МЕТОД НОРМАЛІЗАЦІЇ ЗОБРАЖЕННЯ АВТОМОБІЛЬНОГО НОМЕРА ПРИ ЙОГО РОЗПІЗНАВАННІ ЗАСОБАМИ ВІДЕОСПОСТЕРЕЖЕННЯ

Автор:

Казимир Володимир Вікторович, Чернігівський національний технологічний університет (вул. Шевченка, 95, м. Чернігів, 14027, Україна)

Заровський Руслан Владиславович, Чернігівський національний технологічний університет (вул. Шевченка, 95, м. Чернігів, 14027, Україна)

Радченко Андрій Олексійович, Чернігівський національний технологічний університет (вул. Шевченка, 95, м. Чернігів, 14027, Україна)

Мова статті: українська

Анотація:

Актуальність теми дослідження. Розпізнавання автомобільних номерів представляє великий практичний інтерес, тому що дозволяє скоротити витрати на організацію стоянок для автомобілів, своєчасно виявляти дорожньо-транспортних порушників та оперативно реагувати на події, пов’язані з використанням автомобільного транспорту.

Постановка проблеми. Детектор Хаара в разі його застосування для детектування автомобільних номерів не виділяє точні границі номера.

Аналіз останніх досліджень і публікацій. Існуючі методи нормалізації автомобільного номера основані на виділенні границь за допомогою оператора Собеля або Лапласа з подальшим пошуком ліній за допомогою перетворення Хафа, а також на гістограмах яскравостей по горизонтальним лініям зображення.

Виділення недосліджених частин загальної проблеми. Існуючі методи нормалізації не завжди справляються з поставленим завданням, що приводить до зниження відсотку правильно розпізнаних автомобільних номерів.

Постановка завдання. В статті запропонований метод нормалізації автомобільного номеру після його детектування детектором Хаара з метою подальшого розпізнавання символів номера, в основу якого покладено використання диференціальних зображень.

Викладення основного матеріалу. В запропонованому методі нормалізації будуються диференціальні зображення, в яких кожен піксель представлє собою різницю або модуль різниці між пікселями вихідного зображення і його горизонтальним чи вертикальним сусідом, при виконанні деякої умови або без умови. Далі вирівюється гістограмма таких зображень і на них шукаються вертикальні і горизонтальні прямі лінії. Після цього відбувається группування знайдених ліній, визначається кут повороту номера та його границі.

Висновки відповідно до статті. Правильність роботи запропонованного методу залежить від зображень, які подаються на його вхід та від параметрів алгоритмів, які використовуються в ньому. Однак якщо говорити про ймовірністі, які були отримані в результаті тестування описаного методу для конкретної виборки, то відсоток правильних результатів становить 99.54%, а неправильних – 0.46%.

Ключові слова:

детектор Хаара, нормалізація, диференціальне зображення, кластеризація

Список використаних джерел:

1. Система распознавания автомобильных номеров «НомерОК» [Электронный ресурс]. – Режим доступа : http://avtonomerok.su.

2. Оператор Собеля и Лапласа [Электронный ресурс]. – Режим доступа : http://robocraft.ru/blog/computervision/460.html.

3. OpenCV шаг за шагом. Преобразование Хафа [Электронный ресурс]. – Режим доступа : http://robocraft.ru/blog/computervision/502.html.

4. Martinsky O. Algorithmic and mathematical principles of automatic number plate recognition systems [Електронний ресурс] / O. Martinsky. – Режим доступу : http://javaanpr.sourceforge.net/anpr.pdf.

5. Rasheed S., Naeem A., Ishaq O. Automated number plate recognition Using Hough Lines and template matching [Електронний ресурс] / S. Rasheed, A. Naeem, O. Ishaq. – Режим доступу : http://www.iaeng.org/publication/WCECS2012/WCECS2012_pp199-203.pdf.

6. Распознавания автомобильных номеров в деталях [Електронний ресурс]. – Режим доступу https://habrahabr.ru/company/recognitor/blog/225913/ (Дата доступу 28.09.2016)

7. haarcascade_russian_plate_number.xml [Електронний ресурс]. – Режим доступу : https://github.com/opencv/opencv/blob/master/data/haarcascades/haarcascade_russian_plate_number.xml.

8. OpenCV шаг за шагом. Обработка изображения – свёртка [Электронный ресурс]. – Режим доступа : http://robocraft.ru/blog/computervision/427.html.

9. Фисенко В. Т. Компьютерная обработка и распознавание изображений / В. Т. Фисенко, Т. Ю. Фисенко. – СПб. : СПбГУ ИТМО, 2008. – 192 с.

10. Histogram Equalization [Електронний ресурс]. – Режим доступу : http://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/histogram_equalization/histogram_equalization.html.

11. Кластеризация [Электронный ресурс]. – Режим доступа : http://www.machinelearning.ru/wiki/index.php?title=Кластеризация.

12. Методы кластерного анализа. Иерархические методы [Электронный ресурс]. – Режим доступа : http://www.intuit.ru/studies/courses/6/6/lecture/182?page=2.

13. Бериков В. Б. Современные тенденции в кластерном анализе [Электронный ресурс] / В. Б. Бериков, Г. С. Лбов. – Режим доступа : http://www.ict.edu.ru/ft/005638/62315e1-st02.pdf.

14. OBJECT ORIENTATION, PRINCIPAL COMPONENT ANALYSIS & OPENCV [Електронний ресурс]. – Режим доступу : https://robospace.wordpress.com/2013/10/09/object-orientation-principal-component-analysis-opencv/.

15. OpenCV [Електронний ресурс]. – Режим доступу : http://opencv.org/.

Завантажити