ДОСЛІДЖЕННЯ СИСТЕМИ РОЗПІЗНАВАННЯ АВТОМОБІЛЬНИХ НОМЕРІВ НА RASPBERRY PI
DOI:
https://doi.org/10.26906/SUNZ.2023.1.134Ключові слова:
система розпізнавання автомобільних номерів, алгоритми машинного та глибокого навчання, згорткова нейронна мережа, інтелектуальна вбудована система, Raspberry PIАнотація
Об’єктом дослідження даної роботи є засоби машинного навчання для автоматичного розпізнавання автомобільних номерів. Мета даної роботи полягає у дослідженні реалізації системи для розпізнавання автомобільних номерів засобами Raspberry PI 4. Основним завданням даного дослідження є аналіз аналогів існуючих систем автоматичного розпізнавання автомобільних номерів у середовищі апаратних продуктів Raspberry PI, а також реалізація власної системи та її дослідження. У результаті дослідження існуючих аналогів було виявлено певні проблеми та знайдено шляхи їх вирішення. Система використовує сучасні технології штучних згорткових нейронних мереж для вирішення поставленої задачі. Також слід зазначити, що розроблена система працює краще конкурентних на великих кутах зйомки. У результаті виконання роботи було реалізовано систему автоматичного розпізнавання автомобільних номерів засобами плати Raspberry PI для інтелектуальних вбудованих систем. Було проведено дослідження та виявлено великий потенціал запропонованої розробки у середовищах, де швидкість роботи системи не буде критичноюЗавантаження
Посилання
Kuchuk, H. System of license plate recognition considering large camera shooting angles / H. Kuchuk, A. Podorozhniak, N. Liubchenko, D. Onishchenko // Radioelectronic and Computer Systems. – 2021. – No. 4 (100). – pp. 82 – 91, https://doi.org/10.32620/reks.2021.4.07.
Подорожняк, А.O. Інтелектуальна система розпізнавання номерів автотранспортних засобів / А.O. Подорожняк, Н.Ю. Любченко, Д.П. Оніщенко // The I International Science Conference on Multidisciplinary Research, January 19 – 21, 2021, Berlin, Germany. – Berlin, 2021. – pp. 1051-1055, https://doi.org/10.46299/ISG.2021.I.I.
Liew, C. Real time mobile based license plate recognition system with neural networks / C. Liew, C.O. Kim, R. Alfred, T.G. Tse, P. Anthony // Journal of Physics: Conference Series. – 2020. – Vol. 1502. – Iss. 1. – Article number 012032, https://doi.org/10.1088/1742-6596/1502/1/012032.
Адреси камер фотовідеофіксації та дозволена швидкість руху. Офіційний сайт МВС України [Електронний ресурс]. – Режим доступу: https://mvs.gov.ua/uk/ministry/projekti-mvs/avtofotovideofiksaciya-porusen-pdr/adresi-kamer-fotovideofiksaciyi-ta-dozvolena-svidkist-ruxu-1.
Liubchenko, N. Automation of vehicle plate numbers identification on one-aspect images / N. Liubchenko, O. Nakonechnyi, A. Podorozhniak, H. Siulieva // Advanced Information Systems. – 2018. – No. 1. – pp. 52 – 55, https://doi.org/10.20998/2522-9052.2018.1.10.
Anuar, F. Smart campus initiative: car entrance, exit and parking management prototype development / F. Anuar, N. Lingas // 8th Brunei International Conference on Engineering and Technology 2021, November 8 – 10, 2021, Bandar Seri Begawan, Brunei. – AIP Conference Proceedings. –2023. – Vol. 2643. – Article number 040029, https://doi.org/10.1063/5.0110444.
Podorozhniak, A. Research of the multispectral imaging analysis system based on Raspberry Pi / A. Podorozhniak, M. Kvochka // Проблеми інформатизації: тези доповідей дев’ятої міжнародної НТК. 18-19 листопада 2021 року, т. 2 – Черкаси: ЧДТУ; Баку: ВА ЗС АР, Белсько-Бяла: УТіГН, Харків: НТУ "ХПІ", ДП "ПД ПКНДІ АП"; 2021. – С. 68. [Електронний ресурс]. – Режим доступу: http://repository.kpi.kharkov.ua/bitstream/KhPI-Press/58381/1/Podorozhniak_Research_2021.pdf.
Jabbar, W.A. An IoT Raspberry Pi-based parking management system for Smart Campus / W.A. Jabbar, C.W. Wei, N.A.A.M. Azmi, N.A. Haironnazli // Internet of Things. – 2021. – Vol. 14. – Article number 100387, https://doi.org/10.1016/j.iot.2021.100387.
Abdellatif, M.M. A low cost IoT-based Arabic license plate recognition model for smart parking systems / M.M. Abdellatif, N.H. Elshabasy, A.E. Elashmawy, M. AbdelRaheem // Ain Shams Engineering Journal. – 2023. – Article number 102178, https://doi.org/10.1016/j.asej.2023.102178.
Yang, Z. Research on deep learning garbage classification system based on fusion of image classification and object detection classification / Z. Yang, Y. Bao, Y. Liu, Q. Zhao, H. Zheng, Y. Bao // Mathematical Biosciences and Engineering. – 2022. – Vol. 20. – Iss. 3. – pp. 4741-4759, https://doi.org/10.3934/mbe.2023219.
License Plate Recognition using Raspberry Pi and OpenCV [Електронний ресурс]. – Режим доступу: https://circuitdigest.com/microcontroller-projects/license-plate-recognition-using-raspberry-pi-and-opencv.
Подорожняк, A. Нейромережева система розпізнавання автономера / A. Подорожняк, Н. Любченко, Г. Гейко // Системи управління, навігації та зв’язку. – Полтава: ПНТУ, 2020. – Т. 4 (62). – С. 88-91, https://doi.org/10.26906/SUNZ.2020.4.088.
Firasanti, A. License Plate Detection using OCR method with Raspberry Pi / A. Firasanti, T.E. Ramadhani, M.A. Bakri, H.E.A.А.O. Zaki // 15th International Conference on Telecommunication Systems, Services, and Applications (TSSA-2021), 18-19 November 2021, Bali, Indonesia. – Bali, 2021, https://doi.org/10.1109/TSSA52866.2021.9768252.
Chiriac, R.L. I built a DIY license plate reader with a Raspberry Pi and machine learning [Електронний ресурс]. – URL: https://towardsdatascience.com/i-built-a-diy-license-plate-reader-with-a-raspberry-pi-and-machine-learning-7e428d3c7401.
Parzhin, Y. Detector neural network vs connectionist ANNs / Y. Parzhin, V. Kosenko, A. Podorozhniak, O. Malyeyeva, V. Timofeyev // Neurocomputing. – 2020. – Vol. 414. – pp. 191 – 203, https://doi.org/10.1016/j.neucom.2020.07.025.
He, K. Mask R-CNN / K. He, G. Gkioxari, P. Dollár, R. Girshick // 2017 IEEE International Conference on Computer Vision (ICCV), Venice, October 22-29 2017. – Venice, 2017. – pp. 2980-2988, https://doi.org/10.1109/ICCV.2017.322.
Parthasarathy, D. A Brief History of CNNs in Image Segmentation: From R-CNN to Mask R-CNN [Електронний ресурс]. – Режим доступу: https://blog.athelas.com/a-brief-history-of-cnns-in-image-segmentation-from-r-cnn-to-mask-r-cnn34ea83205de4.
