Issue link: https://ressources.genetec.com/i/1123135
L'impact de la RAPI sur vos opérations © 2019 Genetec Inc. Tous droits réservés. Genetec, le logo Genetec, Federation, Omnicast, Synergis et AutoVu sont des marques commerciales déposées ou des marques commerciales de Genetec. Toutes les autres marques de commerce citées dans ce document appartiennent à leurs propriétaires respectifs. AMLC_FN1FR Comparatif d'AutoVu MLC et des moteurs traditionnels Genetec Inc. genetec.com/emplacements info@genetec.com @genetec Note de fonctionnalité · AutoVu MLC Moteur basé sur des règles AutoVu MLC Impact quotidien Taux de capture 93,9 % 98,6 % + 165 plaques d'immatriculation détectées Taux de lecture parfaite 91,5 % 97,8 % + 368 plaques d'immatriculation lues parfaitement Taux de correspondance partielle 97,3 % 99,7 % + 244 plaques détectables par correspondance partielle Faux-positifs 1,6 % 0,1 % -50 fausses alertes 1 Taille de l'échantillon : 1 511 plaques d'immatriculation de divers pays (États-Unis, Canada, Europe de l'Ouest, etc.) La colonne Impact quotidien suppose une moyenne de 3 500 lectures par jour. Taux de capture Pourcentage de plaques d'immatriculation qui entrent dans le champ de vision d'une caméra RAPI et sont lues par la caméra. Le taux de capture est le fondement de la performance de la RAPI, quelle que soit l'application : détecter davantage de plaques d'immatriculation augmente la probabilité d'identifier les véhicules d'intérêt et ceux qui ne sont pas sur les listes de personnes autorisées. Erreurs de lecture L'impact des erreurs de lecture varie selon l'application de la RAPI. Lorsque la RAPI sert à identifier des véhicules sur une liste (contrevenants, véhicules d'intérêt), les erreurs de lecture peuvent laisser un véhicule cible passer inaperçu. Si elle est utilisée pour identifier les véhicules des employés ou des prestataires, les erreurs de lecture peuvent empêcher l'ouverture de l'entrée, obligeant les usagers à attendre l'intervention d'un opérateur. Taux de lecture Pourcentage de plaques d'immatriculation lues correctement. On parle de lecture parfaite lorsque chaque caractère de la plaque a été lu correctement. D'autres méthodes peuvent améliorer les capacités de reconnaissance des véhicules. Le processus de correspondance partielle remplace des caractères similaires comme le « B » et le « 8 » dans le moteur de reconnaissance, et permet de reconnaître une plaque dans une liste en s'appuyant sur une partie des caractères seulement, pour alerter plus rapidement les opérateurs. Faux-positifs Identification par la RAPI d'éléments textuels autres que les plaques d'immatriculation (lettrage, signalisation routière, barrières). C'est particulièrement problématique dans les applications où des véhicules qui ne figurent pas sur une liste génèrent une alerte, notamment dans le contrôle des permis de stationnement. Les faux-positifs interrompent le travail des opérateurs et nécessitent de saisir des corrections dans le système. Ils peuvent également réduire la confiance qu'ont les utilisateurs de la RAPI dans les données recueillies par leur système ; contraints de valider les lectures avant d'agir, ils répondent moins rapidement aux situations.