РОЗПІЗНАВАННЯ СИМВОЛІВ АВТОМОБІЛЬНИХ НОМЕРІВ РІЗНИХ ФОРМАТІВ

Автор:

Казимир Володимир Вікторович, Чернігівський національний технологічний університет (вул. Шевченка, 95, м. Чернігів, 14035, Україна)

Заровський Руслан Владиславович, Чернігівський національний технологічний університет (вул. Шевченка, 95, м. Чернігів, 14035, Україна)

Радченко Андрій Олексійович, Чернігівський національний технологічний університет (вул. Шевченка, 95, м. Чернігів, 14035, Україна)

Мова статті: англійська

Анотація:

Актуальність теми дослідження. Зазвичай процес розпізнавання автомобільних номерів включає такі етапи: детектування номера, його нормалізація, сегментація зображення номера на окремі символи та розпізнавання символів. Ефективність розпізнавання автомобільних номерів залежить від кожного етапу, але для розпізнавання автомобільних номерів різних форматів ключовими етапами є сегментація та розпізнавання символів. Тому розробка методу розпізнавання символів автомобільних номерів різних форматів є актуальним завданням. Постановка проблеми. Різні формати автомобільних номерів мають різні шрифти та різне розташування символів, що утруднює процес розпізнавання автомобільних номерів. Аналіз останніх досліджень та публікацій. Загальні тенденції, що були виявлені в результаті аналізу публікацій, вказують на те, що для розпізнавання символів автомобільних номерів використовуються згорткові нейронні мережі, повнозв’язані нейронні мережі, кореляційний аналіз, бінаризацію зображень та побудову гістограм яскравостей. Виділення недосліджених частин загальної проблеми. Усі проаналізовані методи підходять для розпізнавання символів на добре видимих автомобільних номерах. Оскільки в реальних умовах автомобільні номери можуть бути брудними або погано видимими, то використання зазначених методів є недоцільним. Постановка завдання. Метою статті є опис методу розпізнавання автомобільних номерів різних форматів, який має високий відсоток правильного розпізнавання та може бути використаний для розпізнавання автомобільних номерів на відеопотоках з камер, розташованих над трасами. Виклад основного матеріалу. Для розпізнавання символів автомобільних номерів пропонується використовувати гістограму яскравості бінаризованого зображення, для розпізнавання символів – спеціально створену нейронну мережу з можливістю розпізнавання альтернативних частин вихідного зображення автомобільного номера і для відсіву неправильно розпізнаних символів – список форматів автомобільних номерів. Висновки відповідно до статті. Запропонований метод успішно справляється з завданням розпізнавання автомобільних номерів з достовірністю 95–99 %. Але, як показують результати тестування, цей метод має кілька недоліків. По-перше, цей метод погано розпізнає «сміття» на зображенні і часто плутає його з символом «I». Подруге, на брудних номерах або при помилковій детекції номера цей метод багаторазово використовує альтернативне розпізнавання, що призводить до значного навантаження на процесор.

Ключові слова:

розпізнавання; згорткова нейронна мережа; автомобільний номер

Список використаних джерел:

  1. Automatic License Plate Recognition. (n.d.). www.ispyconnect.com. Retrieved from https://www.ispyconnect.com/userguide-alpr.aspx [in English].
  2. Sistema raspoznavaniia avtomobilyh nomerov «NomerOK» [The car’s plate recognition system «NomerOK»]. (n.d.). avtonomerok.su. Retrieved from http://avtonomerok.su/ [in Russian].
  3. IANPR SDK. (n.d.). intbusoft.com. Retrieved from http://intbusoft.com/rus/products/iANPR/ [in English].
  4. Avto-Inspektor - sistema raspoznavaniia avtomobilnyh nomerov [Avto-Inspektor – license plate recognition system]. (n.d.). www.kerdos.com.ua. Retrieved from http://www.kerdos.com.ua/avtoinspektor-sistema-raspoznavaniya-avtomobilnyh-nomerov [in Russian].
  5. Raspoznavanie avtomobilnyh nomerov [License plate recognition]. (n.d.). macroscop.com. Retrieved from http://macroscop.com/raspoznavanie-avtomobilnyix-nomerov.html [in Russian].
  6. Sistema raspoznavaniia avtomobilnyh nomerov AutoTRASSIR [License plate recognition system AutoTRASSIR]. (n.d.). www.dssl.ru. Retreived from http://www.dssl.ru/products/autotrassir/ [in Russian].
  7. Haar detector. (n.d.). habrahabr.ru. Retreived from https://habrahabr.ru/post/208092/ [in English].
  8. Martinsky, O. Algorithmic and mathematical principles of automatic number plate recognition systems. Retrieved from http://javaanpr.sourceforge.net/anpr.pdf [in English].
  9. Rasheed, S., Naeem, A. & Ishaq, O. (n.d.). Automated number plate recognition Using Hough Lines and template matching. www.iaeng.org. Retrieved from http://www.iaeng.org/publication/ WCECS2012/WCECS2012_pp199-203.pdf. [in English].
  10. Raspoznavanija avtomobilnyh nomerov v detaliah [License plate recognition details]. (n.d.). habrahabr.ru. Retrieved from https://habrahabr.ru/company/recognitor/blog/225913/ [in Russian].
  11. Rizvi, S. T. H., Patti, D., Bjorklund, T., Cabodi, G. & Francini, G. (2017). Deep ClassifiersBased License Plate Detection, Localization and Recognition on GPU-Powered Mobile Platform. Future Internet, 66 [in English].
  12. Massoud, M. A., Sabee, M., Grgais, M. & Bakhit, R. (2013). Automated new license plate recognition in Egypt. Alexandria Engineering Journal, 52, 319-326 [in English].
  13. Turkyilmaz, I., Kacan, K. (2017). License Plate Recognition System Using Artificial Neural Networks. ETRI Journal, 39, 163-172 [in English].
  14. Fu, R. (2016). The Research and Design of Vehicle License Plate Recognition System in Traffic Management System. International Journal of Signal Processing, Image Processing and Pattern Recognition, 9, 445-456 [in English].
  15. Cortes, C., Vapnik, Vladimir, N. (1995). Support-vector networks. Machine Learning, 20 (3), 273–297 [in English].
  16. Binarization. (n.d.). felixniklas.com. Retrieved from http://felixniklas.com/imageprocessing/ binarization [in English].
  17. Binarizatsia [Binarization]. (n.d.). habrahabr.ru. Retrieved from https://habrahabr.ru/post/ 129898/ [in English].
  18. Elizarov, A. I. & Afanasenko, A. V. (2006). Metodika postroenija sistem raspoznavanija avtomobil'nogo nomera [Method of construction license plate recognition system]. Izvestiia Tomskogo politehnicheskogo universiteta - Bulletin of the Tomsk Polytechnic University, 309(8), 118-122. [in Russian].
  19. Binarizaciia izobrazheniy [Image binarization]. (n.d.). recog.ru. Retreived from: http://recog.ru/blog/applied/15.html [in Russian].
  20. Radchenko, A. (2017). Vykoristannia zhortkovih neironnih merezh dlia rozpіznavannia avtomobіlnih nomerіv na praktitsі [Convolutional neural network for license plate recognition on practice]. Matematichne ta іmіtacіjne modeljuvannja sistem - Mathematical and simulation modeling of systems, 428-432. [in Ukrainian].
  21. Lecun., Y, Bottou, L., Bengio, Y. & Haffner, P. (1998). Gradient-based Learning Applied to Document Recognition. Proceedings of the IEEE, 86 [in English].

Завантажити