Классификаторы

Атрибуты ТС или ГРЗ определяются классификаторами. В разделе описаны доступные в CARS API классификаторы и их поля.

Классификаторы ТС

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

«car_brand_model_v2»

Данный классификатор распознает марку и модель ТС. В ответе возвращаются название марки и модели ТС латинскими символами и оценка точности распознавания (Таблица 4).

Классификатор «car_brand_model_v2» поддерживает распознавание более 160 марок и более 1700 моделей.

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

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 их 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. То есть, 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 2.

Пример входного изображения представлен на Рисунке 3.

Пример входного изображения для классификатора «car_brand_model_v2»

Пример ответа:

{
    "brand": "Skoda",
    "classifier": "car_brand_model_v2",
    "execution_time": 84,
    "model": "Kodiaq",
    "score": 0.9844
}

Таблица 4. Описание полей классификатора «car_brand_model_v2»

Поле	Тип	Описание	Возможные значения
brand	string	Марка ТС	Skoda
classifier	string	Название классификатора	car_brand_model_v2
execution_time	int	Время исполнения в миллисекундах	0…1000
model	string	Модель ТС	Kodiaq
score	float	Оценка точности распознавания марки и модели ТС	0.0000…1.0000

«detailed_vehicle_color»

Классификатор распознает тип расцветки и цвет ТС. В ответе возвращаются тип расцветки, название цвета ТС на английском языке и оценка точности распознавания (Таблица 5).

Классификатор поддерживает распознавание 12 цветов и 4 типов расцветки. Модель классифицирует тип расцветки ТС на 4 класса: одноцветное, многоцветное, со стикерами/наклейками/рисунками или с цветографикой.

Пример входного изображения представлен на Рисуноке 4.

Пример входного изображения для классификатора «detailed_vehicle_color»

Пример ответа:

{
    "classifier": "detailed_vehicle_color",
    "execution_time": 20,
    "color_type": "pics",
    "color_type_score": 0.69997,
    "colors": [
        {
            "vehicle_color": "white",
            "vehicle_color_score": 0.9986
        }
    ],
    "execution_time": 87
}

Таблица 5. Описание полей классификатора «detailed_vehicle_color»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	detailed_vehicle_color
execution_time	int	Время исполнения в миллисекундах	0…1000
color_type	string	Тип расцветки ТС	mono - одноцветное;
			multi - многоцветное;
			colorgraph - со стикерами/наклейками/рисунками;
			pics - с цветографикой
color_type_score	float	Оценка точности распознавания типа расцветки ТС	0.0000…1.0000
colors		Массив, содержащий информацию о цвете ТС и оценку точности распознавания цвета	vehicle_color, vehicle_color_score
vehicle_color	string	Цвет ТС	red, orange, yellow, green, light_blue, blue, purple_or_pink, black, white, brown, grey_or_silver, beige
vehicle_color_score	float	Оценка точности распознавания цвета ТС	0.0000…1.0000
execution_time	int	Время выполнения в миллисекундах	0…1000

«vehicle_type»

Этот классификатор распознает тип транспортного средства. В ответе возвращаются тип ТС и оценка точности распознавания (Таблица 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.

Пример входного изображения представлен на Рисунке 5.

Пример входного изображения для классификатора «vehicle_type»

Пример ответа:

{
    "classifier": "vehicle_type",
    "execution_time": 20,
    "ts_type_ai": "E_light",
    "ts_type_ai_score": 0.9997
}

Таблица 7. Описание полей классификатора «vehicle_type»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_type
execution_time	int	Время выполнения в миллисекундах	0…1000
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

«vehicle_position_v1»

Классификатор распознаёт позицию ТС на изображении, возвращая координаты ключевых точек (leftFront: передний левый угол, leftRear: задний левый угол, rightFront: передний правый угол, rightRear: задний правый угол).

Пример входного изображения представлен на Рисунке 6.

Пример входного изображения для классификатора «vehicle_position_v1»

Пример ответа:

{
      "classifier": "vehicle_position_v1",
      "execution_time": 20,
      "leftFront": {
        "x": 13.9383,
        "y": 291.3493
      },
      "leftRear": {
        "x": 344.9959,
        "y": 472.0356
      },
      "rightFront": {
        "x": 174.0835,
        "y": 260.4908
      },
      "rightRear": {
        "x": 565.8995,
        "y": 442.9853
      }
}

Таблица 8. Описание полей классификатора «vehicle_position_v1»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_position_v1
execution_time	int	Время исполнения запроса в миллисекундах	0…1000
leftFront	object	Координаты переднего левого угла	{x: float, y: float}
leftRear	object	Координаты заднего левого угла	{x: float, y: float}
rightFront	object	Координаты переднего правого угла	{x: float, y: float}
rightRear	object	Координаты заднего правого угла	{x: float, y: float}

«vehicle_orientation_v1»

Классификатор распознаёт ориентацию ТС на изображении, возвращая 8 возможных значений, представляющих ориентацию по отношению к камере. Эти ориентации включают все основные углы: передний, задний, левый и правый, а также их комбинации.

Пример входного изображения представлен на Рисунке 7.

Пример входного изображения для классификатора «vehicle_orientation_v1»

Пример ответа:

{
    "classifier": "vehicle_orientation_v1",
    "execution_time": 20,
    "orientation": "front_right",
    "orientation_score":  0.8609
}

Таблица 9. Описание полей классификатора «vehicle_orientation_v1»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_orientation_v1
execution_time	int	Время исполнения запроса в миллисекундах	0…1000
orientation	string	Ориентация транспортного средства	front, back, left, right, front_right, front_left, back_left, back_right
orientation_score	float	Оценка точности распознавания ориентации	0.0000…1.0000

«detailed_vehicle_emergency» и «detailed_vehicle_emergency_v2»

Классификатор используется для определения принадлежности ТС к экстренным службам и наличия проблесковых маячков. Классификатор анализирует изображения ТС, классифицирует тип экстренной службы и распознает наличие мигалки.

Пример входного изображения представлен на Рисунке 8.

Пример входного изображения для классификатора «detailed_vehicle_emergency_v2»

Пример ответа:

{
    "classifier": "detailed_vehicle_emergency_v2",
    "execution_time": 20, 
    "emergency_type": "01", 
    "emergency_type_score": 0.6714, 
    "flashing_light": "without_flashing_light", 
    "flashing_light_score": 0.0896
}

Таблица 10. Описание полей классификатора «detailed_vehicle_emergency_v2»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	detailed_vehicle_emergency_v2
execution_time	int	Время исполнения запроса в миллисекундах	0…1000
emergency_type	string	Тип экстренной службы	01 – пожарная служба
			02 – Полиция
			03 – Скорая помощь
			04 — Аварийные службы
			05 — МЧС
			112 – Служба спасения
			not_emergency – ТС, не принадлежащие экстренным службам (гражданские, военные и т.д.)
emergency_type_score	float	Оценка точности распознавания типа экстренной службы	0.0000…1.0000
flashing_light	string	Наличие проблескового маячка	with_flashing_light / without_flashing_light
flashing_light_score	float	Оценка точности распознавания проблескового маячка	0.0000…1.0000

«public_transport_type»

Классификатор распознаёт тип общественного транспорта, возвращая в ответе тип общественного транспорта и оценку точности распознавания.

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».

Пример входного изображения представлен на Рисунке 9.

Пример входного изображения для классификатора «public_transport_type»

Пример ответа:

{
      "classifier": "public_transport_type",
      "execution_time": 20,
      "public_type": "taxi",
      "public_type_score": 0.9999
}

Таблица 11. Описание полей классификатора «public_transport_type»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	public_transport_type
execution_time	int	Время исполнения в миллисекундах	0…1000
public_type	string	Тип общественного транспорта	- route_transport – маршрутный транспорт,
			- taxi – такси,
			- carshering – каршеринг,
			- other – остальное
public_type_score	float	Оценка точности распознавания типа общественного транспорта	0.0000…1.0000

«special_transport_type»

Классификатор распознаёт тип специальной техники, возвращая в ответе тип специальной техники и оценку точности распознавания.

Пример входного изображения представлен на Рисунке 10.

Пример входного изображения для классификатора «special_transport_type»

Пример ответа:

    {
      "classifier": "special_transport_type",
      "execution_time": 20,
      "special_type": "garbage_truck",
      "special_type_score": 0.9999
  }

Таблица 12. Описание полей классификатора «special_transport_type»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	special_transport_type
execution_time	int	Время исполнения в миллисекундах	0…1000
special_type	string	Тип специальной техники	- truck_crane – автокран,
			- 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 – остальное
special_type_score	float	Оценка точности распознавания типа специальной техники	0.0000…1.0000

«vehicle_axles»

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

Пример входного изображения представлен на Рисунке 11.

Пример входного изображения для классификатора «vehicle_axles»

Пример ответа:

{
    "classifier": "vehicle_axles",
    "execution_time": 20,
    "aggregatedScore": 0.9006090760231018,
    "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
}

Таблица 13. Описание полей классификатора «vehicle_axles»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_axles
execution_time	int	Время исполнения в миллисекундах	0…1000
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

«vehicle_descriptor_v2»

Классификатор извлекает дескриптор ТС.

Этот дескриптор используется для поиска ТС по изображению в интерфейсе CARS Analytics. Изображение закодировано в формате Base64.Поиск по изображению особенно полезен, когда необходимо найти записи в архиве, связанные с конкретным ТС.

Подробнее о процессе поиска ТС по изображению можно узнать в «CARS Analytics. Руководство пользователя». Дескриптор ТС может достигать нескольких тысяч символов.

Пример входного изображения представлен на Рисунке 12.

Пример входного изображения для классификатора «vehicle_descriptor_v2»

Пример ответа:

        {
            "classifier": "vehicle_descriptor_v2",
            "execution_time": 23,
            "vehicle_descriptor": "AACAvQAAALwAAAA9..."
        }

Таблица 14. Описание полей классификатора «vehicle_descriptor_v2»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_descriptor_v2
execution_time	int	Время исполнения в миллисекундах	0…1000
vehicle_descriptor	string	Дескриптор ТС	AACAvQ...

«vehicle_tracks_reid_descriptor»

Классификатор используется для обнаружения разрыва трека ТС и позволяет продолжить существующий трек вместо создания нового.

Он извлекает дескриптор ТС, который необходим для поиска транспортного средства по изображению в интерфейсе CARS Analytics. Поиск по изображению помогает найти записи в архиве, связанные с конкретным ТС.

Подробнее о процессе поиска ТС по изображению можно узнать в «CARS Analytics. Руководство пользователя». Дескриптор ТС может иметь длину до нескольких тысяч символов.

Классификатор «vehicle_tracks_reid_descriptor» работает быстрее, чем «vehicle_descriptor_v2», но его точность немного ниже.

Пример входного изображения представлен на Рисунке 13.

Пример входного изображения для классификатора «vehicle_tracks_reid_descriptor»

Пример ответа:

        {
            "classifier": "vehicle_tracks_reid_descriptor",
            "execution_time": 20,
            "vehicle_descriptor": "AACAvQAAALwAAAA9..."
        }

Таблица 15. Описание полей классификатора «vehicle_tracks_reid_descriptor»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	vehicle_tracks_reid_descriptor
execution_time	int	Время исполнения в миллисекундах	0…1000
vehicle_descriptor	string	Дескриптор ТС	AACAvQ...

Классификаторы ГРЗ

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

Логика работы сетей распознавания ГРЗ

Схема логики работы сетей распознавания ГРЗ отображена на Рисунке 14.

Логика работы сетей распознавания ГРЗ

Описание схемы приведено в Таблице 16.

Таблица 16. 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, запускается классификатор «eu_cis_recognition_v4».
4	Если страна принадлежности определена, запускается соответствующий классификатор из Таблицы 17.

Таблица 17. Соответствие классификаторов и стран принадлежности ГРЗ:

Классификатор	Страна принадлежности ГРЗ
rus_plate_recognition_v3	Россия, Абхазия, Южная Осетия, ДНР, ЛНР.
grz_country_recognition_v4, grz_all_countries	Россия, Абхазия, Южная Осетия, ДНР, ЛНР, Беларусь, Казахстан, Украина, Азербайджан, Армения, Грузия, Киргизия, Молдова, Таджикистан, Туркменистан, Узбекистан, Турция, Австрия, Андорра, Албания, Бельгия, Болгария, Босния и Герцеговина, Ватикан, Венгрия, Германия, Греция, Дания, Ирландия, Испания, Италия, Кипр, Косово, Латвия, Литва, Лихтенштейн, Люксембург, Мальта, Монако, Нидерланды, Норвегия, Польша, Португалия, Приднестровье, Румыния, Сан-Марино, Северная Македония, Сербия, Словакия, Словения, Финляндия, Франция, Хорватия, Черногория, Чехия, Швейцария, Швеция, Эстония, Израиль, Иран, Палестина, Пакистан, Катар, Оман, Кувейт, Бахрейн, Саудовская Аравия, Великобритания, Сингапур, Гонконг, Макао, Индонезия, Вьетнам, Малайзия, Шри-Ланка, Тайвань, Филиппины, Таиланд, ОАЭ, Индия, Китай, Монголия, Япония, Южная Корея, Бразилия, Бангладеш, Канада, США, Мексика
uae_plate_recognition_v2	ОАЭ
eu_cis_recognition_v3, eu_cis_recognition_v4	СНГ и Евросоюз. Украина, Казахстан, Беларусь, Грузия, Молдова, Армения, Азербайджан, Таджикистан, Туркменистан, Киргизия, Узбекистан, Андорра, Албания, Австрия, Босния и Герцеговина, Бельгия, Болгария, Швейцария, Кипр, Чехия, Германия, Дания, Эстония, Испания, Финляндия, Франция, Греция, Хорватия, Венгрия, Ирландия, Израиль, Палестина, Иран, Италия, Лихтенштейн, Литва, Люксембург, Латвия, Монако, Черногория, Северная Македония, Мальта, Нидерланды, Норвегия, Польша, Приднестровье, Португалия, Румыния, Сербия, Швеция, Словения, Словакия, Сан-Марино, Турция, Ватикан, Косово
grz_uk_asia_recognition_v2	Индия, Пакистан, Вьетнам, Индонезия, Малайзия, Тайвань, Филиппины, Шри-Ланка, Макао, Сингапур, Гонконг,Великобритания
chn_plate_recognition_v2	Китай
mng_recognition_v1	Монголия
america_plate_recognition_v1	США, Канада, Мексика, Бразилия
persian_plate_recognition_v1	Бахрейн, Кувейт, Оман, Катар, Саудовская Аравия
thailand_plate_recognition_v1	Таиланд

«license_plate_ags_v1»

Классификатор оценивает качество изображения ГРЗ. Используется для оптимизации выбора лучшего кадра.

Для фильтрации изображений ГРЗ по качеству необходимо установить значения верхнего и нижнего порога score. Подробнее о процессе фильтрации изображений ГРЗ по качеству изображения можно узнать в «CARS Analytics. Руководство пользователя».

Пример входного изображения представлен на Рисунке 15.

Пример входного изображения для классификатора «license_plate_ags_v1»

Пример ответа:

        {
            "classifier": "license_plate_ags_v1",
            "execution_time": 20,
            "score": 0.9963796734809875,
        }

Таблица 17. Описание полей классификатора «license_plate_ags_v1»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	license_plate_ags_v1
execution_time	int	Время исполнения в миллисекундах	0…1000
score	float	Оценка качества изображения ГРЗ	0.0000…1.0000

«rus_plate_recognition_v3»

Классификатор распознает символы ГРЗ и их особенности, оценивает точность их распознавания, а также дает общую оценку точности распознавания ГРЗ.

Классификатор «rus_plate_recognition_v3» доступен для изображений ГРЗ России, Абхазии, Южной Осетии, ДНР и ЛНР. Подробный список поддерживаемых ГРЗ представлен в Приложении 3.

Пример входного изображения представлен на Рисунке 16.

Пример входного изображения для классификатора «rus_plate_recognition_v3»

Пример ответа:

        {
            "classifier": "rus_plate_recognition_v3",
            "execution_time": 20,
            "features": [
                {
                    "score": 0.9998,
                    "type": "rus_spec_type",
                    "value": "regular"
                },
                {
                    "score": 0.9987,
                    "type": "rus_region_number",
                    "value": "94"
                }
            ],
            "regno_ai_score": 0.9959,
            "symbol_scores": [
                0.9998,
                0.9996,
                0.9994,
                0.9991,
                0.9996, 
                0.9996,
                0.9994,
                0.9994
            ],
            "symbols": [
                "K", 
                "2", 
                "1", 
                "2", 
                "K", 
                "K", 
                "9", 
                "4"
            ]
        }

Таблица 18. Описание полей классификатора «rus_plate_recognition_v3»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	rus_plate_recognition_v3
execution_time	int	Время исполнения в миллисекундах	0…1000
score	float	Оценка точности распознавания особенностей ГРЗ	0.0000…1.0000
type	string	Тип особенности ГРЗ	- rus_spec_type – формат номера
value	string	Особенности ГРЗ	- regular – гражданский
			- police – полицейский
			- diplomatic – дипломатический
			- military – военный
			- machines&moto – спецтехника и мотоциклы
			- trailer – прицеп
			- transit – транзитный
			- taxi – такси
score	float	Оценка точности распознавания региона ГРЗ	0.0000…1.0000
type	string	Регион ГРЗ	- rus_region_number – номер региона регистрации ТС
value	string	Массив распознанных символов ГРЗ	0…9
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…

«grz_country_recognition_v4»

Классификатор распознает страну принадлежности ГРЗ и оценивает точность распознавания.

Классификатор разделяет боксы на «нужные» и «ненужные», чтобы оставить только нужные номера. Он определяет, принадлежит ли бокс главной машине или соседней. Все номера на одной машине считаются «нужными».

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

Пример входного изображения представлен на Рисунке 17.

Пример входного изображения для классификатора «grz_country_recognition_v4»

Пример ответа:

{
   classifier:  grz_country_recognition,
   "execution_time": 20,
   country: RUS,
   country_score : 0.9718532562255859
}

Таблица 19. Описание полей классификатора «grz_country_recognition»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	grz_country_recognition_v4
execution_time	int	Время исполнения в миллисекундах	0…1000
country	string	Страна принадлежности ГРЗ	RUS – Russian Federation (RF)
country_score	float	Оценка точности распознавания страны	0.0000…1.0000

«grz_all_countries»

Классификатор распознает страну принадлежности ГРЗ, символы ГРЗ и их особенности, оценивает точность их распознавания, а также дает общую оценку точности распознавания ГРЗ. Может применяться для обработки изображений ГРЗ любых стран.

Подробный список поддерживаемых ГРЗ представлен в Приложении 3.

Пример входного изображения представлен на Рисунке 18.

Пример входного изображения для классификатора «grz_all_countries»

Пример ответа:

        {
            "classifier": «grz_all_countries»,
            "execution_time": 20,
            "features": [
                {
                    "score": 0.9998,
                    "type": "rus_spec_type",
                    "value": "regular"
                },
                {
                    "score": 0.9987,
                    "type": "rus_region_number",
                    "value": "94"
                }
            ],
            "regno_ai_score": 0.9959,
            "symbol_scores": [
                0.9998,
                0.9996,
                0.9994,
                0.9991,
                0.9996, 
                0.9996,
                0.9994,
                0.9994
            ],
            "symbols": [
                "K", 
                "2", 
                "1", 
                "2", 
                "K", 
                "K", 
                "9", 
                "4"
            ]
        }

Таблица 20. Описание полей классификатора «grz_all_countries»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	grz_all_countries
execution_time	int	Время исполнения в миллисекундах	0…1000
score	float	Оценка точности распознавания особенностей ГРЗ	0.0000…1.0000
type	string	Тип особенности ГРЗ	- rus_spec_type – формат номера
value	string	Особенности ГРЗ	- regular – гражданский
			- police – полицейский
			- diplomatic – дипломатический
			- military – военный
			- machines&moto – спецтехника и мотоциклы
			- trailer – прицеп
			- transit – транзитный
			- taxi – такси
score	float	Оценка точности распознавания региона ГРЗ	0.0000…1.0000
type	string	Регион ГРЗ	- rus_region_number – номер региона регистрации ТС
value	string	Массив распознанных символов ГРЗ	0…9
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…

«uae_plate_recognition_v2»

Классификатор распознает эмират принадлежности ГРЗ, символы ГРЗ, а также оценивает точность их распознавания.

Подробный список поддерживаемых ГРЗ представлен в Приложении 3.

Пример входного изображения представлен на Рисунке 19.

Пример входного изображения для классификатора «uae_plate_recognition_v2»

Пример ответа:

{
    "classifier": "uae_plate_recognition_v2",
    "execution_time": 43,
    "features": [
        {
            "score": 0.848,
            "type": "emirate_name",
            "value": "SHARJAH"
        }
    ],
    "regno_ai_score": 0.5661,
    "symbol_scores": [
        0.9044,
        0.9116,
        0.9182,
        0.9042,
        0.9087,
        0.9101
    ],
    "symbols": [
        "2",
        "1",
        "4",
        "5",
        "6",
        "7"
    ]
}

Таблица 21. Описание полей классификатора «uae_plate_recognition_v2»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	uae_plate_recognition_v2
execution_time	int	Время исполнения в миллисекундах	0…1000
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 символов ГРЗ. К распознаваемым знакам относятся:	0…9; A, B, C, E…
		- серия;
		- регистрационный номер;
		- код/название региона регистрации

«eu_cis_recognition_v3» и «eu_cis_recognition_v4»

Классификаторы распознают символы ГРЗ стран СНГ и Евросоюза, индивидуальные номера стран ЕС, а также оценивают точность их распознавания.

Классификатор «eu_cis_recognition_v4» способен распознавать больше типов ГРЗ.

Подробный список поддерживаемых ГРЗ представлен в Приложении 3.

Пример входного изображения представлен на Рисунке 20.

Пример входного изображения для классификатора «eu_cis_recognition_v4»

Пример ответа:

{
  "classifier": "eu_cis_recognition_v4",
  "execution_time": 20,
  "regno_ai": {
    "length_scores": [
      0.0, 
      0.0, 
      0.0, 
      0.0, 
      0.0, 
      1.0, 
      0.0, 
      0.0, 
      0.0, 
      0.0, 
      0.0
    ],
    "scores": [
      0.9137,
      0.9112,
      0.9082,
      0.9054,
      0.9043
    ],
    "symbols": [
      "K",
      "U",
      "H",
      "L",
      "1"
    ]
  },
  "regno_ai_score": 0.6191
}

Таблица 22. Описание полей классификатора «eu_cis_recognition_v4»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	eu_cis_recognition_v4
execution_time	int	Время выполнения в миллисекундах	10...10000
length_scores	float	Массив из 11 элементов, показывающий вероятность количества знаков в ГРЗ: - 1-й элемент массива — 0 знаков, 11-й — 10 знаков. Сумма всех элементов равна 1. Максимальное значение показывает количество знаков в ГРЗ.	0.0000…1.0000
scores	float	Массив, отображающий оценку точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	string	Массив распознанных символов ГРЗ	0…9; A, B, C, E…
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000

«grz_uk_asia_recognition_v2»

Классификатор распознает символы ГРЗ стран Азии и Великобритании, индивидуальные номера стран Азии, а также оценивает точность их распознавания.

Подробный список поддерживаемых ГРЗ представлен в Приложении 3.

Пример входного изображения представлен на Рисунке 21.

Пример входного изображения для классификатора «grz_uk_asia_recognition_v2»

Пример ответа:

{
    "classifier": "grz_uk_asia_recognition_v2",
    "execution_time": 55,
    "regno_ai": {
        "length_scores": [
            0.0,
            0.0,
            0.0,
            0.0,
            0.0,
            0.0,
            0.0,
            0.0,
            0.0,
            0.0,
            1.0
        ],
        "scores": [
            1.0,
            1.0,
            1.0,
            1.0,
            1.0,
            1.0,
            1.0,
            1.0
            1.0
            1.0
        ],
        "symbols": [
            "G",
            "J",
            "0",
            "8",
            "C",
            "G",
            "2",
            "5",
            "3",
            "1",
        ]
    },
    "regno_ai_score": 1.0
}

Таблица 23. Описание полей классификатора «grz_uk_asia_recognition_v2»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	grz_uk_asia_recognition_v2
execution_time	int	Время исполнения в миллисекундах	0…1000
length_scores	float	Массив из 11 элементов, показывающий вероятность количества знаков в ГРЗ: - 1-й элемент массива — 0 знаков, 11-й — 10 знаков. Сумма всех элементов равна 1. Максимальное значение показывает количество знаков в ГРЗ.	0.0000…1.0000
scores	float	Массив, отображающий оценку точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	string	Массив распознанных символов ГРЗ	0…9; A, B, C, E…
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000

«chn_plate_recognition_v2»

Классификатор распознает символы ГРЗ Китая, оценивает точность распознавания каждого символа и всего ГРЗ.

Подробный список поддерживаемых ГРЗ представлен в Приложении 3.

Пример входного изображения представлен на Рисунке 22.

Пример входного изображения для классификатора «chn_plate_recognition_v2»

Пример ответа:

{
"classifier": "chn_plate_recognition_v2",
    "execution_time": 24,
    "features": [
        {
            "score": 0.8903,
            "type": "spec_type",
            "value": "regular"
        }
    ],
    "regno_ai_score": 0.4932,
    "symbol_scores": [
        0.8961,
        0.9147,
        0.9064,
        0.9024,
        0.9049,
        0.901,
        0.9023
    ],
    "symbols": [
        "吉",
        "H",
        "A",
        "Y",
        "4",
        "5",
        "7"
    ]
}

Таблица 24. Описание полей классификатора «chn_plate_recognition_v2»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	chn_plate_recognition_v2
execution_time	int	Время исполнения в миллисекундах	0…1000
score	float	Оценка точности распознавания особенностей ГРЗ	0.0000…1.0000
type	string	Тип особенности	- spec_type – формат номера
value	string	Значение особенности ГРЗ, примеры приведены выше	- regular – обычные авто;
			- large&moto – мотоциклы, грузовики, автобусы;
			- electric – электрические авто;
			- cross-boarder – номера для пересечения границы с Макао и Гонконгом;
			- trailer – прицеп;
			- temporary – транзитный;
			- police – полицейские;
			- training – учебные.
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000
symbol_scores	float	Массив, отображающий оценку точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	string	Массив распознанных символов ГРЗ	0…9; A, B, C, E…; O, 皖, 沪, 津…

«mng_recognition_v1»

Классификатор распознает символы ГРЗ Монголии, оценивает точность распознавания каждого символа и всего ГРЗ.

Подробный список поддерживаемых ГРЗ представлен в Приложении 3.

Пример входного изображения представлен на Рисунке 23.

Пример входного изображения для классификатора «mng_recognition_v1»

Пример ответа:

{
    "classifier": "mng_recognition_v1",
    "execution_time": 206,
    "regno_ai": {
        "length_scores": [
            0,
            0,
            0,
            0,
            0,
            0,
            1,
            0,
            0,
            0,
            0
        ],
        "scores": [
            0.9869,
            0.9909,
            0.9974,
            0.9981,
            0.9529,
            0.9952
        ],
        "symbols": [
            "1",
            "2",
            "3",
            "4",
            "Д",
            "К"
        ]
    },
    "regno_ai_score": 0.9231
}

Таблица 25. Описание полей классификатора «mng_recognition_v1»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	mng_recognition_v1
execution_time	int	Время исполнения в миллисекундах	0…1000
length_scores	float	Массив из 11 элементов, показывающий вероятность количества знаков в ГРЗ: - 1-й элемент массива — 0 знаков, 11-й — 10 знаков. Сумма всех элементов равна 1. Максимальное значение показывает количество знаков в ГРЗ.	0.0000…1.0000
scores	float	Массив, отображающий оценку точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	string	Массив распознанных символов ГРЗ	0…9; A, B, C, E…
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000

«america_plate_recognition_v1»

Классификатор распознает символы ГРЗ США, Канады, Мексики и Бразилии, оценивает точность распознавания каждого символа и всего ГРЗ.

Подробный список поддерживаемых ГРЗ представлен в Приложении 3.

Пример входного изображения представлен на Рисунке 24.

Пример входного изображения для классификатора «america_plate_recognition_v1»

Пример ответа:

{
    "classifier": "america_plate_recognition_v1",
    "execution_time": 190,
    "regno_ai": {
        "length_scores": [
            0,
            0,
            0,
            0,
            0,
            0,
            0,
            1,
            0,
            0,
            0
        ],
        "scores": [
            0.9971,
            0.9943,
            0.9947,
            0.9997,
            0.999,
            0.9989,
            0.9992
        ],
        "symbols": [
            "К",
            "N",
            "М",
            "1",
            "9",
            "5",
            "4"
        ]
    },
    "regno_ai_score": 0.983
}

Таблица 26. Описание полей классификатора «america_plate_recognition_v1»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	america_plate_recognition_v1
execution_time	int	Время исполнения в миллисекундах	0…1000
length_scores	float	Массив из 11 элементов, показывающий вероятность количества знаков в ГРЗ: - 1-й элемент массива — 0 знаков, 11-й — 10 знаков. Сумма всех элементов равна 1. Максимальное значение показывает количество знаков в ГРЗ.	0.0000…1.0000
scores	float	Массив, отображающий оценку точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	string	Массив распознанных символов ГРЗ	0…9; A, B, C, E…
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.000

«persian_plate_recognition_v1»

Классификатор распознает символы ГРЗ Бахрейна, Кувейта, Омана, Катара, Саудовской Аравии, оценивает точность распознавания каждого символа и всего ГРЗ.

Подробный список поддерживаемых ГРЗ представлен в Приложении 3.

Пример входного изображения представлен на Рисунке 25.

Пример входного изображения для классификатора «persian_plate_recognition_v1»

Пример ответа:

{
    "classifier": "persian_plate_recognition_v1",
    "execution_time": 49,
    "regno_ai": {
        "length_scores": [
            0,
            0,
            0,
            0,
            0,
            1,
            0,
            0,
            0,
            0,
            0
        ],
        "scores": [
            0.9047,
            0.9088,
            0.9063,
            0.9099,
            0.9062
        ],
        "symbols": [
            "1",
            "2",
            "3",
            "4",
            "5"
        ]
    },
    "regno_ai_score": 0.6144
}

Таблица 27. Описание полей классификатора «persian_plate_recognition_v1»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	persian_plate_recognition_v1
execution_time	int	Время исполнения в миллисекундах	0…1000
length_scores	float	Массив из 11 элементов, показывающий вероятность количества знаков в ГРЗ: - 1-й элемент массива — 0 знаков, 11-й — 10 знаков. Сумма всех элементов равна 1. Максимальное значение показывает количество знаков в ГРЗ.	0.0000…1.0000
scores	float	Массив, отображающий оценку точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	string	Массив распознанных символов ГРЗ	0…9; A, B, C, E…
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000

«thailand_plate_recognition_v1»

Классификатор распознает регион принадлежности ГРЗ, символы ГРЗ Таиланда, индивидуальные номера, а также оценивает точность их распознавания.

Подробный список поддерживаемых ГРЗ представлен в Приложении 3.

Пример входного изображения представлен на Рисунке 26.

Пример входного изображения для классификатора «thailand_plate_recognition_v1»

Пример ответа:

{
  "classifier": "thailand_plate_recognition_v1",
  "execution_time": 20,
  "features": [
    {
      "score": 0.9891,
      "type": "region",
      "value": "Ratchaburi"
    },
    {
      "score": 0.9899,
      "type": "spec_type",
      "value": "private"
    }
  ],
  "regno_ai_score": 0.991,
  "symbol_scores": [
    0.9992,
    0.9937,
    0.9995,
    0.9997,
    0.9993,
    0.9996
  ],
  "symbols": [
    "ก",
    "ก",
    "7",
    "7",
    "4",
    "2"
  ]
}

Таблица 28. Описание полей классификатора «thailand_plate_recognition_v1»

Поле	Тип	Описание	Возможные значения
classifier	string	Название классификатора	thailand_plate_recognition_v1
execution_time	int	Время исполнения в миллисекундах	0…1000
score	float	Оценка точности распознавания региона ГРЗ	0.0000…1.0000
type	string	Тип особенности номера	region
value	string	Результат распознавания	Ratchaburi, Bangkok, Saraburi, Rayong и т.д.
score	float	Оценка точности распознавания особенностей ГРЗ	0.0000…1.0000
type	string	Тип особенности	- spec_type – формат номера
value	string	Значение особенности ГРЗ	- regular – обычные авто;
			- bus&truck – грузовики и автобусы;
			- private – частные лица;
			- business – коммерческие ТС;
			- taxi – такси;
			- temporary – дилерские;
			- non-regular – индивидуальные;
			- moto – мотоциклы
regno_ai_score	float	Общая оценка точности распознавания ГРЗ	0.0000…1.0000
symbol_scores	float	Массив, отображающий оценку точности распознавания каждого символа ГРЗ	0.0000…1.0000
symbols	string	Массив распознанных символов ГРЗ	0…9; ก, ข, ค, ฆ…

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 29.

Таблица 29. Данные о точности классификаторов

Классификатор	Размер выборки (штук)	Точность (%)
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