Классификаторы#

Атрибуты ТС или ГРЗ определяются классификаторами.

Классификаторы ТС#

В разделе описаны доступные в CARS API классификаторы ТС и их поля.

«car_brand_model_v1» и «car_brand_model_v2»#

Данные классификаторы распознают марку и модель ТС. В ответе возвращаются название марки и модели ТС латинскими символами и оценка точности распознавания (Таблица 4).

Отличие классификаторов в списке поддерживаемых марок и моделей.

Для классификатора «car_brand_model_v1» поддерживается распознавание около 100 марок и 800 моделей.

Полный список наименований марок и моделей приведен в Приложении 4, Таблица 1.

Для классификатора «car_brand_model_v2» поддерживается распознавание более 160 марок и более 1700 моделей.

Полный список наименований марок и моделей приведен в Приложении 4, Таблица 2.

Распознавание марки и модели ТС в системе выполняется по внешнему виду кузова ТС. При использовании классификатора «car_brand_model_v2» ТС разных марок и моделей, но имеющие схожий вид кузова, система относит к одной марке и модели (группе) – наиболее часто встречающейся в РФ. Например, ZAZ Sens, ZAZ Lanos, ZAZ Chance, Daewoo Sens, Daewoo Lanos, Chevrolet Lanos, ZAZ Lanos Furgon имеют схожий внешний вид и относятся к одной группе, и CARS API определяет данные модели как Chevrolet Lanos. Т. е. при отправке изображения любого из этих ТС, в полях «Марка» и «Модель» будут отображены «Chevrolet» и «Lanos» соответственно. Полный список группировок смежных марок и моделей представлен в Приложении 4, Таблица 3.

Таблица 4. Описание полей классификаторов «car_brand_model_v1» и «car_brand_model_v2»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	car_brand_model_v1, car_brand_model_v2
brand	string	Марка ТС	Scoda
model	string	Модель ТС	Kodiaq
score	float	Оценка точности распознавания марки и модели ТС	0.0000…1.0000

Пример входного изображения представлен на Рисунке (Рисунок 3).

Рисунок 3. Пример входного изображения для классификатора «car_brand_model_v1»

Пример ответа:

{
    "brand": "Skoda",
    "classifier": "car_brand_model_v1",
    "model": "Kodiaq",
    "score": 1
}

«vehicle_color»#

Классификатор распознает цвет ТС. Возвращает в ответе название цвета ТС на английском языке и оценку точности распознавания (Таблица 5). Поддерживается распознавание 16 цветов.

Таблица 5. Описание полей классификатора «vehicle_color»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_color
vehicle_color	string	Цвет ТС	Beige, black, blue, brown, cherry, golden, gray, green, light_blue, orange, pink, red, silver, violet, white, yellow
vehicle_color_score	float	Оценка точности распознавания цвета ТС	0.0000…1.0000

Пример входного изображения представлен на Рисунке (Рисунок 4).

Рисунок 4. Пример входного изображения для классификатора «vehicle_color»

Пример ответа:

{
    "classifier": "vehicle_color",
    "vehicle_color": "white",
    "vehicle_color_score": 0.9919
}

«vehicle_type»#

Классификатор распознает тип ТС. Возвращает в ответе тип ТС и оценку точности распознавания. Описание полей классификатора приведено в Таблице 7.

Классификация ТС происходит согласно ГОСТ Р 52051-2003 «Механические транспортные средства и прицепы. Классификация и определения». Описание каждого типа ТС приведено в Таблице 6.

Таблица 6. Описание поддерживаемых типов ТС

Тип ТС	Описание	Категория по ГОСТ	Примеры
A_light	Средства передвижения, не требующие специального права на управление	-	Велосипеды, мопеды, гироскутеры, самокаты, электросамокаты и др.
А_heavy	Мототранспортные средства, для управления которыми необходимо специальное право	L1 – L7	Мотоциклы, трициклы, квадроциклы и др.
B_light	Легковые ТС, используемые для перевозки пассажиров и имеющие, помимо места водителя, не более восьми мест для сидения	M1	Седаны, внедорожники, минивэны, микроавтобусы и др. в т. ч. пикапы с остекленным кунгом.
B_heavy	Легковые ТС, используемые для перевозки грузов	N1	Пикапы без остекленного кунга, грузовики массой менее 3.5. т, автодома.
C_light	Грузовые ТС c максимальной массой от 3.5 до 12 т	N2	Грузовики, кроме седельных тягачей
C_heavy	Грузовые ТС с максимальной массой более 12 т	N3	Грузовики, кроме седельных тягачей
D_light	ТС для перевозки пассажиров, имеющие, помимо места водителя, более восьми мест для сидения, максимальная масса которых не превышает 5 т	M2	Автобусы
D_heavy	ТС для перевозки пассажиров, имеющие, помимо места водителя, более восьми мест для сидения, максимальная масса которых превышает 5 т	M3	Автобусы и троллейбусы, кроме сочленённых
D_long	D_heavy, имеющие 1 или более сочленений	M3	Сочлененные автобусы и троллейбусы
E_light	Грузовые ТС с максимальной массой более 3.5 т	N2, N3	Седельные тягачи без прицепов
E_heavy	Грузовые ТС с максимальной массой более 3.5 т. и прицепом более 0.75 т	ТС: N2, N3; Прицеп: O2 – O4	Седельные тягачи с полуприцепами и автопоезда
P_light	Прицепы, максимальная масса которых не более 0,75 т	O1, O2	Прицепы, используемые легковыми ТС
P_heavy	Прицепы, максимальная масса которых более 0,75 т	O2 – O4	Прицепы, используемые грузовыми ТС
Other	Остальные ТС	Т, G и без категории	Сельскохозяйственная техника, ТС повышенной проходимости, трамваи и др.

Таблица 7. Описание полей классификатора «vehicle_type»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_type
ts_type_ai	string	Тип ТС	А_light, А_heavy, В_light, B_heavy, С_light, С_heavy, D_light, D_heavy, D_long, E_light, E_heavy, P_light, P_heavy, Other
ts_type_ai_score	float	Оценка точности определения типа ТС	0.0000…1.0000

Пример входного изображения представлен на Рисунке (Рисунок 5).

Рисунок 5. Пример входного изображения для классификатора «vehicle_type»

Пример ответа:

{
    "classifier": "vehicle_type",
    "ts_type_ai": "E_light",
    "ts_type_ai_score": 0.9997
}

«vehicle_emergency_type»#

Классификатор распознает принадлежность ТС к экстренной службе РФ и название службы.

Классификатор поддерживает распознавание типов ТС экстренных служб, цветографические схемы которых соответствуют ГОСТ Р 50574-2019 «Автомобили, автобусы и мотоциклы оперативных служб. Цветографические схемы, опознавательные знаки, надписи, специальные световые и звуковые сигналы. Общие требования».

Возвращает в ответе номер экстренной службы и оценку точности распознавания (Таблица 8).

Таблица 8. Описание полей классификатора «vehicle_emergency_type»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_emergency_type
ts_type_ai	string	Название экстренной службы	01 – пожарная служба
			02 – полиция
			03 – скорая помощь
			112 – служба спасения
			not_emergency – ТС, не принадлежащие экстренным службам (гражданские, военные и т.д.)
ts_type_ai_score	float	Оценка точности распознавания экстренной службы	0.0000…1.0000

Пример входного изображения представлен на Рисунке (Рисунок 6).

Рисунок 6. Пример входного изображения для классификатора «vehicle_emergency_type»

Пример ответа:

{
    "classifier": "vehicle_emergency_type",
    "ts_type_ai": "01",
    "ts_type_ai_score": 1
}

«public_transport_type»#

Классификатор распознает тип общественного транспорта.

Возвращает в ответе тип общественного транспорта и оценку точности распознавания (Таблица 9).

Такси считается общественным транспортом, цветографические схемы ТС которых соответствуют ГОСТ Р 58287-2018 «Отличительные знаки и информационное обеспечение транспортных средств пассажирского наземного транспорта, остановочных пунктов и автостанций. Общие технические требования». Каршеринг считается общественным транспортом, цветографические схемы ТС которых соответствуют приказу департамента транспорта Москвы от 2 сентября 2015 г. N 61-02-283/5 «Об утверждении Требований к цветографической окраске транспортных средств, используемых для оказания услуги каршеринг».

Описание полей классификатора «public_transport_type» представлено в Таблице 9.

Таблица 9. Описание полей классификатора «public_transport_type»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	public_transport_type
ts_type_ai	string	Тип общественного транспорта	- route_transport – маршрутный транспорт,
			- taxi – такси,
			- carshering – каршеринг,
			- other – остальное
ts_type_ai_score	float	Оценка точности распознавания типа общественного транспорта	0.0000…1.0000

Пример входного изображения представлен на Рисунке (Рисунок 7).

Рисунок 7. Пример входного изображения для классификатора «public_transport_type»

Пример ответа:

    {
      "classifier": "public_transport_type",
      "public_type": "taxi",
      "public_type_score": 0.9999
    }

«special_transport_type»#

Классификатор распознает тип специальной техники. Возвращает в ответе тип специальной техники и оценку точности распознавания (Таблица 10).

Таблица 10. Описание полей классификатора «special_transport_type»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	special_transport_type
ts_type_ai	string	Тип специальной техники	- forklift – автопогрузчик,
			- sweeper – автоуборщик,
			- paver – асфальтоукладчик,
			- concrete_mixer – бетономешалка,
			- bulldozer – бульдозер,
			- grader – грейдер,
			- truck – грузовик,
			- roller – каток,
			- garbage_truck – мусоровоз,
			- sprinkler_truck – поливомоечная машина,
			- other_special – прочая спецтехника,
			- dump_truck – самосвал,
			- tractor – трактор,
			- excavator – экскаватор,
			- other_non_special – не определен
ts_type_ai_score	float	Оценка точности распознавания типа специальной техники	0.0000…1.0000

Пример входного изображения представлен на Рисунке (Рисунок 8).

Рисунок 8. Пример входного изображения для классификатора «special_transport_type»

Пример ответа:

    {
      "classifier": "special_transport_type",
      "special_type": "garbage_truck",
      "special_type_score": 0.9999
  }

«vehicle_axles»#

Классификатор распознает оси ТС: их координаты и количество. Для каждой оси определяется точность распознавания, а также выводится общая точность детекции всех осей (Таблица 11).

Таблица 11. Описание полей классификатора «vehicle_axles»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_axles
aggregatedScore	float	Общая оценка точности детекции всех осей ТС	0…1
detections	array	Массив, содержащий координаты и размер детекций каждой оси на изображении, а также оценку точности детекции оси	-
height	int	Высота BBox оси (в пикселях)	0…1080
score	float	Оценка точности детекции оси	0.0000…1.0000
width	int	Ширина BBox оси (в пикселях)	0…1920
x	int	Горизонтальная координата левого верхнего угла BBox	0…1920
y	int	Вертикальная координата левого верхнего угла BBox	0…1080
numberOfWheelAxles	int	Количество детектированных осей	1…n

Пример входного изображения представлен на Рисунке (Рисунок 9).

Рисунок 9. Пример входного изображения для классификатора «vehicle_axles»

Пример ответа:

{
    "results": [
        {
            "aggregatedScore": 0.8943796157836914,
            "classifier": "vehicle_axles",
            "detections": [
                {
                    "height": 119.57168579101563,
                    "score": 0.917134165763855,
                    "width": 109.78546142578125,
                    "x": 180.5765380859375,
                    "y": 385.35791015625
                },
                {
                    "height": 93.49630737304688,
                    "score": 0.8918288946151733,
                    "width": 66.70538330078125,
                    "x": 565.5817260742188,
                    "y": 359.1695861816406
                },
                {
                    "height": 91.6329345703125,
                    "score": 0.8791476488113403,
                    "width": 84.33480834960938,
                    "x": 477.0045471191406,
                    "y": 372.5871276855469
                }
            ],
            "numberOfWheelAxles": 3
        }
    ]
}

«vehicle_descriptor_v2» и «vehicle_descriptor»#

Классификаторы извлекают дескриптор ТС. Дескриптор необходим для поиска ТС по изображению в интерфейсе CARS Analytics. Поиск по изображению применяется в случаях необходимости найти записи в архиве с участием определенного ТС. Поля классификатора описаны в Таблице 12.

Описание процесса поиска ТС по изображению приведено в «CARS Analytics. Руководство пользователя»

Отличие классификаторов в точности и скорости обработки данных.

Начиная с поставки LUNA CARS Installer версии 2.5.0 в системе по умолчанию установлен классификатор «vehicle_descriptor_v2». Классификаторы «vehicle_descriptor» и «vehicle_descriptor_v2» не совместимы между собой. Наличие возможности использования классификатора предыдущей версии обусловлено требованиями обратной совместимости. Во всех новых рабочих контурах рекомендуется использовать классификатор «vehicle_descriptor_v2».

Таблица 12. Описание полей классификатора «vehicle_descriptor»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_descriptor_v2,
			vehicle_descriptor
vehicle_descriptor	string	Дескриптор ТС	AACAvQ...

Дескриптор ТС может иметь длину до нескольких тысяч символов.

Пример входного изображения представлен на Рисунке (Рисунок 10).

Рисунок 10. Пример входного изображения для классификатора «vehicle_descriptor_v2»

Пример ответа:

        {
            "classifier": "vehicle_descriptor_v2",
            "vehicle_descriptor": "AACAvQAAALwAAAA9..."
        }

Классификаторы ГРЗ#

В разделе описаны доступные в CARS API классификаторы ГРЗ и их поля.

«license_plate_ags_v1»#

Классификатор «license_plate_ags_v1» оценивает качество изображения ГРЗ. Используется для оптимизации выбора лучшего кадра. Поля классификатора описаны в Таблице 13.

Для фильтрации изображений ГРЗ по качеству необходимо установить значения верхнего и нижнего порога score. См. подробнее «CARS Analytics. Руководство пользователя», Таблица 42. Описание параметров камеры с типом источника RTSP поток и Видеофайл.

Таблица 13. Описание полей классификатора «license_plate_ags_v1»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	license_plate_ags_v1
score	float	Оценка качества изображения ГРЗ	0.0000…1.0000

Пример входного изображения представлен на Рисунке (Рисунок 11).

Рисунок 11. Пример входного изображения для классификатора «license_plate_ags_v1»

Пример ответа:

        {
            "classifier": "license_plate_ags_v1",
            "score": 0.9963796734809875,
        }

«rus_plate_recognition_v2»#

Классификатор «rus_plate_recognition_v2» распознает символы ГРЗ, оценивает точность их распознавания, дает общую оценку точности распознавания ГРЗ. Доступен только для изображений российских ГРЗ.

Классификатор распознает особенности российских ГРЗ:

формат ГРЗ
регион ГРЗ

Классификатор дает оценку точности распознавания данных параметров (Таблица 13).

Классификатор поддерживает распознавание символов ГРЗ, приведенных в Приложении 3.

Таблица 13. Описание полей классификатора «rus_plate_recognition_v2»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	rus_plate_recognition_v2
features	array	Список особенностей номера	-
score	float	Оценка точности распознавания особенностей ГРЗ	0.0000…1.0000
type	string	Тип особенности. Параметр доступен только для российских ГРЗ	- rus_spec_type – формат номера
			- rus_region_number – номер региона регистрации ТС
value	string	Значение особенности ГРЗ, примеры приведены выше	- regular – гражданский
			- police – полицейский
			- diplomatic – дипломатический
			- military – военный
			- machines&moto – мотоциклы и трактора
			- trailer – прицеп
			- transit – транзитный
			- taxi – такси
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000
symbol_scores	float	Оценка точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	string	Массив распознанных символов ГРЗ	0…9; A, B, C, E…

Полный список возможных значений для поля symbols представлен в файле eu_plate_recognition.conf, расположенном в директории поставки /data.

Пример входного изображения представлен на Рисунке (Рисунок 12).

Рисунок 12. Пример входного изображения для классификатора «rus_plate_recognition_v2»

Пример ответа:

        {
            "classifier": "rus_plate_recognition_v2",
            "features": [
                {
                    "score": 0.9963796734809875,
                    "type": "rus_spec_type",
                    "value": "regular"
                },
                {
                    "score": 0.9785565137863159,
                    "type": "rus_region_number",
                    "value": "163"
                }
            ],
            "regno_ai_score": 0.9357050657272339,
            "symbol_scores": [
                0.992807149887085,
                0.9970425963401794,
                0.9916096329689026,
                0.9913685917854309,
                0.98829585313797,
                0.9942867159843445,
                0.9931392073631287,
                0.998256504535675,
                0.9870374202728271
            ],
            "symbols": [
                "У",
                "0",
                "8",
                "2",
                "Н",
                "Н",
                "1",
                "6",
                "3"
            ]
        }

«grz_country_recognition»#

Классификатор распознает страну принадлежности ГРЗ и оценивает точность распознавания (Таблица 14).

Таблица 14. Описание полей классификатора «grz_country_recognition»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	grz_country_recognition
country	string	Страна принадлежности ГРЗ	- RUS – Российская Федерация (РФ);
			- RUS_SPEC – спецтранспорт РФ (дипломатические, военная техника);
			- RUS_SQUARE – РФ, «квадратные» ГРЗ (288x205 мм и 245x185 мм);
			- UKR – Украина;
			- BEL – Республика Беларусь (РБ);
			- KZH – Республика Казахстан (РК);
			- и т.д.
country_score	float	Оценка точности распознавания страны	0.0000…1.0000

Полный список возможных значений для параметра country представлен в Приложении 3.

Пример входного изображения представлен на Рисунке (Рисунок 13).

Рисунок 13. Пример входного изображения для классификатора «grz_country_recognition»

Пример ответа:

{
   classifier:  grz_country_recognition,
   country: RUS,
   country_score : 0.9999
}

«grz_all_countries»#

Классификатор распознает страну принадлежности ГРЗ, символы ГРЗ, особенности ГРЗ РФ и оценивает точность распознавания каждого символа. Может применяться для обработки изображений ГРЗ любых стран.

К особенностям ГРЗ относится:

Тип специального формата ГРЗ (военный, гражданский, квадратные или дипломатический);
Регион принадлежности ГРЗ

Классификатор поддерживает распознает ГРЗ стран и типов, приведенных в Приложении 3.

Описание полей классификатора приведено в Таблице 15.

Таблица 15. Описание полей классификатора «grz_all_countries»

Поле	Тип	Описание	Возможные значения
classifier	string	Название запрашиваемого классификатора	grz_all_countries
country_score	float	Оценка точности определения страны	0.0000…1.0000
country	string	Название страны, определенной классификатором	- RUS – Российская Федерация (РФ)
			- RUS_SPEC – спецтранспорт РФ (дипломатические, военная техника)
			- RUS_SQUARE – РФ, «квадратные» ГРЗ (288x205 мм и 245x185 мм)
			- UKR – Украина
			- BEL – Республика Беларусь (РБ)
			- KZH – Республика Казахстан (РК)
			- EU – Европейский союз (ЕС)
scores	float	Массив, отображающий оценку точности распознавания каждого символа ГРЗ	0.0000…1.0000
features	array	Список особенностей номера	-
score	float	Оценка точности распознавания особенностей ГРЗ	0.0000…1.0000
type	string	Тип особенностей. Параметр доступен только для российских ГРЗ	- rus_spec_type – формат номера;
			- rus_region_number – номер региона регистрации ТС
value	string	Значение особенности ГРЗ, примеры приведены выше	- regular – гражданский
			- police – полицейский
			- diplomatic – дипломатический
			- military – военный
			- machines&moto – мотоциклы и трактора
			- trailer – прицеп
			- transit – транзитный
			- taxi – такси
symbols	string	Массив распознанных знаков ГРЗ. К распознаваемым знакам относятся:	0…9; - A, B, C, E…
		- серия;
		- регистрационный номер;
		- код региона регистрации
length_scores	float	Массив, отображающий количество знаков ГРЗ. В массиве 11 элементов:	0.0000…1.0000
		- Первый элемент массива соответствует ГРЗ с 0 знаков;
		- Одиннадцатый элемент соответствует ГРЗ из 10 знаков.
		Каждый элемент содержит число, которое показывает вероятность присутствия в ГРЗ именно этого количества знаков. Если самое большое значение у 10 элемента массива, значит система определила в ГРЗ 9 знаков. Сумма значений всех 11 элементов равна 1
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000

Полный список возможных значений для поля symbols представлен в файле eu_plate_recognition.conf, расположенном в директории поставки /data.

Входное изображение с белорусскими номерами представлено на Рисунке (Рисунок 14).

Рисунок 14. Пример входного изображения для классификатора «grz_all_countries»

Пример ответа:

{
    "classifier": "grz_all_countries",
    "country": "BEL",
    "country_score": 1,
    "regno_ai": {
        "length_scores": [
            0,
            0,
            0,
            0,
            0,
            0,
            0,
            0.9996,
            0.0003,
            0,
            0,
        ],
        "scores": [
            0.9993,
            0.9998,
            0.9997,
            0.9999,
            0.9996,
            1,
            0.693
        ],
        "symbols": [
            "8",
            "3",
            "6",
            "7",
            "Р",
            "А",
            "9"
        ]
    },
    "regno_ai_score": 0.8915
}

«emirate_recognition_v1»#

Классификатор «emirate_recognition_v1» возвращает эмират принадлежности ГРЗ ТС, точность определения эмирата, символы ГРЗ и оценку точности распознавания символов.

Поля классификатора описаны в Таблице 16.

Классификатор распознает типы ГРЗ ОАЭ, приведенные в Приложении 3.

Таблица 16. Описание полей классификатора «emirate_recognition_v1»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	emirate_recognition_v1
features	array	Список особенностей номера	emirate_name
score	float	Оценка точности определения эмирата	0.0000…1.0000
type	string	Тип особенности номера	emirate_name
value	string	Результат распознавания	DUBAI, ABU_DHABI, SHARJAH, KHAIMAN, QUWAIN, AJMAN, FUJAIRAH
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000
symbol_scores	float	Оценка точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	string	Массив распознанных знаков ГРЗ. К распознаваемым знакам относятся:	0…9; A, B, C, E…
		- серия;
		- регистрационный номер;
		- код/название региона регистрации

Пример входного изображения представлен на Рисунке (Рисунок 15).

Рисунок 15. Пример входного изображения для классификатора «emirate_recognition_v1»

Пример ответа:

{
    "results": [
        {
            "classifier": "emirate_recognition_v1",
            "features": [
                {
                    "score": 0.999993085861206,
                    "type": "emirate_name",
                    "value": "SHARJAH"
                }
            ],
            "regno_ai_score": 0.9982012510299683,
            "symbol_scores": [
                0.9989792108535767,
                0.9998021721839905,
                0.999907374382019,
                0.9999147653579712,
                0.9996598958969116,
                0.9999368190765381
            ],
            "symbols": [
                "2",
                "1",
                "4",
                "5",
                "6",
                "7"
            ]
        }
    ]
}

«grz_uk_sing_recognition_v1»#

Классификатор распознает символы ГРЗ Великобритании и Сингапура, оценивает точность распознавания каждого символа и всего ГРЗ. Поля классификатора описаны в таблице 17.

Классификатор поддерживает распознает типы ГРЗ Великобритании и Сингапура, приведенные в Приложении 3.

Таблица 17. Описание полей классификатора «grz_uk_sing_recognition_v1»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	grz_uk_sing_recognition_v1
length_scores	float	Массив, отображающий количество знаков ГРЗ. В массиве 11 элементов:	0.0000…1.0000
		- Первый элемент массива соответствует ГРЗ с 0 знаков;
		- Одиннадцатый элемент соответствует ГРЗ из 10 знаков.
		Каждый элемент содержит число, которое показывает вероятность присутствия в ГРЗ именно этого количества знаков. Если самое большое значение у 10 элемента массива, значит система определила в ГРЗ 9 знаков. Сумма значений всех 11 элементов равна 1
scores	float	Массив, отображающий оценку точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	string	Массив распознанных символов ГРЗ	0…9, A…Z
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000

Полный список возможных значений для поля symbols представлен в файле grz_uk_sing_recognition_v1.conf, расположенном в директории поставки /data.

Пример входного изображения представлен на Рисунке (Рисунок 16):

Рисунок 16. Пример входного изображения для классификатора «grz_uk_sing_recognition_v1»

Пример ответа:

        {
            "classifier": "grz_uk_sing_recognition_v1",
            "regno_ai": {
                "length_scores": [
                    0.0,
                    0.0,
                    0.0,
                    0.0,
                    0.0,
                    0.0,
                    0.0,
                    0.0,
                    0.0,
                    1.0,
                        0.0
                ],
                "scores": [
                    0.9985111355781555,
                    0.9984692931175232,
                    0.9991299510002136,
                    0.9988160133361816,
                    0.9974005222320557,
                    0.9788888096809387,
                    0.9968022108078003,
                    0.9997779726982117,
                    0.9999798536300659
                ],
                "symbols": [
                    "B",
                    "D",
                    "5",
                    "1",
                    "S",
                    "M",
                    "R"
                ]
            },
            "regno_ai_score": 0.9680590629577637
        }

«eu_cis_recognition_v1»#

Классификатор распознает символы ГРЗ стран СНГ и Евросоюза, оценивает точность распознавания каждого символа и всего ГРЗ.

Поля классификатора описаны в таблице 18.

Классификатор поддерживает распознает типы ГРЗ СНГ и ЕС, приведенные в Приложении 3.

Таблица 18. Описание полей классификатора «eu_cis_recognition_v1»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	eu_cis_recognition_v1
length_scores	float	Массив, отображающий количество знаков ГРЗ. В массиве 11 элементов:	0.0000…1.0000
		- Первый элемент массива соответствует ГРЗ с 0 знаков;
		- Одиннадцатый элемент соответствует ГРЗ из 10 знаков.
		Каждый элемент содержит число, которое показывает вероятность присутствия в ГРЗ именно этого количества знаков. Если самое большое значение у 10 элемента массива, значит система определила в ГРЗ 9 знаков. Сумма значений всех 11 элементов равна 1
scores	float	Массив, отображающий оценку точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	string	Массив распознанных символов ГРЗ	0…9, A…Z
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000

Полный список возможных значений для поля symbols представлен в файле eu_cis_recognition_v1.conf, расположенном в директории поставки /data.

Пример входного изображения представлен на Рисунке (Рисунок 17):

Рисунок 17. Пример входного изображения для классификатора «eu_cis_recognition_v1»

Пример ответа:

        {
    "results": [
        {
            "classifier": "eu_cis_recognition_v1",
            "regno_ai": {
                "length_scores": [
                    0.0,
                    0.0,
                    0.0,
                    0.0,
                    0.0,
                    0.0,
                    1.0,
                    0.0,
                    0.0,
                    0.0,
                    0.0
                ],
                "scores": [
                    0.9990543723106384,
                    0.9992122650146484,
                    0.9995478987693787,
                    0.9989604949951172,
                    0.9978286623954773,
                    0.9989246726036072
                ],
                "symbols": [
                    "S",
                    "5",
                    "7",
                    "8",
                    "I",
                    "L"
                ]
            },
            "regno_ai_score": 0.99354487657547
        }
    ]
}

Логика работы сетей распознавания ГРЗ#

Схема логики работы сетей распознавания ГРЗ (Рисунок 18).

Описание схемы приведено в Таблице 19.

Таблица 19. Описание логики работы сетей распознавания ГРЗ

Шаг	Описание
0	В CARS API поступает кадр содержащий ГРЗ
1	Запускается классификатор распознавания страны принадлежности ГРЗ «grz_all_countries»
2	Определяется страна принадлежности ГРЗ
3	Если страна принадлежности НЕ определена, то запускается классификатор «eu_cis_recognition_v1»
4	Если страна принадлежности определена, то запускается соответствующий классификатор из Таблицы 20

Таблица 20. Соответствие классификаторов и стран принадлежности ГРЗ:

Классификатор	Страна принадлежности ГРЗ
rus_plate_recognition_v2	РФ
eu_cis_recognition_v1	СНГ и Евросоюз
emirate_recognition_v1	ОАЭ
grz_uk_sing_recognition_v1	Великобритания и Сингапур

Точность классификаторов#

Точность классификаторов измерялась для нескольких наборах данных. Все данные были получены из множества источников с различным набором условий.

Значения точности распознавания атрибутов ТС и ГРЗ приведены в Таблице 21.

Таблица 21. Данные о точности классификаторов

Классификатор	Размер выборки (штук)	Точность (%)
Car_brand_model_v1 (марка)	213 000	95.90
Car_brand_model_v1 (модель)	213 000	99.00
Car_brand_model_v2 (марка)	213 000	98.65
Car_brand_model_v2 (модель)	213 000	96.77
Vehicle_color	13 323	96.39
Vehicle_type	10 413	99.34
Vehicle_emergency_type	18 016	82.00
Public_transport_type	12 683	98.40
Special_transport_type	24 844	97.95
Классификаторы распознавания символов и атрибутов ГРЗ	10 000	99.70