fa طراحی و پیاده‌سازی سامانۀ بی‌درنگ آشکارسازی و شناسایی پلاک خودرو در تصاویر ویدئویی مقالات پردازش تصویر Paper پژوهشي Research <p dir="RTL" style="text-align: justify;"><span style="font-family:b nazanin;">سامانه&shy;های شناسایی خودکار پلاک خودرو (</span><span dir="LTR"><span style="font-size:8.0pt;">ANPR</span></span><span style="font-family:b nazanin;">) کاربردهای بسیاری در سامانه&shy;های نظارت بر ترافیک روزانه و سامانه&shy;‌های کنترل عوارض جاده&shy;ای دارند. در این مقاله، الگوریتمی بی&shy;درنگ برای آشکارسازی و شناسایی پلاک در قاب&shy;های ویدئو (</span><span dir="LTR"><span style="font-size:8.0pt;">frames</span></span><span style="font-family:b nazanin;">) و شناسایی هم</span><span dir="LTR"><span style="font-size:8.0pt;">&shy;</span></span><span style="font-family:b nazanin;">زمان چند پلاک در یک قاب ویدئویی طراحی و پیاده&shy;سازی می&shy;‌کنیم. درقبل در زمینه تشخیص و شناسایی یک پلاک خودرو در یک صحنه، کارهایی صورت گرفته که در بیش&shy;تر آنها به بی&shy;درنگ&shy;بودن الگوریتم، توجه کمی شده</span> <span style="font-family:b nazanin;">است؛ درحالی&shy;که مسألۀ افزایش سرعت شناسایی پلاک&shy;ها به‌همراه آشکارسازی و شناسایی صحیح چند پلاک خودرو در صحنه برای کاربردهای آن، اهمیت بالایی دارد. برخلاف روش&shy;هایی با پیچیدگی محاسباتی بالا، ما روش&shy;های مؤثر و ساده&shy;ای را برای بی&shy;درنگ&shy;بودن به&shy;کار گرفتیم. روش پیشنهادی روی ویدئوهایی از دوربین&shy;های بزرگراه&shy;ها ارزیابی&shy;شده و درصد آشکارسازی % 79/98 حاصل شد. این سامانه به زبان </span><span dir="LTR"><span style="font-size:8.0pt;">C++</span></span><span style="font-family:b nazanin;"> و با استفاده از کتابخانه </span><span dir="LTR"><span style="font-size:8.0pt;">OpenCV</span></span><span style="font-family:b nazanin;"> پیاده&shy;سازی شده است. میانگین زمان پردازش هر قاب در مرحلۀ </span><span dir="LTR"><span style="font-size:8.0pt;">Z</span></span><span style="font-family:b nazanin;"> آشکارسازی پلاک، 25 میلی&shy;ثانیه و میانگین زمان کلی پردازش هر قاب چهل میلی‌ثانیه است که می&shy;تواند در کاربردهای بی&shy;درنگ استفاده شود. درصد بازشناسی ارقام پلاک نیز % 83/97 به‌دست آمد. سامانۀ بی&shy;درنگ پیشنهادی می&shy;تواند چند پلاک را از انواع مختلف در هر قاب تشخیص داده و شناسایی کند. نتایج آزمایش&shy;ها نشان می&shy;دهد که روش و نحوۀ&shy; پیاده&shy;سازی ما نسبت به کارهای گذشته، سرعت بالاتر و درصد آشکارسازی و بازشناسی بهتری دارد؛ طوری&shy;که آن را برای کاربردهای بی‌درنگ بسیار مناسب ساخته است.</span></p> <p dir="RTL">&nbsp;<br> &nbsp;</p> <p style="text-align: justify;">An automatic Number Plate Recognition (ANPR) is a popular topic in the field of image processing and is considered from different aspects, since early 90s. There are many challenges in this field, including; fast moving vehicles, different viewing angles and different distances from camera, complex and unpredictable backgrounds, poor quality images, existence of multiple plates in the scene, variable lighting conditions throughout the day, and so on. ANPR systems have many applications in today&rsquo;s traffic monitoring and toll-gate systems.<br> In this paper, a real-time algorithm is designed and implemented for simultaneous detection and recognition of multiple number plates in video sequences. Already some papers on plate localization and recognition in still? images have been existed , however, they do not consider real time processing. While for the related applications, real-time detection and recognition of multiple plates on the scene is very important. Unlike methods with high computational complexity, we apply simple and effective techniques for being real-time. At first, background is modeled using Gaussian Mixture Model (GMM) and moving objects are determined. Then, plate candidate regions are found by vertical edge detection and horizontal projection. After that, license plates are localized and extracted by morphological operations and connected components analysis. When plates <s>were</s> are detected, their characters are separated with another algorithm. Finally a neural network is applied for character recognition.<br> This system is implemented in C++ using OpenCV library. The average localization time per frame is 25 ms and total processing time, including localization and recognition, is 40 ms that can be used in real-time applications. The proposed method is evaluated on videos from highway cameras and the detection rate of 98.79% and recognition rate of 97.83% is obtained. Our real-time system can also recognize multiple plates of different types in each frame. Experimental results show that our method have higher speed and better recognition rate than previous works therefore it is suitable for real-time applications.<br> &nbsp;</p> سامانۀ بی‌درنگ آشکارسازی و شناسایی پلاک خودرو, مدل مخلوط گاوسی, افکنش, تحلیل اجزای متصل به هم, شبکه عصبی Real-time License Plate Recognition System, Gaussian Mixture Model, Projection, Connected Components Analysis, Neural Network 41 56 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-1321-1&slc_lang=fa&sid=1 Mitra Abdollahi میترا عبداللهی abdollahi370@yahoo.com 10031947532846007097 10031947532846007097 No Shahrood University of Technology دانشگاه صنعتی شاهرود Hossein Khosravi حسین خسروی hosseinkhosravi@shahroodut.ac.ir 10031947532846007098 10031947532846007098 Yes Shahrood University of Technology دانشگاه صنعتی شاهرود