Pythonで学ぶコンピュータビジョン

Python、OpenCV、EasyOCRを使ったコンピュータビジョンとナンバープレート認識の入門。

はじめに

今回はPythonでコンピュータビジョンを少し試し、ANPR(ナンバープレート自動認識)などへの応用を見ていきます。この分野は幅広く、私自身もあまり取り組んだことがないため、ごく基本的な紹介になります。この記事を通じて、皆さんと一緒に何か学べればと思います。

今後の記事では、比較的簡単なCAPTCHAを自動で解くことにも応用してみたいです。以前試したことはありますが、各段階を詳しく調べずに進めたので、改めて取り組むと面白そうです。

それでは始めましょう。

コンピュータビジョンとは?

大まかに言うと、人間の視覚をコンピュータで模倣するための技術や手法です。アルゴリズムが画像から情報を取り出し、それを処理して、結果に応じた動作を行います。

今回の簡単な実演では、Pythonといくつかのライブラリを使います。特にOpenCVは、コンピュータビジョンに役立つ多くの関数を提供しています。

OCR

OCR(光学文字認識)は、画像から文字を取り出す処理です。大きく次の段階に分けられます。

  • 二値化: 画像を白と黒に変換します。多くのアルゴリズムは2色だけの二値画像を扱います。OpenCVも例外ではありません。
  • 行と単語の分割: 単語を一つずつ切り分けます。
  • 文字認識とパターン照合: 取り出した文字をデータベースと比較します。参照データの質が高いほど、良い結果が得られます。

幸い、TesseractやEasyOCRといったライブラリには、文字を認識するモデルがすでに用意されています。

今回はEasyOCRを使います。この例では、数字の認識でTesseractより良い結果が得られました。

前処理や後処理も追加できます。画像のノイズ除去、パラメータの正規化、出力への制約などです。たとえば、今回対象にするスペインの形式では、152L PLQという結果は正しいナンバープレートではないと判断できます。

ナンバープレートが見える車の画像を探します。今回はスペインのプレートを付けた赤いSeat Ibizaです。プレートがはっきり見える、鮮明で構図の良い画像をあえて選びました。交通カメラの映像がいつもこれほど好条件とは限りませんが、仕組みの実演には十分です。

スペインのナンバープレートを付けた車

OCRの手順で説明したように、まず画像を白黒に変換します。

画像変換のコード

グレースケール画像

次に画像のノイズを減らし、プレートをより鮮明にして後の処理を容易にします。

ノイズ除去のコード

ノイズ除去後の画像

続いてCannyアルゴリズムで画像のエッジを取り出し、ほかの画素から分離します。これにより、画像内の図形を探しやすくなります。

エッジ検出のコード

検出したエッジ

輪郭が得られたら、大きい順に並べ、最初に見つかる四辺形を探します。その長方形や正方形が、うまくいけばナンバープレートです。

輪郭選択のコード

選択したナンバープレート

次に、その四角形だけを切り抜いた画像を作り、OCRエンジンに渡します。ここではEasyOCRを使いますが、Tesseractでも同じ結果が得られる場合があります。

プレートを読み取ったら、その領域を緑色の枠で囲み、認識した番号を横に表示します。

OCRと注釈のコード

認識した番号と出力

問題点

画像に番号が表示され、コンソールにも文字列が出力されるので、ひとまず動作しました。ただし、別の画像では失敗することがあります。プレートが最大の四辺形とは限らず、別の領域を選んで誤った画像をOCRに渡す可能性があります。また、この方法は一つのプレートしか選ばないため、複数のプレートが写った画像にも対応できません。

おわりに

この例から、コンピュータビジョンの応用範囲の広さを感じてもらえれば幸いです。今後はさらに掘り下げて、今回の問題に対する別の手法や解決策も試したいと思います。