Как скрыть/замазать регистрационный номерной знак на фотографии своего автомобиля
Всем привет! Данный пост будет полезен тем, кто обычно замазывает свои номера по разным причинам, не хочет возиться с компьютерными программами, и оперативно выполнить задачу с помощью своего телефона. Так как я сам искал сайты, плюс один способ, который придумал я сам (может конечно кто-то так уже и делал, но такого я не слышал).
Нашёл такой сайт: Hideframe. Тут всё просто, можно скрыть номер с телефона, но с компьютера будет проще.
Upd: в браузере Safari отказывается работать, в Chrome нормально делает своё дело.
С ним будет легко справиться на телефоне. Главное скачать приложение Facetune 2. Да-да, это то приложение, где девушки редактируют своё лицо или фигуру на фотографиях 😂.
Там нужно выбрать нужную фотографию, нажать на раздел «Ретушь»
Далее выбираем инструмент «Консилер» и просто закрашиваем номер пальцем, затем увеличиваем интенсивность ползунком и готово.
Если знаете ещё какие-то удобные методы скрыть гос. знак, можете делиться в комментариях, будет полезно!
Audi A5 Sportback 2019, двигатель бензиновый 2.0 л., 249 л. с., полный привод, автоматическая коробка передач — другое
Машины в продаже
Комментарии 23
Фото машины открываете в приложении Paint и ластиком затирается номер.
чувак а ты вкурсе что « Разглашение персональных данных человека без его согласия незаконно и влечет за собой ответственность в соответствии с трудовым, административным, а в случае умышленных действий — уголовным законодательством.»?
А есть программа чтобы изменить номер? Или свою надпись сделать?
Hideframe, к сожалению, работает только врукопашную.
Искал как-то программу, чтобы сама находила номер и аккуратно замазывала (или, еще лучше, заменяла на левые символы), но ничего не нашел.
Думал уже свою написать, но найти обученную нейросеть или хотя бы датасет для самостоятельного обучения, не так то просто. Все имеющиеся системы, судя по всему, приносят неплохие деньги и никто не будет так просто делиться )
Было бы очень крутое, если бы была в доступе такая программа
Полезный пост, спасибо!
Я когда тему увидел, сначала подумал, что про скрытие номеров от фото фиксации нарушений и вначале не мог понять, при чём тут компьютер и зачем его с собой возить.🤪
А какая разница если каждый день авто на улице, номера видно и так, тебя все равно найдут если нужно
В приложения по типу Номерограм и прочая лабуда, и так на улице сфоткают стоящее авто на парковке
Мне самому не нравится, что мои данные могут найти и любой прохожий пробьет тебя очень быстро, у нас в жк так за 2 минуты находят владельцев не правильно припаркованых авто — поэтому скрывать номер на фото у себя в каких то соц сетях — бесполезно
Да, и такое может быть.
Ну, хочется верить в лучшее, и хотя бы на какой-то процент снизить возможность пробить с какой бы там ни было целью
какие причины замазывать номер?
Лично мне неприятно было бы увидеть базу фотографий своей машины в каком-нибудь Номерограме. Плюс не хочется чтобы по номеру автомобиля пробили почти всю информацию про меня: ФИО, номер серия паспорта, адрес регистрации и т.д. Много мошенников есть, которые могут получить из этого выгоду. Просто лишний раз избегаю слива персональной информации
У меня машина так засветилась в номерограмме благодаря объявлению на дроме левой машины, рядом сфотали и всё.
Похожая ситуация была. Кто-то просто сфоткал улицу, и там задняя часть моей машины спалилась.
Если выложить объявление о продаже машины и не замазать номер, то номерограм выдаст всю информацию которую напишешь в объявлении: пробег, год выпуска, доп. информацию и тд.
И если номер красивый сохранять каждый раз, то там целая история жизни номера и покупаемых автомобилей получится
Там кстати интересная система слива номеров от дрома, если использовать их ретушь то с потрохами попадешь в номерограмм.
Похожая ситуация была. Кто-то просто сфоткал улицу, и там задняя часть моей машины спалилась.
Если выложить объявление о продаже машины и не замазать номер, то номерограм выдаст всю информацию которую напишешь в объявлении: пробег, год выпуска, доп. информацию и тд.
И если номер красивый сохранять каждый раз, то там целая история жизни номера и покупаемых автомобилей получится
«Если выложить объявление о продаже машины и не замазать номер, то номерограм выдаст всю информацию которую напишешь в объявлении»
ну так это же отлично — пробег, история обслуживания, количество объявлений. Как покупатель я бы рад был увидеть такую историю, а как продавец — считаю ее бонусом при продаже. А если номер замазан, возникает резонный вопрос: что скрывает продавец? Почему он не хочет чтобы покупатель видел всю историю? Пробег крученый, ДТП было, еще какие-то мутки?
Похожая ситуация была. Кто-то просто сфоткал улицу, и там задняя часть моей машины спалилась.
Если выложить объявление о продаже машины и не замазать номер, то номерограм выдаст всю информацию которую напишешь в объявлении: пробег, год выпуска, доп. информацию и тд.
И если номер красивый сохранять каждый раз, то там целая история жизни номера и покупаемых автомобилей получится
Так пробивают по VIN… А VIN под лобовым
какие причины замазывать номер?
Чем меньше персональных данных в сети тем лучше. Сложно так сразу сказать как их можно использовать но поверь применение им всегда найдется.
Blur еще есть прога
Да, видел вроде бы что-то подобное. Главное не нарваться на платные программы, или бесплатные с платными услугами 😂
Для чего и как мы скрываем госномера автомобилей в объявлениях Авито
Привет. В конце прошлого года мы стали автоматически скрывать номера автомобилей на фотографиях в карточках объявлений на Авито. О том, зачем мы это сделали, и какие есть способы решения таких задач, читайте в статье.
Задача
На Авито за 2018 год было продано 2,5 миллиона автомобилей. Это почти 7000 в день. Всем объявлениям о продаже нужна иллюстрация — фото автомобиля. Но по государственному номеру на нём можно найти много дополнительной информации о машине. И некоторые наши пользователи стараются самостоятельно закрывать госномер.
| |
| |
| |
Причины, почему пользователи хотят скрывать госномер, могут быть разными. Со своей стороны мы хотим помогать им защищать свои данные. И стараемся улучшать процессы продажи и покупки для пользователей. Например, у нас уже давно работает услуга анонимного номера: когда вы продаёте автомобиль, для вас создается временный сотовый номер. Ну а чтобы защитить данные о госномерах, мы обезличиваем фотографии.
Обзор способов решения
Чтобы автоматизировать процесс защиты пользовательских фотографий, можно воспользоваться сверточными нейронными сетями для детектирования полигона с номерным знаком.
Сейчас для детекции объектов используются архитектуры двух групп: двухэтапные сети, например, Faster RCNN и Mask RCNN; одноэтапные (singleshot) — SSD, YOLO, RetinaNet. Детектированием объекта является вывод четырёх координат прямоугольника, в которые вписан объект интереса.
Упомянутые выше сети способны находить на картинках множество объектов разных классов, что уже является избыточным для решения задачи поиска номерного знака, потому что машина у нас на картинках, как правило, всего одна (бывают исключения, когда люди фотографируют свою продаваемую машину и её случайную соседку, но это происходит достаточно редко, поэтому этим можно было пренебречь).
Ещё одна особенность этих сетей состоит в том, что по умолчанию они выдают bounding box со сторонами, параллельными осям координат. Это происходит так, потому что для детектирования используется набор заранее определённых видов прямоугольных рамок, называемых anchor boxes. Если точнее, то сначала с помощью какой-то сверточной сети (например resnet34) из картинки получают матрицу признаков. Потом для каждого подмножества признаков, полученного с помощью скользящего окна, происходит классификация: есть или нет объект для k anchor box и проводится регрессия в четыре координаты рамки, которые корректируют её положение.
Подробнее об этом можно прочитать здесь.
После этого есть ещё две головы:
одна для классификации объекта (собака/кошка/растение и т.д),
вторая (bbox regressor) — для регрессии координат рамки, полученной на предыдущем шаге, чтобы увеличить соотношение площади объекта к площади рамки.
Для того, чтобы предсказать повернутую рамку бокса, нужно изменить bbox regressor так, чтобы получать ещё и угол поворота рамки. Если этого не делать, то получится как-то так.
Кроме двухэтапного Faster R-CNN, есть одноэтапные детекторы, например RetinaNet. Он отличается от предыдущей архитектуры тем, что сразу предсказывает класс и рамку, без предварительного этапа предложения участков картинки, которые могут содержать объекты. Для того чтобы предсказывать повернутые маски, нужно также изменить голову box subnet.
Один из примеров существующих архитектур для предсказания повернутых bounding box — DRBOX. Эта сеть не использует предварительный этап предложения региона, как в Faster RCNN, поэтому она является модификацией одноэтапных методов. Для обучения этой сети используется K повернутых под определенными углами bounding box (rbox). Сеть предсказывает вероятности для каждого из K rbox содержать таргет объект, координаты, размер bbox и угол поворота.
Модифицировать архитектуру и заново обучить одну из рассмотренных сетей на данных с повернутыми bounding boxes — задача реализуемая. Но нашу цель можно достигнуть проще, ведь область применения сети у нас гораздо уже — только для скрытия номерных знаков.
Поэтому мы решили начать с простой сети для предсказания четырёх точек номера, впоследствии можно будет усложнить архитектуру.
Данные
В задании дана фотография автомобиля. Необходимо выделить номерной знак автомобиля, используя для этого четырёхугольник. При этом следует выделять государственный номер максимально точно.
С помощью Толоки можно создавать задания по разметке данных. Например, оценивать качество поисковой выдачи, размечать разные классы объектов (текстов и картинок), размечать видео и т.д. Их будут выполнять пользователи Толоки, за плату, которую вы назначите. Например, в нашем случае толокеры должны выделить полигон с госномером автомобиля на фото. В целом это очень удобно для разметки большого датасета, но получить высокое качество довольно сложно. На толоке много ботов, задачей которых является получить с вас деньги, наставив ответы рандомно или с помощью какой-то стратегии. Для противодействия этим ботам есть система правил и проверок. Основной проверкой является подмешивание контрольных вопросов: вы размечаете вручную часть заданий, пользуясь интерфейсом Толоки, а далее подмешиваете их в основное задание. Если размечающий часто ошибается на контрольных вопросах, вы его блокируете и разметку не учитываете.
Для задачи классификации очень просто определить, ошибся размечающий или нет, а для задачи выделения области это не так просто. Классический способ — считать IoU.
Если это отношение меньше некоторого заданного порога для нескольких заданий, то такой пользователь блокируется. Однако для двух произвольных четырехугольников посчитать IoU не так просто, тем более, что в Толоке приходится это реализовать на JavaScript. Мы сделали небольшой хак, и считаем, что пользователь не ошибся, если для каждой точки исходного полигона в небольшой окрестности находится точка, отмеченная разметчиком. Ещё есть правило быстрых ответов, чтобы блокировались слишком быстро отвечающие пользователи, капча, расхождение с мнением большинства и т.д. Настроив эти правила, можно ожидать довольно неплохую разметку, но если нужно действительно высокое качество и сложная разметка, нужно специально нанимать фрилансеров-разметчиков. В итоге наш датасет составил 4к размеченных картинок, и стоило всё это 28$ на Толоке.
Модель
Теперь сделаем сеть для предсказания четырёх точек области. Получим признаки с помощью resnet18 (11.7M параметров против 21.8M параметров у resnet34), далее делаем голову для регрессии в четыре точки (восемь координат) и голову для классификации, есть на картинке номерной знак или нет. Вторая голова нужна, потому что в объявлениях о продаже машины не все фотографии с машинами. На фото может быть деталь автомобиля.
Подобное нам, конечно, детектить не надо.
Обучение двух голов делаем одновременно, добавив в датасет фото без номерного знака с таргетом bounding box (0,0,0,0,0,0,0,0) и значением для классификатора «картинка с номерным знаком / без» — (0,1).
Тогда можно составить единую лосс функцию для обеих голов как cумму следующих лоссов. Для регрессии в координаты полигона номерного знака используем гладкий L1 loss.
Его можно интерпретировать как комбинацию L1 и L2, который ведёт себя как L1, когда абсолютное значение аргумента велико и как L2, когда значение аргумента близко к нулю. Для классификации используем softmax и crossentropy loss. Экстрактор признаков — resnet18, используем веса, предобученные на ImageNet, дальше дообучаем на нашем датасете экстрактор и головы. В данной задаче мы использовали фреймворк mxnet, так как он является основным для computer vision в Авито. Вообще, микросервисная архитектура позволяет не привязываться к конкретному фреймворку, но когда имеешь большую кодовую базу, лучше использовать ее и не писать тот же самый код заново.
Получив приемлемое качество на нашем датасете, мы обратились к дизайнерам, чтобы нам сделали номерной знак с логотипом Авито. Сначала мы конечно попробовали сделать сами, но выглядел он не очень красиво. Дальше требуется изменить яркость номерного знака Авито на яркость оригинальной области с номерным знаком и можно накладывать логотип на изображение.
Запуск в прод
Проблема воспроизводимости результатов, поддержки и развития проектов, решённая с некоторой погрешностью в мире backend- и frontend-разработки, всё ещё стоит открытой там, где требуется использовать модели машинного обучения. Вам наверняка приходилось разбираться в легаси коде моделек. Хорошо если в readme есть ссылки на статьи или опенсорс-репозитории, на которых базировалось решение. Скрипт для запуска переобучения может упасть с ошибками, например, поменялась версия cudnn, и та версия tensorflow уже не работает с этой версией cudnn, а cudnn не работает с этой версией драйверов nvidia. Может, для обучения использовался один итератор по данным, а для тестирования и в продакшене другой. Так можно продолжать довольно долго. В общем, проблемы с воспроизводимостью существуют.
Мы стараемся убрать их, используя nvidia-docker окружение для обучения моделек, в нём есть все необходимые зависимости для сuda, также туда устанавливаем зависимости для питона. Версия библиотеки с итератором по данным, аугментациями, инференсу моделек — общая для стадии обучения/экспериментирования и для продакшена. Таким образом, чтобы дообучить модель на новых данных, вам нужно выкачать репозиторий на сервер, запустить shell скрипт, который соберет докер-окружение, внутри которого поднимется jupyter notebook. Внутри у вас будут все notebook’и для обучения и тестирования, которые точно не упадут с ошибкой из-за окружения. Лучше, конечно, иметь один файл train.py, но практика показывает, что всегда требуется смотреть глазами на то, что выдаёт моделька и что-то менять в процессе обучения, так что в конце вы всё равно запустите jupyter.
Веса модели хранятся в git lfs — это специальная технология для хранения больших файлов в гите.До этого мы пользовались артифактори, но через git lfs удобнее, потому что скачивая репозиторий с сервисом, вы сразу получаете актуальную версию весов, как на продакшене. Для инференса моделей написаны автотесты, так что не получится раскатить сервис с весами, которые их не проходят. Сам сервис запускается в докере внутри микросервисной инфраструктуры на кластере kubernetes. Для мониторинга производительности мы используем grafana. После раскатки мы постепенно увеличиваем нагрузку на инстансы сервисов с новой моделькой. При выкатке новой фичи мы создаем а/б тесты и выносим вердикт по дальнейшей судьбе фичи, опираясь на статистические тесты.
В результате: мы запустили замазывание номеров на объявлениях в категории авто для частников, 95 перцентиль времени обработки одной картинки для скрытия номера равен 250 мс.
Защита от камер
Камер автоматической фиксации нарушений на дорогах страны становится все больше. Уже сейчас их более 6000 штук. При этом растет и число скандалов, связанных с их, мягко говоря, некорректной работой. Вот и придумывают автолюбители все новые, и новые способы «спрятать» от электронного ока госномера.
Раньше любителей погонять выручали радар-детекторы, засекающие излучение полицейских устройств. Но теперь по регионам и весям начала расползаться Автодория, засекающий среднюю скорость машины на отрезке дороге. Он не использует радар, поэтому обнаружить его заранее невозможно.
Как и в любом соревновании «оружие-броня», не вполне законопослушные граждане пытаются как-то ускользнуть от ответственности. Характерно, что статья 12.2 часть 2 КоАП РФ предусматривает за «управление транспортным средством с государственными регистрационными знаками, оборудованными с применением материалов, препятствующих или затрудняющих их идентификацию», штраф в 5000 рублей или лишение водительского удостоверения на 1-3 месяца. Но это побуждает особо упорных «летчиков» лишь к поиску все более изощренных способов и от камер скрыться, и ответственности за это избежать. Мы выяснили, до каких пределов продвинулась на этот момент мысль «маскировщиков» номерных знаков.
Грязь до отказа!
Конечно, самый невинный с точки зрения закон способ – грязь на номере. Главное в этом деле – как можно натуральнее заляпать его. Чтобы в случае остановки инспектором у последнего не возникло сомнений в случайности появления грязи. В этом случае КоАП предусматривает лишь 500 рублей штрафа или предупреждение. Существуют даже рецепты для подобных манипуляций.
Наиболее натуральные сводятся к обливанию госномера чем-то липким – типа кефира или какого-нибудь сиропа. Сразу после этого рекомендуется проехаться по пыльной грунтовке за другим авто или, если «маскируемся» зимой, ткнуть машину «лицом» в сугроб.
Таким образом заретушированный номерной знак и камеры не читают, и с точки зрения гибддшника это выглядит не как попытка сознательной маскировки. У этого способа есть один, но серьезный минус: приходится чуть ли не ежедневно обновлять «макияж». Сироп с кефиром смываются первым же дождем или встречной «поливалкой».
Пленка – не панацея
Какое-то время назад получили популярность так называемые пленки на номер. На поверхность черных цифр наклеивалась специальная пленка, отражающая инфракрасное излучение подсветки комплексов автоматической фиксации ПДД. При этом человеческий глаз прекрасно видит все буквы-цифры номерного знака, а комплекс – только не заклеенные. В результате система не может идентифицировать владельца авто по номеру и «письмо счастья» остается неотправленным.
Однако довольно скоро сотрудники ДПС, вооруженные мобильными комплексами фото- видеофиксации нарушений, поняли, что к чему. И теперь, когда на мониторе они видят госномер с «пробелами» вместо цифр и букв, тормозят такой автомобиль и радостно оформляют водителя «под лишение». Или «договариваются», это уж как пойдет. Дело в том, что «устранить нарушение» водитель в данном случае не сможет. Это вам не «тонировка» стекол машины, которую при должной настойчивости можно самостоятельно содрать прямо на трассе. Пленку с госномера можно снять лишь «в стационаре» – как правило, в том же заведении, где ее вам в свое время клеили.
Малая механизация
Далее идут той или иной конструкции механические устройства для сокрытия госномера машины от «взгляда» камеры. Порой они представляют собой сдвижную шторку, закрывающую номер. Иногда это устройство, изменяющее положение номерного знака: переводящее его из вертикального положения в горизонтальное. Под таким углом, когда госномер «смотрит» в асфальт, ни одна камера его не считает. Любые механизмы такого рода управляются водителем из салона. Нажал на кнопку – привод закрыл номер. Нажал еще раз – механизм сработал на открытие. Сомнительных моментов тут несколько. Во-первых, сидя за рулем, ты никогда не можешь быть уверен: сработал механизм или нет. А вдруг засорился и заклинил? Или внезапно пропало электропитание?
Эту проблему снимает оборудование машины специальной конструкции рамками для госномера. Будучи установлен в нее, он висит не в вертикальной плоскости, как положено, а с некоторым наклоном вперед. В данном случае используется тот факт, что любой комплекс автоматический фиксации «фоткает» машину не в момент превышения ею скорости или выезда на «выделенку», а лишь когда она приблизится к камере на 50-25 метров. Зная это и примерную высоту, на которой обычно располагаются камеры, легко можно вычислить угол наклона госномера, при котором он будет располагаться параллельно направлению съемки.
И у «механизации» рамки госномера, и у изменения ее угла наклона есть один большущий минус. Все хорошо только до первой остановки сотрудником ДПС. Подобные изменения бросаются в глаза и увлекательная беседа на тему устройств и материалов, «препятствующих или затрудняющих идентификацию», со служивым гарантирована.
Обыкновенный магнетизм
Относительно недавно появился еще один технический способ сокрытия госномеров от камер на трассах и улицах города. Для этого на задней стороне стандартной пластиковой рамки для номерного знака монтируется мощный магнит. Провода питания легко скрываются-маскируются. Включение-выключение выведено на кнопку под рукой у водителя. Снаружи не видно ничего.
Зато при включенном магните к номеру легко прилипает и держится даже на хорошей скорости и при езде по колдобинам кусок листового железа, закрывающий чуть ли не половину номерного знака. А завидев впереди бойцов с полосатыми палками, водитель может моментально отключить магнит и железяка тут же отвалится. И доказать, что номер был чем-то закрыт у полицейских вряд ли получится.