НЕЙРОМЕРЕЖЕВА СИСТЕМА РОЗПІЗНАВАННЯ АВТОНОМЕРА
Анотація
Предметом дослідження є нейромережева система ідентифікації автомобільних номерів на зображеннях, отриманих за допомогою відеорегіструючих засобів. Метою роботи є забезпечення процесу розпізнавання номерних знаків транспортних засобів в широких межах зміни кутів спостереження і рівнів освітленості. Завдання – дослідження нейромережевої системи розпізнавання автономерів на зображеннях, отриманих за допомогою засобів відеофіксації в широких межах зміни кутів спостереження і рівнів освітленості. Аналіз проблем методів та алгоритмів автоматизованого розпізнавання номерів автомобілів показав, що найбільш перспективно використовувати нейромережеві алгоритми, які підлаштовуються до зміни умов спостереження засобів контролю дорожнього руху. Рішення завдання розпізнавання автомобільних номерів можна представити у вигляді ряду підзадач, що включають в себе первинну обробку зображення, виявлення області номера на зображенні, сегментацію символів і розпізнавання символів. Висновки: запропонована нейромережева система розпізнавання автономера, що дозволяє здійснювати пошук текстових областей під довільним кутом в різних умовах освітленості. Система дозволяє забезпечити розпізнавання автомобільних номерів в широких межах зміни відстані до автомобіля, кутів спостереження і рівнів освітленості
Завантаження
Посилання
2. Кийко В.М. Локализация и распознавание автомобильных номеров на изображениях / В.М. Кийко // Управляющие системы и машины. – 2017. – No 6. – С. 26-40. – doi: https://doi.org/10.15407/usim.2017.06.026.
3. Любченко Н.Ю. Метод автоматизированной идентификации автомобильных номеров на основе обработки одноракурсных изображений / Н.Ю. Любченко, А.А. Наконечный, А.О. Подорожняк // Вісник Харківського національного автомобільно-дорожнього університету. – Харків: ХНАДУ. – Вип. 61-62 – 2013. – С. 292-295.
4. ДСТУ 4278:2019 Дорожній транспорт. Знаки номерні транспортних засобів. Загальні вимоги. Чинний від 16.03.2020. – Київ: ДП “УкрНДНЦ”, 2020. – 31 с.
5. Liubchenko N. Automation of vehicle plate numbers identification on one-aspect images / N. Liubchenko, O. Nakonechnyi, A. Podorozhniak, H. Siulieva // Advanced Information Systems. – Kharkiv: NTU "KhPi". – 2018 – Vol.2, N.1. – pp. 52 – 55. – doi: https://doi.org/10.20998/2522-9052.2018.1.10.
6. Szeliski R. Computer Vision. Algorithms and Applications / R. Szeliski. – London: Springer -Verlag, 2011. – 812 p. – doi: https://doi.org/10.1007/978-1-84882-935-0.
7. Rosebrock A. OpenCV: Automatic License/Number Plate Recognition (ANPR) with Python. [Електр. ресурс] Режим доступу: https://www.pyimagesearch.com/2020/09/21/opencv-automatic-license-number-plate-recognition-anpr-with-python/.
8. LeCun, Y. Convolutional Networks and Applications in Vision / Y. LeCun, K. Kavukcuoglu, C. Farabet // Proceedings of 2010 IEEE International Symposium on Circuitsс and Systems (ISCAS’10), IEEE, Paris, 2010, pp. 253–256. – doi: https://doi.org/10.1109/ISCAS.2010.5537907.
9. Podorozhniak A. Neural network approach for multispectral image processing / A. Podorozhniak, N. Liubchenko, O. Balenko, D. Zhuikov // 14th International Conference on Advanced Trends in Radioelecrtronics, Telecommunications and Computer Engineering (TCSET 2018) February 20 – 24, 2018. – Lviv-Slavske, Ukraine: proc. – Lviv, 2018. – P. 978-981. – doi: https://doi.org/10.1109/TCSET.2018.8336357.
10. Li H. Toward end-to-end car license plate detection and recognition with deep neural networks / H. Li, P. Wang, C. Shen // IEEE Transactions on Intelligent Transportation Systems. – 2019. – Vol.20, Is.3. – pp. 2351–2363. doi: https://doi.org/10.1109/TITS.2016.2639020.
11. Abdulla W. Mask R-CNN for object detection and instance segmentation on keras and tensorflow / W. Abdulla. – 2017. [Електронний ресурс] Режим доступу: https://github.com/matterport/Mask_RCNN.
12. Uijlings J.R.R. Selective Search for Object Recognition / J.R.R. Uijlings, K.E.A. van de Sande, T. Gevers, A.W.M. Smeulders // International Journal of Computer Vision. – 2013. – Is. 104. – pp. 154–171. doi: https://doi.org/10.1007/s11263-013-0620-5.
13. Girshick R. Region-Based Convolutional Networks for Accurate Object Detection and Segmentation / R. Girshick, J. Donahue, T. Darrell, J. Malik // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2016. – Vol. 38, Is. 1. – pp. 142–158. doi: https://doi.org/10.1109/TPAMI.2015.2437384.
14. Сватюк Д.Р. Застосування згорткових нейронних мереж для безпеки розпізнавання об'єктів у відеопотоці / Д.Р. Сватюк, О.Р. Сватюк, О.І. Белей // Кібербезпека: освіта, наука, техніка. – 2020. – No 4 (8). – С. 97-112. – doi: https://doi.org/10.28925/2663-4023.2020.8.97112.
15. Selmi Z. DELP-DAR system for license plate detection and recognition / Zied Selmi, Mohamed Ben Halima, UmapadaPal,M. Adel Alimi // Pattern Recognition Letters. – 2020 – Vol. 129, pp. 213-223. – doi: https://doi.org/10.1016/j.patrec.2019.11.007.
16. Распознавание номеров. Практическое пос. [Електронний ресурс] Режим доступу: https://habr.com/ru/post/432444/.
17. Томилов А.А. Обзор средств распознавания государственного регистрационного знака автомобиля / А.А. Томилов // Материалы X Всероссийской научно-практической конференции «Информационные технологии и автоматизацияуправления». – Омск: ОГТУ. – 2019. – C. 320-326.
18. Bulan O. Segmentation-and annotation-free license plate recognition with deep localization and failure identification /O. Bulan, V. Kozitsky, P. Ramesh; M. Shreve // IEEE Transactions on Intelligent Transportation Systems. – 2017. – Vol. 18, Is. 9. – pp. 2351–2363. doi: https://doi.org/10.1109/TITS.2016.2639020.
19. Контролируй парковку с SeeAuto. [Електронний ресурс] Режим до-ступу: https://ff-group.org/ контролируй-парковку-с-seeauto.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
