Comment les radars lisent les plaques d'immatriculation : technologies expliquées

Les radars utilisent plusieurs technologies complémentaires pour capturer et lire les plaques d'immatriculation avec précision en toutes conditions. Voici comment chacune fonctionne.

1. Reconnaissance optique de caractères (OCR) — Le standard

• Processus : Caméra capture image plaque haut contraste → prétraitement (désinclinaison, normalisation, binarisation) → segmentation (isoler caractères) → classification (CNN ou matching templates) → sortie chaîne.
• Forces : Mature, rentable, fonctionne avec hardware caméra existant.
• Faiblesses : Dégradé par saleté, neige, reflets, plaque abîmée, polices non standard, faible lumière.
• Fix moderne : Deep learning (YOLO + CRNN) gère distorsion, occlusion partielle, plaques multi-lignes bien mieux qu'OCR traditionnel.

2. Balayage Laser / LIDAR

• Processus : Laser pulsé scanne surface rétro-réfléchissante plaque → temps de vol retourne nuage points 3D → carte intensité met en évidence caractères → OCR sur image intensité propre.
• Forces : Fonctionne dans obscurité totale ; ignore lumière ambiante ; lit sous pluie/brouillard léger ; mesure vitesse simultanément.
• Faiblesses : Coûteux ; balayage mécanique peut faillir ; plaques rétro-réfléchissantes requises (standard plupart pays).

3. RFID / DSRC (Communications courte portée dédiées)

• Processus : Lecteur bord route émet signal 5,9 GHz → tag passif/actif sur plaque/véhicule répond avec ID unique → matché base données immatriculation.
• Forces : Taux lecture 100 % indépendamment conditions visuelles ; permet péage électronique, contrôle accès, alertes véhicules volés.
• Faiblesses : Nécessite tags obligatoires (pas universel) ; préoccupations vie privée ; ne fournit pas preuve visuelle.

4. Machine Learning / Vision par ordinateur (End-to-End)

• Processus : CNN unique (ex. LPRNet, MobileNet-SSD) prend image complète → sort boîte englobante plaque + chaîne caractères directement. Entraîné sur millions plaques synthétiques + réelles.
• Forces : Gère perspective, flou, occlusion, plaques non standard, multiples plaques dans image. Tourne sur accélérateurs IA edge (Jetson, Hailo, NPU).
• Faiblesses : Besoin données entraînement diverses ; attaques adversariales possibles (patches adversariaux sur plaques).

5. Imagerie multi-spectrale / polarisée

• Illumination IR (850nm/940nm) + filtre passe-IR → plaques brillent, fond s'assombrit.
• Polarisation croisée élimine reflets pare-brise.
• Imagerie thermique pour détection plaque chaude (rare).

Architecture système typique

1. Déclencheur : Radar, lidar, boucle inductive, ou boucle virtuelle (analytique vidéo) détecte véhicule excès vitesse.
2. Capture : Caméra obturateur haute vitesse global shutter (1/1000s+) capture 2–3 images.
3. Prétraitement : Recadrage ROI, renforcement contraste, correction perspective.
4. Lecture : Ensemble OCR + modèles ML votent sur chaîne plaque.
5. Vérification : Seuil confiance ; faible confiance signalé pour revue humaine.
6. Journalisation : Plaque, vitesse, horodatage, images, position → base centrale.

Contremesures et légal

Cache-plaques, sprays, LEDs IR, plaques pliées sont illégaux dans la plupart juridictions et ne battent que méthodes optiques – pas RFID. Meilleure conformité : garder plaques propres, montées selon réglementation, non obstruées.