Jak odczytać tablice rejestracyjne z monitoringu? Poradnik

Odczytanie tablicy rejestracyjnej z nagrania monitoringu bywa trudniejsze, niż mogłoby się wydawać – nawet z dobrej jakości kamery. To, co wygląda na czytelny obraz w podglądzie aplikacji, może okazać się niskiej jakości strumieniem z kompresją, która zniszczyła krawędzie znaków. Ten artykuł wyjaśnia krok po kroku, jak przeprowadzić taki odczyt rzetelnie – od wyboru właściwej klatki, przez poprawę obrazu, po narzędzia OCR i aspekty prawne.

Najważniejsze informacje z tego artykułu:

• Liczba pikseli przypadająca na tablicę ma większe znaczenie dla odczytu niż rozdzielczość całej kamery.
• Do analizy zawsze używaj oryginalnego pliku z rejestratora, a nie podglądu z aplikacji mobilnej.
• Czas ekspozycji kamery decyduje o rozmyciu ruchu – przy 50 km/h ekspozycja nie powinna przekraczać ok. 2 ms.
• Automatyczne systemy OCR i ANPR traktuj jako pomoc w odczycie, a nie jako niepodważalny dowód.
• Odczyt tablicy z nagrania może wiązać się z obowiązkami wynikającymi z przepisów o ochronie danych osobowych.

Jak odczytać tablice rejestracyjne z monitoringu – od czego zacząć?

Zanim sięgniesz po jakikolwiek program do poprawy obrazu, musisz ustalić jedną rzecz: czy tablica w ogóle została zarejestrowana na tyle dobrze, żeby odczyt był możliwy. Jeżeli znaków nie utrwalono optycznie w materiale źródłowym, żadna późniejsza obróbka nie odzyska wiarygodnej informacji. Wyostrzanie, interpolacja AI czy algorytmy super-resolution mogą poprawić wygląd obrazu, ale nie powinny być traktowane jako samodzielny dowód ustalający numer rejestracyjny.

Pobierz oryginalny plik, a nie zrzut ekranu

Pierwszym krokiem jest dotarcie do źródłowego nagrania. Podgląd w aplikacji monitoringu – szczególnie mobilnej – może być dodatkowo skalowany, kompresowany lub wyświetlany w obniżonej jakości. Aplikacje mobilne często ponownie kodują obraz przy pobieraniu, co obniża jakość jeszcze bardziej. Eksport nagrania warto przeprowadzić bezpośrednio z rejestratora na nośnik – to opisuję szczegółowo przy okazji zgrywania nagrania z monitoringu na pendrive.

Przed przystąpieniem do analizy ustal:

• Czy plik pochodzi bezpośrednio z rejestratora lub eksportu bez ponownego kodowania.
• Czy kamera pracowała na strumieniu głównym (main stream), a nie na substreamie o obniżonej rozdzielczości.
• Jakie są parametry nagrania – rozdzielczość, kodek, bitrate, liczba klatek na sekundę i czas ekspozycji.
• Czy czas na nagraniu jest zsynchronizowany z rzeczywistym czasem zdarzenia.

Kodeki H.264 i H.265 stosowane w monitoringu IP mogą niszczyć drobne krawędzie znaków, nawet jeśli obraz na pierwszy rzut oka wygląda ostro. Wyższy bitrate i mniejszy GOP (odstęp między klatkami kluczowymi) przekładają się na lepiej zachowane szczegóły tablicy – to parametr, który warto sprawdzić przy konfiguracji nowej instalacji.

Jak wybrać najlepszą klatkę z nagrania?

Przy przejeździe pojazdu poszczególne klatki różnią się między sobą znacznie bardziej, niż można by się spodziewać. Jedna klatka może być rozmyta przez ruch, inna prześwietlona przez reflektory, jeszcze inna zasłonięta przez karoserię auta jadącego obok. Najlepsza klatka to nie zawsze ta, gdy pojazd jest najbliżej kamery – często lepszą czytelność daje moment, gdy tablica jest mniej skośna względem obiektywu i odbicia światła nie trafiają bezpośrednio w sensor.

Procedura wyboru klatki:

1. Odtwórz nagranie w natywnej prędkości, żeby ocenić charakter ruchu pojazdu.
2. Zatrzymuj obraz klatka po klatce – większość oprogramowania rejestratora pozwala na to klawiszami strzałek.
3. Wyeksportuj sekwencję kilku klatek przed przejazdem, podczas przejazdu i po nim.
4. Porównaj ostrość krawędzi znaków, poziom odbicia światła i kąt tablicy względem kamery.
5. Jeśli masz dostęp do kilku kamer, wybierz osobno najlepsze ujęcie z każdej z nich.

Nie łącz klatek automatycznie metodą stackowania – przy poruszającym się pojeździe powoduje to mieszanie różnych położeń znaków i tworzy sztuczne krawędzie. Do celów dowodowych zachowaj zarówno oryginalne klatki, jak i każdą przetworzoną wersję.

Wskazówka: Przy sprawdzaniu nagrania archiwalnego zacznij od eksportu oryginalnego strumienia wideo, a nie od pliku pobranego przez aplikację mobilną – różnica w jakości może być na tyle duża, że zmieni wynik odczytu.

Od czego zależy możliwość odczytu tablicy z monitoringu?

Rozdzielczość tablicy – to ona ma znaczenie, nie megapiksele kamery

Tu pojawia się jeden z najczęstszych błędów w myśleniu o monitoringu: liczy się nie megapikselowość kamery, tylko liczba pikseli przypadających na szerokość tablicy rejestracyjnej. Kamera 4K z szerokim kątem widzenia może dawać gorszy wynik odczytu niż kamera 2 MP z węższym polem widzenia, skierowana bezpośrednio na strefę przejazdu.

Orientacyjne wartości graniczne dla odczytu OCR:

Oprócz szerokości ważna jest wysokość znaków. Systemy LPR zalecają co najmniej 20–30 pikseli wysokości znaku, a przy niestandardowych tablicach lub trudnych warunkach korzystniejsze jest celowanie w 30 pikseli. Do odczytu przez człowieka zwykle wystarczy 80–100 px szerokości tablicy, natomiast do wiarygodnego OCR potrzeba ok. 120–160 px.

Kąt kamery i geometria ujęcia

Po przekroczeniu ok. 30° od osi optycznej kamery skuteczność OCR wyraźnie spada – nawet jeśli tablica jest duża i pozornie ostra. Przy ukośnym ujęciu tablica przyjmuje kształt trapezu, znaki mają różną skalę, a skrót perspektywiczny pogarsza proporcje liter. Dlatego przy instalacji kamer dedykowanych do odczytu tablic kąt między osią kamery a kierunkiem jazdy pojazdu powinien być możliwie mały.

Z mojego doświadczenia przy projektowaniu instalacji przy bramach i wjazdach wynika, że kontrola geometrii sceny bywa skuteczniejsza niż zakup droższej kamery. Ustawienie kadru tak, żeby pojazd musiał zwolnić lub zatrzymać się w strefie odczytu, radykalnie poprawia jakość nagrania – bez żadnej modyfikacji sprzętowej.

Rozmycie ruchu i czas ekspozycji

Jeżeli podczas ekspozycji pojazd przesunął się o kilka pikseli, kontury znaków zostają uśrednione. Tego nie da się odwrócić żadnym filtrem wyostrzającym. Czas ekspozycji zależy od prędkości pojazdu, kąta kamery, odległości i ogniskowej.

Orientacyjne maksymalne czasy ekspozycji przy kącie 30° (dane Axis):

• 30 km/h – ok. 3,4 ms (ok. 1/294 s)
• 50 km/h – ok. 2,0 ms (ok. 1/500 s)
• 80 km/h – ok. 1,3 ms (ok. 1/769 s)
• 130 km/h – ok. 0,8 ms (ok. 1/1250 s)

Systemy LPR przy normalnym ruchu miejskim ustawiają migawkę na ok. 1/1000–1/2000 s, a przy ruchu autostradowym – 1/4000 s lub szybciej. Krótka ekspozycja wymaga jednak odpowiedniego oświetlenia – samo jej skrócenie bez doświetlenia tablicy da ciemny, nieczytelny obraz. Warto też wiedzieć, że tanie kamery z mechanizmem rolling shutter mogą deformować znaki na szybko jadących pojazdach, szczególnie przy bocznym ruchu auta względem kadru – kamery z global shutterem lub krótka ekspozycja ograniczają ten problem.

Jak poprawić jakość obrazu, żeby tablica była czytelna?

Korekcja geometrii przed wyostrzaniem

Przy ukośnym ujęciu najważniejszy krok to korekcja perspektywiczna – wyznaczenie czterech narożników tablicy i przekształcenie trapezu do prostokąta. Dopiero po tej operacji wyostrzanie ma sens. Bez korekcji algorytm wyostrzający pracuje na zniekształconych proporcjach znaków i może pogorszyć czytelność.

Bezpieczna kolejność przetwarzania obrazu:

1. Zachowaj oryginalny wycinek klatki bez żadnych zmian.
2. Wykonaj kopię roboczą do edycji.
3. Przytnij obszar tablicy z niewielkim marginesem dookoła.
4. Zastosuj transformację perspektywiczną do prostokąta.
5. Wykonaj łagodne odszumianie.
6. Zwiększ lokalny kontrast (np. CLAHE).
7. Dopiero na końcu zastosuj umiarkowane wyostrzenie.
8. Porównaj wynik z oryginalną klatką.

Wyostrzanie powinno być ograniczone – halo wokół krawędzi znaków może zmienić „C” w „G”, „8″ w „B”, „0″ w „D” albo „5″ w „S”. To właśnie takie pomyłki par podobnych znaków nasilają się przy rozmyciu i niskiej rozdzielczości.

Powiększanie interpolacyjne – czego się spodziewać

Powiększenie interpolacyjne, czy to algorytmem bicubic, Lanczos, czy metodami AI, zwiększa liczbę pikseli pliku, ale nie ilość informacji zarejestrowanej przez sensor. Algorytmy mogą wizualnie wygładzić krawędzie, ale mogą też dopisać pozorne szczegóły, które nie istniały w oryginale. Jeśli znak zajmuje zbyt mało pikseli albo jest przepalony do bieli, żaden algorytm nie odzyska informacji, której fizycznie nie ma w nagraniu.

Wskazówka: Wynik powiększenia AI zawsze porównaj z oryginalną klatką. Jeśli dodatkowe szczegóły nie są potwierdzone w oryginale, traktuj je jako artefakt, a nie prawdziwą informację o znaku.

Czy da się odczytać tablicę z nocnego lub niewyraźnego nagrania?

Nocna rejestracja i retrorefleksja tablic

Tablice rejestracyjne mają powłokę retrorefleksyjną – odbijają światło w kierunku źródła. To oznacza, że oświetlenie podczerwone (IR) działa najlepiej, gdy źródło światła znajduje się możliwie blisko osi optycznej kamery. Paradoksalnie nocny problem to często nie niedoświetlenie, tylko prześwietlenie – tablica odbija IR tak silnie, że białe tło przepala się do zera, a znaki znikają. W takiej sytuacji trzeba obniżyć ekspozycję lub moc IR, a nie rozjaśniać scenę.

Typowe problemy nocne i ich przyczyny:

• Wypalona biała tablica – zbyt mocne IR lub zbyt długa ekspozycja na retrorefleksyjnej powierzchni.
• Czarne tło, czytelna tablica – prawidłowy stan, IR działa poprawnie.
• Tablica zasłonięta przez reflektory pojazdu – reflektor pada bezpośrednio na obiektyw.
• Artefakty WDR – funkcja Wide Dynamic Range próbuje wyrównać ekspozycję i tworzy podwójne krawędzie lub smugi przy ruchu.

Dla systemów LPR zaleca się często wyłączenie WDR i stosowanie osobnego profilu ekspozycji dedykowanego tablicy, zamiast uniwersalnego ustawienia pod ładny ogólny obraz. Brudna lub mokra tablica może być w pewnych warunkach łatwiejsza do odczytu w świetle widzialnym niż w IR – stąd kamery LPR wyższej klasy korzystają z przełączanych trybów lub oddzielnych doświetlaczy.

Kiedy odczyt nocny jest możliwy, a kiedy nie?

Przy prawidłowo skonfigurowanej kamerze z doświetlaczem IR i odpowiednim czasem ekspozycji odczyt tablicy nocą jest wykonalny. Problemem jest materiał archiwalny nagrany kamerą, która nie była skonfigurowana pod LPR – wtedy mamy często jeden z dwóch skrajnych przypadków: przepalone białe pole lub zbyt ciemny obraz z szumem. Łagodne odszumianie i korekcja kontrastu mogą trochę pomóc, ale jeśli kontury znaków zostały uśrednione przez szum lub ekspozycję, wynik OCR będzie niepewny.

Warto skonfrontować takie nagranie z innymi ujęciami – jeśli obiekt był nagrywany przez kilka kamer, jedna z nich mogła mieć korzystniejszy kąt lub lepsze oświetlenie. Informacje o tym, jak sprawdzić nagranie z monitoringu i dotrzeć do właściwego fragmentu, mogą być przydatne na tym etapie.

Jakie programy i narzędzia OCR mogą rozpoznać tablice?

Automatyczne rozpoznawanie tablic rejestracyjnych to dziedzina określana skrótami ALPR (Automatic License Plate Recognition) lub ANPR (Automatic Number Plate Recognition). Działanie typowego systemu obejmuje kilka etapów:

1. Detekcja pojazdu w kadrze.
2. Lokalizacja obszaru tablicy.
3. Normalizacja geometrii (korekcja perspektywy, rotacji).
4. Rozpoznanie sekwencji znaków.
5. Walidacja według formatu tablic danego kraju.
6. Agregacja wyników z wielu klatek.

Najpopularniejsze dostępne narzędzia:

• OpenALPR / Rekor Scout – jedno z szerzej znanych rozwiązań open source, wymaga min. 90 px szerokości tablicy dla europejskich formatów. Skuteczność na kontrolowanych zbiorach danych sięga 93–98%, ale przy jednoczesnym ruchu kamery i pojazdu spada poniżej 70%.
• Tesseract OCR – ogólny silnik OCR, bez dedykowanego treningu na tablicach daje wyraźnie gorsze wyniki na danych rzeczywistych (ok. 93% na syntetycznym zbiorze, znacznie mniej na realnym). Może być przydatny po ręcznym przycięciu i korekcji tablicy.
• Plate Recognizer / PLATERECOGNIZER – komercyjne API z dedykowanymi modelami na regiony, w tym Polskę. Przetwarza obraz po stronie serwera lub lokalnie.
• LPRNet – model badawczy oparty na CNN, sekwencyjnym Bi-LSTM i funkcji CTC, rozpoznający tablicę jako całą sekwencję znaków. Unika błędów segmentacji poszczególnych liter, co poprawia wyniki przy niskiej jakości obrazu. Skuteczność ok. 90% na realnych obrazach.
• YOLOv10 + silnik OCR – połączenie detektora YOLOv10 z dostosowanym modelem rozpoznawania znaków. W testach laboratoryjnych raportowano dokładność detekcji tablic na poziomie 99,16%, choć są to wyniki dla dobrze dobranych warunków.

Wynik OCR traktuj jako hipotezę z poziomem pewności, a nie jako pewny fakt. Wskaźnik confidence na poziomie 98% oznacza przekonanie konkretnego modelu, zależne od danych treningowych i kalibracji – a nie prawdopodobieństwo dowodowe. Mylą się szczególnie pary znaków podobnych wizualnie: 0/O, 1/I, 5/S, 8/B, G/6, Z/2.

Jak zminimalizować błędy przy odczycie i walidacji?

Polskie tablice jako filtr poprawności

Polskie tablice zwyczajne korzystają z określonego zbioru 25 liter – A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, R, S, T, U, V, W, X, Y, Z – oraz cyfr 0–9. W typowym wyróżniku pojazdu (tej części po kodzie powiatu) wyłączone są litery B, D, I, O i Z, żeby unikać pomyłek z cyframi. Ta wiedza pozwala weryfikować i korygować wyniki OCR.

Reguły korekty dla konkretnych par znaków:

• O i 0 – rozstrzygaj na podstawie pozycji w schemacie tablicy (pierwsza część to litery, druga to cyfry i litery).
• I i 1 – sprawdzaj dozwolony alfabet i układ wyróżnika.
• S i 5 – porównaj kontur znaku z innymi klatkami.
• B i 8, D i 0, Z i 2 – wymagają analizy obrazu, nie tylko reguły tekstowej.

Reguł nie stosuj mechanicznie do każdej tablicy – tablice indywidualne, dyplomatyczne, profesjonalne, wojskowe i zagraniczne mogą mieć inny format i alfabet. Walidator powinien najpierw rozpoznać typ tablicy i prawdopodobną jurysdykcję.

Agregacja wyników z wielu klatek

Jeśli masz kilka klatek z widoczną tablicą, zebranie odczytów z każdej z nich i porównanie wyników zwiększa wiarygodność. Najlepszy wynik to taka sekwencja znaków, która powtarza się w kilku niezależnych klatkach i jest zgodna z formatem polskiej tablicy.

Jak przeprowadzić agregację:

• Dla każdej klatki zapisz kilka hipotez (np. pięć najlepszych sekwencji z OCR).
• Odrzuć klatki z niską jakością obrazu – rozmyte, prześwietlone, ukośne.
• Zgrupuj odczyty o podobnej treści i zastosuj głosowanie znak po znaku.
• Nadaj większą wagę klatkom, w których tablica jest szersza, ostrzejsza i mniej odbłyśnięta.
• Odrzuć hipotezy sprzeczne z formatem polskiej tablicy.

Uwaga: dziesięć podobnie rozmazanych klatek nie stanowi dziesięciu niezależnych dowodów. Jeżeli wszystkie powstały z tej samej ekspozycji i różnią się tylko kompresją, ich zgodność może być pozorna.

Wskazówka: Zanim odrzucisz wynik OCR jako błędny, sprawdź go w kontekście pojazdu – kolor, marka, kraj rejestracji. Jeden znak różnicy między hipotezami OCR może okazać się rozstrzygający dopiero po porównaniu z innymi klatkami albo informacjami z bazy pojazdów.

Czy warunki pogodowe i atmosferyczne uniemożliwiają odczyt?

Deszcz, śnieg, mgła i zamglenie obniżają kontrast i powodują lokalne rozmycie. Krople wody na obiektywie mogą całkowicie zasłonić część tablicy. Brudna, mokra lub zaśnieżona tablica z kolei może być trudniejsza do odczytu w IR niż w świetle widzialnym.

Sama korekcja kontrastu nie rozwiązuje problemu, gdy informacja została zasłonięta przez kroplę lub odbicie. W takich przypadkach jedyną metodą jest przeszukanie innych klatek, w których tablica była chwilowo odkryta, albo sięgnięcie do nagrania z innej kamery. Jeśli wszystkie klatki z danego przejazdu mają tę samą zasłoniętą część tablicy – odczyt tej części jest niemożliwy do ustalenia na podstawie tego nagrania.

Badanie z 2024 roku z zastosowaniem modelu YOLOv10 trenowanego z augmentacją pogodową raportowało F1 na poziomie 94,36% – ale były to wyniki na konkretnym zbiorze danych z określonymi warunkami, a nie gwarancja skuteczności na dowolnym monitoringu.

Kiedy odczyt tablicy jest niewiarygodny?

Część nagrań po prostu nie zawiera wystarczającej informacji do jednoznacznego odczytu. Wymuszanie wyniku w takich przypadkach jest błędem – zarówno technicznym, jak i prawnym przy materiale dowodowym.

Odczyt należy uznać za niewiarygodny, gdy:

• Znaki mają mniej niż kilka pikseli wysokości.
• Występuje silne rozmycie kierunkowe bez zachowanych krawędzi.
• Tablica jest prześwietlona do białości bez widocznych konturów znaków.
• Większa część tablicy jest zasłonięta.
• Kąt ujęcia jest bardzo ukośny.
• OCR zmienia wynik między sąsiednimi klatkami.
• Jedyny odczyt pochodzi z obrazu po interpolacyjnym powiększeniu.
• Numer nie pasuje do żadnego prawdopodobnego formatu, a model nie podaje alternatyw.

Poprawnym wynikiem analizy może być stwierdzenie „nie można wiarygodnie odczytać” – i to jest lepsza odpowiedź niż zmuszanie algorytmu do wskazania jednej sekwencji znaków bez podstaw.

Aspekty prawne odczytu tablic rejestracyjnych z nagrania

Numer rejestracyjny jako dana osobowa

Numer rejestracyjny może być daną osobową w sytuacji, gdy pozwala powiązać pojazd z konkretną osobą fizyczną – np. przez bazę CEPiK lub powiązanie z innymi danymi ze zdarzenia. Wynika to z praktyki Urzędu Ochrony Danych Osobowych w kontekście systemów ANPR stosowanych m.in. na parkingach. Jeśli ktoś buduje system automatycznego rozpoznawania tablic, musi określić cel, podstawę prawną, zakres danych, retencję, kontrolę dostępu i zabezpieczenia.

Warto wiedzieć, że przepisy regulują też same tablice – m.in. zakaz ich zakrywania lub ozdabiania w sposób ograniczający czytelność. Polskie tablice zwyczajne, zabytkowe, dyplomatyczne, tymczasowe i profesjonalne różnią się kolorystyką i układem, co ma znaczenie przy interpretacji wyników OCR.

Wymagania dla materiału dowodowego

Jeśli nagranie ma służyć jako dowód – np. przy zgłoszeniu kolizji, kradzieży lub innego zdarzenia – sposób przechowywania i przetwarzania pliku ma znaczenie. Informacje o tym, jak długo przechowywany jest monitoring w sklepie lub jak długo przechowywany jest monitoring miejski, pomogą ocenić, w jakim czasie należy zabezpieczyć materiał.

Do celów dowodowych należy zachować:

• Oryginalny plik – bez żadnych modyfikacji, z sumą kontrolną (hash MD5/SHA256).
• Informację o urządzeniu i rejestratorze – producent, model, wersja firmware.
• Datę i czas eksportu – oraz informację o synchronizacji zegara rejestratora.
• Kopię bez zmian oraz kopię roboczą z opisem każdej operacji – filtry, parametry, przycięcia.
• Pełną sekwencję klatek, a nie tylko wybraną.
• Wyniki OCR wraz z alternatywami i poziomem pewności dla każdego znaku.

Obróbkę należy wykonywać reprodukowalnie – każdy filtr, parametr i przekształcenie powinny dać się odtworzyć. Wersja poprawiona służy prezentacji, ale podstawą pozostaje plik źródłowy. Jeśli planujesz usunięcie nagrania z monitoringu po zabezpieczeniu materiału, upewnij się wcześniej, że masz kompletną kopię z wymaganymi metadanymi.

Podsumowanie

Odczytanie tablicy rejestracyjnej z monitoringu to proces wieloetapowy, w którym każdy krok – od wyboru właściwej klatki, przez korekcję geometrii i poprawę kontrastu, po walidację wyników OCR – wpływa na końcową wiarygodność. Liczy się nie megapikselowość kamery, lecz liczba pikseli na tablicy, kąt ujęcia, czas ekspozycji i jakość oryginalnego pliku. Automatyczne narzędzia ALPR osiągają w kontrolowanych warunkach dokładność powyżej 90%, ale przy trudnym monitoringu archiwalnym wynik może być znacznie niższy. Zawsze pracuj na oryginalnym pliku, dokumentuj każdą operację i traktuj wynik OCR jako hipotezę wymagającą weryfikacji, a nie pewnik.

FAQ

Q: Czy policja może odczytać tablicę z nagrania, z którego ja sam nic nie odczytałem?

A: Policja dysponuje specjalistycznym oprogramowaniem ANPR, ale ma takie same fizyczne ograniczenia. Jeśli informacja nie została zarejestrowana optycznie, żadne narzędzie jej nie odzyska.

Q: Jak długo trwa ręczna analiza nagrania z monitoringu w celu odczytu tablicy?

A: Przy dostępie do dobrego nagrania – kilka minut. Przy trudnym materiale nocnym lub archiwalnym analiza klatka po klatce może zająć kilkadziesiąt minut lub nie dać jednoznacznego wyniku.

Q: Czy wynik z aplikacji mobilnej do rozpoznawania tablic jest wystarczający jako dowód?

A: Aplikacje mobilne nie są certyfikowanymi narzędziami forensycznymi. Wynik można traktować jako wskazówkę, ale w postępowaniu dowodowym wymagana jest pełna dokumentacja źródła, metody i pewności odczytu.

Q: Czy nagranie z dashcam nadaje się do odczytu tablicy pojazdu jadącego z przodu?

A: Zazwyczaj tak, jeśli pojazd jest blisko, tablica zajmuje wystarczającą liczbę pikseli i nie ma rozmycia ruchu. Rejestratory samochodowe często nagrują w trybie Wide Dynamic Range, co może powodować artefakty przy tablicach w mocnym słońcu lub w nocy.

Q: Czy obróbka nagrania monitoringu przez zewnętrzne serwisy online jest bezpieczna?

A: Wgrywanie nagrań z monitoringu do zewnętrznych serwisów wiąże się z ryzykiem naruszenia prywatności osób na nagraniu. Jeśli nagranie zawiera wizerunki lub numery rejestracyjne powiązane z osobami, przetwarzanie powinno odbywać się lokalnie lub na platformach spełniających wymogi RODO.