Показати скорочений опис матеріалу
dc.contributor.author | Казимир, В. В.![]() |
|
dc.contributor.author | Заровський, Р. В.![]() |
|
dc.contributor.author | Радченко, А. О.![]() |
|
dc.date.accessioned | 2019-05-27T12:45:39Z | |
dc.date.available | 2019-05-27T12:45:39Z | |
dc.date.issued | 2018 | |
dc.identifier.uri | http://ir.stu.cn.ua/123456789/17653 | |
dc.description | Казимир, В. В. Розпізнавання символів автомобільних номерів різних форматів / В. В. Казимир, Р. В. Заровський, А. О. Радченко // Технічні науки та технології. – 2018. – № 1 (11). – С. 106-114. | en_US |
dc.description.abstract | Urgency of the research. Typically the recognition process includes the following steps: license plate detection, license plate normalization, segmentation of the license plate image into separate symbols and symbols recognition. The effectiveness of license plate recognition depends on each of the indicated recognition stages, but for recognition of the license plates of different formats the key stages are segmentation and recognition stages. Therefore the development of the recognition method of the license plates symbols of different formats is an actual task. Target setting. Different formats of car numbers have different fonts and different arrangement of characters, which complicates the process of recognizing car numbers. Actual scientific researches and issues analysis. General trends that have been identified by the analysis of publications indicate that for character recognition of car numbers used convolutional neural network, fully connected neural networks, correlation analysis, binarization images and histograms of brightness. Uninvestigated parts of general matters defining. All analyzed methods are well suited for recognition of the symbols of wellvisible license plates. This makes difficult to apply such methods in real conditions as the license plates can be dirty or poorly visible. The research objective. The purpose of the article is to describe the method of recognizing car numbers of different formats, which has a high percentage of correct recognition and can be used to recognize car numbers on the video stream from cameras located above the tracks. The statement of basic materials. For recognition of the symbols of license plates it is suggested to use the brightness histogram of the binarized image, for symbols recognition - a specially created neural network with the ability of recognition the alternative parts of the original image of the license plate and for removing the incorrectly recognized symbols - the list of license plates formats. Conclusions. The proposed method successfully copes with the task of license plate recognition with confidence 95-99 %. But as the test results show the method has several drawbacks. First, this method does not easily recognize the “trash” in the image and often confuses it with the symbol ‘I’. Second, on the dirty license plates or on false detection this method repeatedly uses alternative recognition which leads to a significant load on the processor. | en_US |
dc.language.iso | en | en_US |
dc.publisher | Чернігів : ЧНТУ | en_US |
dc.subject | recognition | en_US |
dc.subject | convolutional neural network | en_US |
dc.subject | license plate | en_US |
dc.subject | розпізнавання | en_US |
dc.subject | згорткова нейронна мережа | en_US |
dc.subject | автомобільний номер | en_US |
dc.title | Розпізнавання символів автомобільних номерів різних форматів | en_US |
dc.type | Article | en_US |
dc.description.abstractalt1 | 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. | en_US |