Zum Hauptinhalt springen

[Vision AI] ANPR-OCR-Engine, Regex-Normalisierung & Temporales Majority Voting (Evolution von v01 bis v11) (#5)

· 2 Minuten Lesezeit
Jaybee
Jaybee
AI & Robotics Engineer

Temporales Majority Voting und finale Verifikation

📌 Kernaussagen (TL;DR)

  • Herausforderung: Einzelne Frames führen durch Fahrzeugneigung und Spiegelungen unweigerlich zu Lesefehlern (z. B. Verwechslung von 6 und 8 oder B und 8).
  • Lösung: Kombination aus EasyOCR, syntaktischer Regex-Korrektur und temporalem Mehrheitsentscheid (Sliding-Window Majority Voting) über 11 Frames.

1. Das temporale Majority-Voting-Verfahren​

Statt dem Ergebnis eines einzelnen Frames blind zu vertrauen, aggregiert das System Erkennungen über ein gleitendes Zeitfenster von 11 aufeinanderfolgenden Bildern:

flowchart TD
    F1["Frame 1: 24가1511"] --> Buffer[Ringpuffer: 11 Frames]
    F2["Frame 2: 24가1511"] --> Buffer
    F3["Frame 3: 24가1571 (Fehllesung)"] --> Buffer
    F4["Frame 4: 24가1511"] --> Buffer
    Buffer --> Voting{"Majority Voting: Welcher String hat die höchste Frequenz?"}
    Voting -->|8 von 11 Stimmen| Confirmed["Bestätigtes Kennzeichen: 24가1511 (Konfidenz: 94.2%)"]

2. Die evolutionäre Reise: Von v01 bis v11​

Über 11 Entwicklungszyklen steigerte das Team die End-to-End-Erkennungsrate von initial 31 % auf über 96 % unter realen Straßenbedingungen.

📌 Management Summary (3–5 Zeilen)​

  1. Konsens schlägt Einzelframe: Temporales Voting filtert kurzzeitige Erkennungsfehler durch Vibrationen zuverlässig heraus.
  2. Regex-Syntaxschutz: Ungültige Zeichenmuster werden noch vor dem Voting syntaktisch korrigiert.
  3. Hohe Zuverlässigkeit: Über 11 Iterationen wurde eine Erkennungsgenauigkeit von über 96 % in Realaufnahmen erreicht.
  4. Vollständige Pipeline: Die Kombination aller 6 Stufen liefert ein produktionsreifes System für intelligente Verkehrsanwendungen.
ANZEIGE