全国版

車両のナンバープレートをAIが検知・処理!全国のナンバープレートに対応!

人数カウントBODY_ロゴ

カメラ撮影した映像から指定領域内の滞在人数をAIが認識!

人数カウントHEAD_ロゴ

密集した空間から指定領域内の滞在人数をAIが認識!

ラインクロスカウント

来店人数のカウントや通行量調査などを自動化!

pagetop