Automatische Nummernschilderkennung

Dieser Artikel wurde aufgrund von formalen und/oder inhaltlichen Mängeln in der Qualitätssicherung Recht zur Verbesserung eingetragen. Dies geschieht, um die Qualität von Artikeln aus dem Themengebiet Recht auf ein akzeptables Niveau zu bringen. Hilf mit, die inhaltlichen Mängel dieses Artikels zu beseitigen und beteilige dich an der Diskussion! (+)
Begründung: Zu großen Teilen unbelegter Unfug Ekrhg3857 12:37, 21. Jun. 2011 (CEST)

Automatische Nummernschilderkennung (automatische Kennzeichenerfassung) ist eine Videoüberwachungsmethode, die Schrifterkennung (OCR) nutzt, um Kfz-Kennzeichen an Fahrzeugen zu erkennen. Derartige Systeme können derzeit (Stand: 2005) etwa ein Fahrzeug pro Sekunde bei einer Fahrgeschwindigkeit von bis zu 160 km/h auswerten. Dazu werden entweder fest installierte Videoüberwachungskameras, Foto- und Videokameras in Geschwindigkeitsmessanlagen oder speziell dafür aufgestellte mobile Geräte genutzt. Derartige Systeme werden von Behörden zur automatischen Beweisführung bei der Erhebung von Mautgebühren und zur Verkehrsüberwachung (etwa Geschwindigkeits- und Abstandsmessungen oder Einhaltung des roten Lichtzeichens an ampelgeregelten Kreuzungen) eingesetzt.

Französische Nummernschilder: Das System muss in der Lage sein, nach Farbe, Form und grafischem Aufbau unterschiedliche Arten von Nummernschildern zu erkennen

Ein technisch taugliches System kann sowohl die aufgenommenen Bilder speichern als auch den erkannten Text auslesen, teilweise zusätzlich ein Foto des Fahrers speichern. Üblicherweise wird zur Ausleuchtung infrarotes Licht eingesetzt, um unabhängig von der Tageszeit Aufnahmen machen zu können. Die Systeme verwenden auch Blitzlicht, um einerseits die Bildqualität zu steigern und andererseits dem Fahrer sein Fehlverhalten zu signalisieren. Eingesetzte Systeme unterscheiden sich im Detail, insbesondere aufgrund länderspezifischer Unterschiede in den benutzten Nummernschildern.

Die eingesetzte Software läuft auf PC-Hardware und kann mit anderen Programmen oder Datenbanken kommunizieren. Nachdem in dem Foto das Nummernschild lokalisiert ist, wird dieser Bereich optisch normalisiert und qualitativ verbessert. Dann wird eine Schriftzeichenlesung durchgeführt, um den alphanumerischen Text zu erhalten.

Die Systeme werten entweder an Ort und Stelle aus oder es werden Fotos gesammelt und an ein ausgelagertes Rechnersystem gesendet, wo die Erkennung zeitversetzt stattfindet. Wird die Erkennung an Ort und Stelle durchgeführt, dauert der gesamte Erkennungsprozess etwa 250 Millisekunden, wobei der Text der Nummerntafel, das Datum der Aufnahme, der Fahrstreifen und weitere relevante Daten (etwa das angelastete Vergehen) herausgezogen werden. Diese relativ kompakten Informationen werden übertragen oder zur späteren Abholung gespeichert. Werden die Daten ohne Reduktion des Datenvolumens sofort übertragen, dann werden sie von einem leistungsfähigen Server verarbeitet, wie etwa beim London Congestion Charge. Systeme ohne Datenreduktion benötigen für die Übertragung der Bilddaten jedoch eine höhere Bandbreite der Datenverbindung.

Begriffe

Es gibt eine Vielzahl an Begriffen, die die automatische Nummernschilderkennung bezeichnen. Im Englischen werden folgende Begriffe verwendet:

• Automatic Number Plate Recognition (ANPR)
• Automatic vehicle identification (AVI)
• Car plate recognition (CPR)
• Licence plate recognition (LPR)

Technologie

Buchstaben auf einem niederländischen Nummernschild

Der wichtigste Teil in der Software ist die Zeichenerkennung auf den Fotos („Optical Character Recognition“; OCR). Neben vielen technischen Aspekten ist dabei auch auf die Gestaltung der Kennzeichen und der darauf verwendeten Schriftzeichen zu achten. In Deutschland wird bei neuen Kennzeichen seit 2000 die „Fälschungserschwerende Schrift“ verwendet. In dieser Schrift sind üblicherweise ähnliche Buchstabenformen (z. B. Ziffer Null/Buchstabe O, 3/8, E/F oder P/R) bewusst abweichend gestaltet. Obwohl primär zur Erschwerung von Kennzeichenmodifikationen durch Kriminelle eingeführt, vereinfacht dies auch die Zeichenerkennung.

Nach ähnlichem Muster wurden bei der Umstellung der niederländischen Kennzeichen im Jahr 2002 einige Änderungen an der Schriftart vorgenommen. So wurden etwa kleine Leerräume in die Zeichen P und R eingefügt, um diese leichter unterscheiden zu können und den Einsatz der automatischen Nummernschilderkennung zu vereinfachen. Einige Kennzeichen-Systeme benutzen unterschiedliche Schriftgrößen und -positionen, was die automatische Erkennung deutlich erschwert. Komplexe Erkennungssysteme können unterschiedliche Kennzeichenarten erkennen; die meisten sind jedoch auf ein spezifisches System eingestellt.

Als Kamerasystem können bestehende Radar-Kameras oder sonstige Überwachungskameras eingesetzt werden, aber auch mobile Systeme, die meist in Fahrzeugen installiert sind. Einige Systeme benutzen Infrarot-Kameras, um ein besseres Bild des Kennzeichens zu erhalten.

Algorithmen

Folgende Algorithmen werden auf das Bild angewandt, um den Text auf den Kennzeichen zu erkennen:

Schritte 2, 3 und 4: Das Nummernschild wird erst auf einen einheitlichen Kontrast und Helligkeit gebracht (Normalisierung) und danach für die Schrifterkennung segmentiert

1. Kennzeichen-Lokalisierung: erkennt die Position des Nummernschildes im Bild
2. Kennzeichen-Orientierung und -Größe: kompensiert Unterschiede in der räumlichen Lage und der Größe des Nummernschildes
3. Normalisierung: passt die Helligkeit und den Kontrast des Bildes an
4. Zeichensegmentierung: identifiziert und trennt die Zeichen des Textes
5. Zeichenerkennung: erkennt die einzelnen alphanumerischen Zeichen.

Die Qualität jeder einzelnen Stufe beeinflusst die Genauigkeit des Gesamtsystems. Während der dritten Phase versuchen einige Systeme, die Ränder der Zeichen – den farblichen Unterschied zwischen den Zeichen und dem Hintergrund – zu erkennen. Ebenso werden Filter benutzt, um optische Störungen zu kompensieren.

Schwierigkeiten

Es gibt eine Vielzahl an möglichen Problemen, die die Software berücksichtigen und ausgleichen muss. Dies sind etwa:

• schlechte Bildqualität wegen großer Entfernung der Kamera zum Fahrzeug oder zu geringer Bildauflösung
• unscharfe Bilder, besonders bei hohen Geschwindigkeiten und bei mobilen Kameras
• schlechte Beleuchtung, insbesondere zu geringer Kontrast oder Überbeleuchtung aufgrund von Reflexionen
• verdeckte Kennzeichen, etwa durch Verschmutzung oder Anhängerkupplungen
• unterschiedliche Kennzeichen auf der Frontseite (etwa rein dekorative, wenn erlaubt)
• absichtliche Vereitelung der Aufnahme

Während einige davon von der Software korrigiert werden können, ist der Großteil nur über bessere Hardware oder Änderungen am Gesamtsystem zu erreichen. So lässt sich über eine höhere Platzierung der Kamera das Problem beheben, dass andere Objekte - wie etwa Fahrzeuge - die Nummerntafel überdecken. Andererseits ergeben sich dadurch zusätzliche Probleme durch die stärkere Verzerrung des Kennzeichens.

Viele Länder benutzen retroreflektive Kennzeichen. Diese reflektieren das Licht in die Richtung der Quelle, wodurch sich ein besserer Kontrast ergibt. Auch werden oft nicht-reflektierende Zeichen eingesetzt, was auch unter schlechten Lichtbedingungen den Kontrast erhöht. Infrarot-Kameras eignen sich ebenfalls gut für den Einsatz in solchen Systemen – in Verbindung mit einem Infrarot-Strahler und einem Normallicht-Filter vor der Kamera. Dies kann jedoch nur bei Systemen angewandt werden, die speziell dafür adaptiert sind; herkömmliche Radar-Kameras eignen sich dafür üblicherweise nicht. Werden zu Beweiszwecken auch Echtfarben-Bilder benötigt (etwa des Fahrers), so kann die Infrarot-Kamera mit einer Normallichtkamera gekoppelt werden, um zwei Bilder aufzunehmen.

Unscharfe Bilder erschweren die Schrifterkennung

Unscharfe Bilder erschweren die Zeichenerkennung. Es werden daher Kameras mit einer sehr kurzen Belichtungszeit eingesetzt, um die Bewegungsunschärfe zu minimieren. Idealerweise beträgt die Belichtungszeit 1/1000 Sekunde. Wird die Kamera sehr niedrig montiert oder bewegt sich der Verkehr langsam, kann diese Zeit auch länger sein. Bei einer Geschwindigkeit von etwa 64 km/h reicht eine Belichtung von 1/500, bei 8 km/h genügen 1/250.

Andere Fahrzeuge, Anhängerkupplungen, Abschleppstangen oder ähnliche Objekte können die Sicht auf ein oder zwei Zeichen verdecken, ebenso Fahrräder auf Fahrradträgern. Die meisten derartigen Hindernisse können mittels einer höheren Platzierung der Kamera korrigiert werden. Hinsichtlich der Fahrradträger existieren teilweise Gesetze (etwa in Österreich, New South Wales, Australien), die die Montage eines zusätzlichen, gut sichtbaren Kennzeichens vorschreiben, wenn Fahrradträger oder ähnliche Sichthindernisse benutzt werden.

Je nach Anwendungszweck können auch geringfügige Fehler akzeptiert werden. Wird ein Erkennungssystem verwendet, um Zufahrt zu einem ansonst gesperrten Gebiet zu gewähren, so kann die Fehl- oder Nichterkennung eines einzelnen Zeichens meist toleriert werden. Es wäre sehr unwahrscheinlich, dass ein Fahrzeug mit fast dem gleichen Kennzeichen Zutritt zu dem Gelände erlangen möchte. In den meisten Einsatzgebieten ist jedoch eine korrekte Erkennung des gesamten Nummernschildes Voraussetzung für ein Funktionieren des Gesamtsystems.

Technische Einschränkungen

Eine hohe Fehlerrate und mögliche Fehlidentifikationen werden allgemein und im Einzelfall kritisiert. Durch eine stetige Weiterentwicklung steigen jedoch die Zuverlässigkeit und die Trennschärfe der Systeme ständig an. Es ist davon auszugehen, dass Testreihen mit jeder neuen Gerätegeneration wiederholt durchgeführt werden.

Die Fehlerrate älterer Systeme war alarmierend: Ein Kritiker des Londoner Systems gibt an, dass vier von zehn Nummerntafeln falsch erkannt wurden. Dies führt unweigerlich zu einer hohen Fallanzahl der Verrechnung von Gebühren an unbeteiligte Bürger. Diese können sich gegen eine Zahlung von £10 den Beweis erbringen lassen, dass die Kosten gerechtfertigt sind, etwa durch Aushändigung des Beweisfotos. Verbesserungen in der verwendeten Technik haben die Fehlerraten aber drastisch reduziert, obschon unberechtigte Zahlungsansprüche noch immer häufig auftreten.

Polizeiliche Testreihen in Bayern

In Bayern lief von Oktober 2002 bis März 2003 ein Großversuch unter Polizeiaufsicht, in dem die Erkennungstechnik an mehreren Orten unter Einsatzbedingungen getestet wurde, unter anderem an zwei Grenzübergängen zu Tschechien und an der A 8 München-Salzburg.

Polizeiliche Testreihen in Thüringen

Ein ähnlicher Test wurde ab Juni 2003 mit einem nicht genehmigten Gerät auch in Thüringen (Rennsteigtunnel der A 71) durchgeführt.

Polizeiliche Testreihen in Brandenburg

In Brandenburg hat es im Oktober 2003 einen Testlauf mit einem mobilen Gerät zur Nummernschilderkennung gegeben.

Polizeiliche Testreihen in Hessen

In Hessen hat das Innenministerium im Herbst 2003 am Elzer Berg einen temporären technischen Funktionstest durchgeführt, ohne dass Daten gespeichert worden wären.^[1].

Einsatz im Vereinigten Königreich

Allgemeine Polizeiliche Nutzung

Flächendeckende Überwachung in der Londoner Innenstadt, hier abgebildet Kameras in einem Wohnviertel nahe dem Trafalgar Square

Nachdem das Kennzeichen identifiziert ist, kann es in einer polizeilichen Datenbank gesucht und eingetragen werden. Damit können etwa gestohlene Fahrzeuge entdeckt werden oder solche, die für eine Straftat genutzt wurden. Manche Systeme prüfen auch, ob die Versicherung oder Zulassung des Fahrzeuges noch gültig ist.

Am 18. November 2005 wurde der britische Polizist Sharon Beshenivsky während eines Raubüberfalles in Bradford erschossen. Über ein automatisches Nummernschild-Erkennungssystem wurde das Fluchtfahrzeug wenig später registriert, woraufhin sechs Verdächtige verhaftet werden konnten. Das System wurde von einem Vertreter der britischen Polizei als ein „revolutionäres Werkzeug zur Verbrechensbekämpfung“ bezeichnet.

Project Laser (Vereinigtes Königreich)

Im März 2005 wurde angekündigt, im gesamten Vereinigten Königreich über 2.000 automatische Nummernschild-Erkennungssysteme zu installieren. Im Jahr 2006 sollte Großbritannien also das erste Land sein, in dem praktisch jede Fahrzeugbewegung überwacht und aufgezeichnet werden kann.

Das war eine logische Folge des Project Spectrums, bei der alle 43 Polizeieinheiten in England und Wales mit derartigen, jedoch mobilen Systemen ausgerüstet wurden. Das ursprüngliche Projekt lief von September 2002 bis März 2003, wobei die Geräte von neun Polizeieinheiten getestet wurden. Von Sommer 2003 bis Sommer 2004 lief anschließend als zweite Phase ein Feldversuch in 23 Dienststellen. Dabei wurden von der Driver and Vehicle Licensing Agency (DVLA) auch bereits Daten von unregistrierten und nicht versicherten Fahrzeugen gesammelt.

Das Projekt wurde als großer Erfolg angesehen, obwohl Berichte davon ausgehen, dass die Fehlerrate bis zu 40 Prozent falsch erkannter Fahrzeuge betrug. Im Gegenzug führte das Projekt zu über 100 Verhaftungen pro Polizist und Jahr, was etwa dem zehnfachen Landesdurchschnitt entsprach. Weitere Tests und Änderungen am System (Einführung von Infrarot-Systemen und Software-Verbesserungen) führten dazu, dass die Fehlerrate auf fünf Prozent gesenkt werden konnte.

Insgesamt wurden während der einjährigen Testphase etwa 28 Millionen Kennzeichen erkannt; 1,1 Millionen davon (3,9 Prozent) konnten in der Datenbank gefunden werden. 180.543 Fahrzeuge wurden angehalten (101.775 davon unmittelbar auf Grund der automatischen Erkennung), was zu 13.499 Verhaftungen (7,5 Prozent der Anhaltungen) und 50.910 Strafmandaten (28,2 Prozent) führte. 1.152 gestohlene Fahrzeuge konnten entdeckt werden, Drogen im Wert von £ 380.000 und gestohlene Güter im Wert von £ 640.000 beschlagnahmt werden.

Das Hauptziel der zweiten Phase war es zu ermitteln, ob sich die Kosten des Systems amortisieren würden. Das Ergebnis war, dass lediglich zehn Prozent der aufgewendeten Kosten wieder über Strafen eingenommen werden konnten. Es wurde aber angegeben, dass viele Bestrafte nicht pünktlich zahlten und nur deswegen dieser niedrige Wert erreicht wurde. Es wurde von den Betreibern empfohlen, das Projekt fortzusetzen und es landesweit zu installieren.

Die Finanzierung des landesweiten Systems ist nun gesichert. Grundlage dafür ist ein Rechenzentrum, das täglich 50 Millionen Nummernschilder erkennen kann. Es sollte ab März 2006 betriebsbereit sein.

Rechtliche Grundlagen

Bedenklich sind Systeme, die Daten erfassen und ohne Auswertung speichern hinsichtlich des Datenschutzes und der Furcht, von Regierungs- oder anderen Stellen überwacht zu werden („Personenbezogene Bewegungsprofil-Erstellung“).

Generalverdacht

In den Vereinigten Staaten lehnen viele wie etwa Gregg Easterbrook solche Systeme ab, da sie Maschinen, die Strafmandate ausstellen können, als den Einstieg in ein automatisiertes Rechtssystem ansehen. „Eine Maschine hält dich für einen Straftäter, und du kannst den Ankläger nicht damit konfrontieren, da es gar keinen Ankläger gibt. Ist es klug, ein Prinzip einzuführen, dass, wenn eine Maschine behauptet, du hättest etwas Illegales gemacht, du mutmaßlich schuldig bist?“

Ähnliche Kritik wurde auch in anderen Ländern laut. Easterbrook argumentiert weiter, dass derartige Technologien nur den Geldzugang für den Staat maximieren sollen, anstatt für mehr Verkehrssicherheit zu sorgen.

Weitere Bedenken schließen die Datenspeicherung der aufgenommenen Daten ein. Diese könnten benutzt werden, um Informationen über Personen zu sammeln, wie etwa das Fahrverhalten oder gar die tägliche Terminplanung („Personenbezogene Bewegungsprofile“). Derartige personenbezogene Daten werden von den Rechtssystemen im Rahmen des Grundrechts auf informationelle Selbstbestimmung normalerweise streng geschützt.

Entscheidung des Bundesverfassungsgerichts am 11. März 2008

Hauptartikel: Urteil des Bundesverfassungsgerichts zur automatisierten Kennzeichenerfassung

Das Bundesverfassungsgericht in Karlsruhe erklärte am 11. März 2008 das hessische und schleswig-holsteinische Gesetz zur automatisierten Kennzeichenerfassung für nichtig. Das Gericht führte aus, die automatisierte Kennzeichenerfassung greife in den Schutzbereich des Grundrechts auf informationelle Selbstbestimmung ein, wenn das Kennzeichen nicht unverzüglich mit dem Fahndungsbestand abgeglichen und ohne weitere Auswertung sofort wieder gelöscht wird. Das Gericht verneinte, dass die durch die beiden Landesgesetze legitimierten Eingriffe in dieses Grundrecht auf verfassungsmäßigen gesetzlichen Grundlage beruhen, unter anderem weil die angegriffenen Bestimmungen dem verfassungsrechtlichen Gebot der Verhältnismäßigkeit nicht genügen.^[2]

Maßnahmen der Einschüchterung

Bayern, Baden-Württemberg und Niedersachsen setzen nach wie vor die Kennzeichenerfassung unter Missachtung dieses höchstrichterlichen Urteils ein: „Dagegen hält Baden-Württemberg an seinen Plänen zur automatischen Erfassung von Autokennzeichen auch nach dem Urteil des Gerichts fest. Innenminister Heribert Rech (CDU) teilte in Stuttgart mit, der Einsatz automatischer Lesesysteme sei ein wichtiges Instrument der Fahndungsarbeit.“^[3]

Maßnahmen der Strafverfolgung

Dieses Einschränkung zur Mauterhebung wird aber seit deren Einführung von Polizei, Justiz und weiten Kreisen der Politik stark kritisiert (so z. B. der ehemalige Generalbundesanwalt Nehm^[4]), so dass eine Nutzung zumindest in Fällen schwerer Kriminalität in absehbarer Zukunft erlaubt werden dürfte.

Weitere denkbare Einsatzgebiete

Für folgende Zwecke ließe sich ein System zur automatischen Nummernschilderkennung ebenfalls einsetzen:

• bei Grenzübertritten
• an Tankstellen zur automatischen Zahlungsverrechnung
• an Parkplätzen und Parkhäusern zur Verrechnung und Zutrittskontrolle
• zum Verkehrsmanagement, um die Geschwindigkeit von Fahrzeugen im Verkehrsfluss auszuwerten
• zur Stauvorhersage, durch Auswertung des Verkehrsflusses unter Berücksichtigung der Städte- und Regionenkennziffer

Quellen

1. ↑ Deutsche Polizei 4/2004, S. 16
2. ↑ Bundesverfassungsgericht: Hessische und schleswig-holsteinische Vorschriften zur automatisierten Erfassung von Kfz-Kennzeichen nichtig, Pressemitteilung vom 11. März 2008
3. ↑ http://www.spiegel.de/politik/deutschland/0,1518,540785,00.html
4. ↑ Bericht auf tagesschau.de über die Forderung Nehms zur Nutzung der LKW-Maut Daten zur Strafverfolgung (Januar 2006) (nicht mehr online verfügbar)

• „ANSE Strategy for the Police Service 2005/2006“ Assn Chief Police officers (ACPO) Steering Group.
• „Automatic Number Plate Recognition (ANPR)“. Police Standards Unit, PoliceReform.gov.uk.
• „Business plan“ Driver and Vehicle Licensing Agency, 10. Juni 2004.
• „Driving crime down“. Home Office, Oktober 2004.
• „Operation Mermaid ? National ANPR Day“. Bedfordshire Police, 19. Mai 2003.
• „What is a transponder“, Ontario 407 ETR.
• Mike Constant. „CCTV Information – ANPR“.
• Yoram Hofman. „License Plate Recognition - A Tutorial“.
• Steve Sexton. „License-plate spray foils traffic cameras“.
• John Lettice. „The London charge zone, the DP Act, and MS. NET“. The Register, 21. Februar 2003.
• John Lettice. „No hiding place? UK number plate cameras go national“. The Register, 24. März 2005.
• Chris Millar. „Exposed: Ken's camera spies“. ThisIsLondon.com, 20. Februar 2003.
• Siemens Traffic, „Recognising a new way to keep traffic moving“.
• Jeff Wentworth, „Obscured license plate could be motorists‘ ticket to fine“.
• „CCTV network tracks ‚getaway‘ car“ auf BBC News, 21. November 2005

Literatur

• Michael Ronellenfitsch: Datenschutz und Mobilität – Grundrechte im Wechselspiel, in: Michael Rodi (Hrsg.): Fairer Preis für Mobilität. Straßenbenutzungsgebühren als Instrument zur Steuerung von Verkehrsströmen, S. 93 bis 103 (im Erscheinen). ISBN 978-3-939804-15-4

Weblinks

Systeme im Einsatz:

• Nummernschilderkennung zur Kontrolle bei der deutschen Lkw-Maut
• Videomaut für PKW auf österreichischen Sondermautstrecken
• Fahrzeugfahndungssystem in Deutschland
• Zugangskontrolle mittels Nummernschilderkennung
• Transport for London (engl.)

Forschung

• Nummernschild-Erkennung auf PhotoCop.com
• „A Real-time vehicle License Plate Recognition (LPR)“ auf visl.technion.ac.il
• „An Approach To Licence Plate Recognition“ – eine PDF-Datei über Forschungen der Universität Calgary (99 kB)
• A neural network based artificial vision system for licence plate recognition, 1997, Sorin Draghici, Dept. of Computer Science, Wayne State Universität (PDF-Datei; 1,57 MB)
• License plate localization and recognition in camera pictures, 2002, Halina Kwasnicka and Bartosz Wawrzyniak (PDF-Datei; 1,16 MB)
• Algorithmic and mathematical principles of automatic number plate recognition systems, 2007, Ondrej Martinsky, Technische Universität Brno (PDF-Datei; 2,61 MB)

Dieser Artikel wurde in die Liste der lesenswerten Artikel aufgenommen. Vorlage:Lesenswert/Wartung/ohne DatumVorlage:Lesenswert/Wartung/ohne Version