[Vision AI] Dashcam-Spurüberwachung & Super-Resolution ANPR: 6-Stufen-Pipeline & Echtzeit-Bedingungen (#1)
· 2 Minuten Lesezeit

📌 Kernaussagen (TL;DR)
- Herausforderung: Dashcam-Aufnahmen bei hoher Geschwindigkeit leiden unter Vibrationen, Gegenlicht und Bewegungsunschärfe. Eine direkte OCR scheitert an niedriger Bildauflösung.
- Lösung: Eine modulare 6-Stufen-Pipeline mit strikter 30-FPS-Grenze, die Spurerkennung, hierarchische YOLO-Detektion, EDSR-Super-Resolution und temporales OCR-Voting kombiniert.
1. Die 6 Stufen der Pipeline im Überblick
flowchart LR
A[1. Frame-Eingabe 30 FPS] --> B[2. Dynamische Spurerkennung]
B --> C[3. Hierarchische Fahrzeug- & Kennzeichenerkennung]
C --> D[4. Geometrische IoU-Spurübertrittsprüfung]
D --> E[5. EDSR Deep Super-Resolution]
E --> F[6. EasyOCR & Temporales Majority Voting]
- Video-Ingestion: Dekodierung von 1080p Dashcam-Videostreams mit OpenCV und Multithreading.
- Spurerkennung: Canny-Kantenerkennung, ROI-Maskierung und Hough-Linientransformation (
HoughLinesP). - Hierarchische Lokalisierung: Grobe Fahrzeugsuche via YOLOv3, gefolgt von präziser Kennzeichenerkennung via YOLOv5.
- Intrusionsmetrik: Berechnung des Schnittstellenverhältnisses (Intersection over Union, IoU) zwischen Fahrzeug-Bounding-Box und Fahrspur-Polygon.
- Super-Resolution: Hochskalierung kleiner Kennzeichen-Ausschnitte (unter 40x20 Pixel) auf das 4-fache via EDSR.
- OCR & Konsens: Zeichenerkennung mit EasyOCR und temporales Glätten über 11 Frames hinweg.
📌 Management Summary (3–5 Zeilen)
- Modulare Architektur: Komplexe Vision-Aufgaben werden in 6 klar getrennte Stufen unterteilt, um Engpässe isoliert zu optimieren.
- Echtzeitfähigkeit: Das System hält strikt die 30-FPS-Latenzgrenze für zuverlässige Dashcam-Auswertungen ein.
- Robustheit bei Unschärfe: Deep Super-Resolution (EDSR) stellt unleserliche Kennzeichenfragmente wieder her.
- Fehlalarm-Reduktion: Geometrische IoU-Kriterien verhindern Fehlalarme bei Fahrbahnunebenheiten.
