في عصر تتزايد فيه حركة المرور بشكل مستمر، تمثل تقنية تحديد لوحات السيارات الأوتوماتيكي (ALPR) أداة حيوية لمراقبة المرور والتعرف على المركبات. لكن، تواجه هذه التقنية تحديات حقيقية في ظروف الفيديو المتغيرة، مما يؤثر على دقة التعرف وسلاسة تتبع المركبات. فمع التغيرات المفاجئة في الإضاءة، وسرعة المركبات العالية، وصعوبة الرؤية، تبرز إمكانية تقديم حلول مبتكرة.

قدمت دراسة جديدة حلاً شاملاً يتضمن خوارزمية متكاملة مكونة من خمس مراحل. تستخدم هذه الخوارزمية نموذج YOLOv8، الذي يعتمد على تعلم عميق متطور، لتحديد موقع المركبات في المرحلة الأولى، ثم يتبع ذلك استخدام خوارزمية SORT (Simple Online and Realtime Tracking) لبناء روابط مكانية زمانية بين الإطارات في الفيديو.

بالإضافة إلى ذلك، تم تطوير نماذج محددة من YOLOv8 تركز على منطقة اللوحات، حيث يتم توجيه البيانات المقطوعة إلى سلسلة من EasyOCR مع التحقق من بنية الموضع. والأهم من ذلك، أنه تم تنفيذ آلية للاقتران الزمني للمربعات الحدودية بشكل غير متصل، لإعادة تشكيل المسارات المقطوعة.

هذه التقنية تعد بتقديم تحسينات كبيرة في دقة التعرف على اللوحات وسرعة المعالجة، مما يفتح آفاقًا جديدة للاستخدام في المراقبة المرورية الذكية وإدارة حركة المرور بكفاءة أكبر. هل أنت مستعد لاستكشاف كيف يمكن لهذه الابتكارات التقنية تغيير مستقبل حركة المرور؟