Imaginez que vous essayez de lire un panneau sur une voiture en mouvement alors que vous êtes debout sur un coin de rue très fréquenté. Si la voiture roule droit vers vous sous un soleil éclatant, c'est facile. Mais que se passe-t-il si elle passe en trombe à 60 miles par heure, qu'il pleut à verse, que les lampadaires scintillent et que la caméra est inclinée selon un angle bizarre ? C'est le scénario du cauchemar pour les ordinateurs tentant de lire des plaques d'immatriculation. Ce domaine scientifique s'appelle la Reconnaissance Automatique de Plaques d'Immatriculation (ALPR), et c'est le cerveau derrière les feux de signalisation intelligents, les péages automatiques et les parkings automatisés. Pour fonctionner, un ordinateur doit accomplir trois tâches délicates : premièrement, trouver la voiture dans une mer de pixels ; deuxièmement, identifier quelle voiture est laquelle lorsqu'elle se déplace dans une vidéo ; et troisièmement, lire les lettres et les chiffres sur la plaque même si elle est floue, de travers ou délavée par la pluie. La plupart de ces systèmes nécessitent des ordinateurs extrêmement puissants et coûteux (comme de gigantesques GPU) pour le faire rapidement, ce qui les rend trop onéreux pour de nombreuses villes ordinaires.

Ce document de recherche s'attaque à un problème très spécifique : comment construire un lecteur de plaques d'immatriculation qui fonctionne dans la réalité chaotique et désordonnée du trafic vietnamien, mais qui s'exécute sur un processeur d'ordinateur standard et abordable (un CPU) plutôt que sur un supercalculateur. L'auteur, Nghia Nguyen, a remarqué que si l'IA est excellente dans des conditions de laboratoire parfaites, elle échoue souvent face à une pluie battante, un brouillard épais, une faible luminosité ou le mélange unique de plaques de motos à ligne simple et de plaques de voitures à double ligne que l'on trouve au Vietnam. Le document présente un nouveau « kit d'outils » qui agit comme un détective intelligent et multi-étapes. Au lieu de compter sur un seul cerveau puissant et coûteux, ce système utilise cinq petits assistants spécialisés travaillant ensemble. Il utilise un détecteur rapide pour repérer la voiture, un traceur pour la suivre, un « redresseur » rapide pour corriger les angles de travers, un ensemble de filtres d'image pour nettoyer la pluie et le brouillard, et un système de vote pour s'assurer que la lecture finale est correcte. Le résultat est un système capable de lire les plaques en temps réel (plus de 35 fois par seconde) sur un ordinateur portable ordinaire, atteignant une grande précision même lorsque la météo est terrible.

L'équipe de détective en cinq étapes

Considérez ce système d'ALPR non pas comme un seul robot, mais comme une équipe de cinq personnes se passant une patate chaude dans une file. Chaque membre a un travail spécifique pour s'assurer que la réponse finale soit parfaite.

1. Le Repéreur (YOLOv8n)
Le premier membre de l'équipe est le « Repéreur ». Imaginez un agent de sécurité scrutant une foule. Son travail est de crier : « Je vois une voiture ! » et de pointer exactement où elle se trouve. Le document utilise un modèle appelé YOLOv8n, qui est comme un garde super rapide et léger entraîné sur un immense album photo de 12 500 images. Ces images n'étaient pas seulement des jours ensoleillés ; elles incluaient de la pluie battante, du brouillard épais et des nuits sombres. Parce que le Repéreur s'est exercé dans toutes ces mauvaises conditions, il peut trouver des plaques d'immatriculation avec une précision de 94,8 % par beau temps et maintient une précision de 86,8 % lorsque la météo est un désastre.

2. Le Traceur (ByteTrack)
Une fois que le Repéreur a trouvé une voiture, le « Traceur » prend le relais. Si vous regardez une voiture passer, elle peut disparaître derrière un arbre pendant une seconde. Une caméra simple pourrait perdre la trace et penser qu'il s'agit d'une nouvelle voiture lorsqu'elle réapparaît. Le Traceur, utilisant une méthode appelée ByteTrack, est comme un ami qui ne vous perd jamais de vue dans un centre commercial bondé. Il suit l'identité de la voiture à travers les images de la vidéo, même si la voiture est brièvement cachée ou si l'image est floue. Cela garantit que le système sait qu'il regarde la même voiture tout au long du processus.

3. Le Redresseur (Projection-Profile Deskew)
C'est ici que le document devient vraiment ingénieux. Au Vietnam, les caméras sont souvent montées sur des poteaux avec des angles prononcés, ce qui fait que la plaque d'immatriculation semble inclinée, comme un cadre de tableau penché. Les méthodes traditionnelles tentent de trouver les quatre coins de la plaque pour la redresser, mais si la plaque est sale ou floue, l'ordinateur ne peut pas trouver les coins, et la méthode échoue.
Le « Redresseur » du document utilise un tour différent appelé Projection-Profile Deskew. Imaginez regarder une étagère de livres inclinée. Au lieu d'essayer de mesurer les coins de chaque livre, vous regardez simplement les ombres que les livres projettent sur le mur. Quand les livres sont parfaitement droits, les ombres sont distinctes et nettes. L'ordinateur fait la même chose avec les lettres de la plaque : il fait pivoter l'image légèrement jusqu'à ce que les « ombres » des lignes de texte soient les plus distinctes possibles. Cela se produit incroyablement vite — ne prenant que 2,1 millisecondes — et cela fonctionne même quand la plaque est sale ou que les coins sont manquants. Cela a amélioré la capacité de lecture des plaques inclinées de plus de 45 points de pourcentage par rapport aux anciennes méthodes.

4. Le Nettoyeur et le Lecteur (Amélioration d'image & ONNX OCR)
Une fois que la plaque est droite, elle peut encore être couverte de pluie ou de brouillard. Le « Nettoyeur » utilise une série de filtres pour accentuer l'image, supprimer le bruit et corriger l'éclairage, faisant ressortir les lettres. Ensuite, le « Lecteur » intervient. Habituellement, lire du texte sur un ordinateur est lent et nécessite des machines lourdes. Cette équipe utilise un lecteur léger spécialisé pour la vitesse (ONNX Runtime) qui peut lire une plaque en environ 12,5 millisecondes. C'est environ 32 fois plus rapide que d'autres outils courants fonctionnant sur un ordinateur standard. C'est tellement rapide qu'il peut lire une plaque presque instantanément sans avoir besoin d'un supercalculateur.

5. Le Jury (Consensus par vote majoritaire)
Enfin, le système ne se fie pas aveuglément à la première lecture obtenue. Imaginez un jury où une personne dit « La plaque est ABC-123 », mais une autre dit « ABC-124 ». Pour éviter les erreurs, ce système attend. Il observe la voiture pendant quelques secondes et procède à un vote. Il n'inscrit le numéro de la plaque d'immatriculation que si le même résultat apparaît au moins trois fois de suite. Ce « Vote majoritaire » garantit que si la caméra a un bug une ou deux fois, le système n'enregistre pas un faux ticket. Le document rapporte que cette méthode a atteint une précision de 100 % dans l'enregistrement (signifiant qu'elle n'a jamais enregistré de faux positif ou de doublon) lors de leurs tests, éliminant efficacement les enregistrements erronés, bien que la précision globale de la reconnaissance des caractères eux-mêmes reste légèrement inférieure dans des conditions difficiles.

Les Résultats : Rapide, Abordable et Robuste

L'auteur a testé toute cette équipe sur un ordinateur standard avec un processeur Intel i5 et 8 Go de RAM — du matériel que l'on pourrait trouver dans un ordinateur portable de bureau classique, et non dans une salle de serveurs de haute technologie. Les résultats sont impressionnants.

• Vitesse : Le système traite la vidéo à plus de 35 images par seconde. Cela signifie qu'il peut suivre le trafic en temps réel sans retard, même s'il s'exécute sur un CPU.
• Précision : Dans un éclairage parfait, le système a correctement identifié les plaques 93,8 % du temps. Même dans les pires conditions (pluie battante, brouillard ou faible luminosité), il a maintenu une précision de 85,1 %.
• Comparaison : Comparé à d'autres systèmes, cette approche est beaucoup plus rapide. Par exemple, les anciennes méthodes comme EasyOCR tournent à moins de 5 images par seconde sur un CPU, tandis que ce système dépasse les 35 images. D'autres systèmes à haute précision nécessitent souvent des cartes graphiques (GPU) coûteuses pour fonctionner, alors que celui-ci fonctionne entièrement sur un CPU.

L'auteur a explicitement écarté l'idée qu'il faut des GPU coûteux de classe serveur pour construire un système de trafic intelligent. Il a montré qu'avec la bonne combinaison d'algorithmes intelligents et d'un entraînement de données minutieux, un ordinateur standard peut accomplir la tâche. Il a également noté que bien que le système soit robuste, il a des limites : si une voiture est inclinée de plus de 25 degrés ou s'il fait noir complet sans aucune lumière, la précision chute. Cependant, pour la grande majorité des scénarios réels au Vietnam, cette « équipe de cinq personnes » offre une solution puissante, abordable et rapide pour maintenir la circulation fluide.