흐릿한 영상 속 정지 화면: 번호판·얼굴·텍스트

카메라가 충분한 픽셀을 기록했다면 가능합니다: 대개 방해가 되는 것은 픽셀 수가 아니라 흐림, 노이즈, 잘못 고른 프레임입니다. 이 도구는 가장 선명한 프레임을 찾고, 인접 프레임을 합성하고, 흐림을 제거합니다. 문자가 세로로 3~4픽셀에 불과하다면 정보 자체가 물리적으로 존재하지 않는 것이므로 어떤 소프트웨어도 이를 복구할 수 없습니다 — 이런 경우 다른 카메라를 찾는 것이 정직한 답입니다. 러시아 표준 번호판은 전용 신경망이 읽으며, 가능성 높은 번호판 목록과 확률, “?”가 있는 마스크로 답합니다. 실측(압축된 영상 속 실제 번호판, 인접 프레임으로 합친 번호판) 결과, 폭 48픽셀 번호판은 절반의 경우 정확히 읽었고 정답 번호판은 4번 중 3번 목록에 있었습니다. 폭 64픽셀 이상은 10번 중 8번 이상 정확히 읽었습니다. “확실”(80% 이상)이라고 표시할 때 96%의 경우 맞았습니다.

신경망 업스케일러는 그럴듯한 그림을 그려내며, 법원은 이미 이런 영상을 증거로 인정하지 않은 사례가 있습니다: 픽셀 자체가 만들어진 것이기 때문입니다. 이 도구의 주요 처리는 프레임 합성, 디컨볼루션, 대비 평활화 같은 고전적이고 재현 가능한 방법입니다. 신경망 복원 기능도 있지만, 별도의 버튼과 경고, 결과에 대한 표시와 함께 제공됩니다. 실제 블랙박스 영상에서 프레임 한 장을 신경망으로 업스케일했을 때 번호판 문자를 올바르게 읽은 비율은 3~16%였지만, 정렬된 여러 프레임을 합성했을 때는 83~86%였습니다(MF-LPR² 연구, 2025).

번호판이 가장 크게 보이는 프레임에서 번호판을 상자로 표시하고 "번호판 합치기"를 누르세요. 이 도구는 인접한 프레임에서 번호판을 찾아 프레임마다 원근을 맞추고 — 차가 다가오거나 방향을 틀어도 됩니다 — 흐릿하거나 가려진 프레임은 버린 뒤, 나머지를 2~4배 더 촘촘한 격자에 합칩니다. 노이즈는 평균화되고, 여러 프레임의 미세한 디테일은 서로를 보완합니다. 합치기에 쓰인 프레임은 결과 아래에 표시되며, 어느 프레임이든 빼고 다시 합칠 수 있습니다.

오래된 카메라와 DVR은 한 프레임의 짝수·홀수 줄에 서로 다른 두 순간을 기록하고, 720×576을 정사각형이 아닌 픽셀로 저장합니다. 필드를 분리하지 않고 선명하게 하면 빗살무늬가 울타리처럼 보이고, 픽셀 종횡비를 보정하지 않으면 원이 타원이 되어 측정값이 틀리게 됩니다. 이 도구는 인터레이스를 스스로 감지해 필드 분리를 제안합니다.

이 도구는 전문 감정을 대신하지 않지만, 감정에서 중요하게 보는 요소를 제공합니다: 원본 프레임과 처리된 프레임의 나란한 비교, 재현 가능한 매개변수가 담긴 처리 단계 목록, 원본 파일의 SHA-256. 이 모든 내용은 PDF 보고서에 담깁니다. 원본 녹화는 손대지 말고 보관하세요 — 처리된 프레임은 그것을 대체하는 것이 아니라 첨부하는 자료입니다.