دوره 18، شماره 3 - ( 10-1400 )
جلد 18 شماره 3 صفحات 90-77 |
برگشت به فهرست نسخه ها
دانشگاه یزد
چکیده: (1865 مشاهده)
یک سامانه تشخیص پلاک خودرو شامل سه بخش: شناسایی پلاک(های) تصویر، استخراج کاراکترها و تشخیص نویسه‌ها است. اولین و مهم‌‌ترین مرحله در یک سامانه تشخیص پلاک، شناسایی ناحیه پلاک در تصویر است. در این مقاله یک روش کارا و مبتنی بر طبقه‌بندی‌کننده سلسله‌مراتبی برای شناسایی پلاک(های) خودروهای ایرانی در تصویر پیشنهاد شده و رویکردهایی جهت بهبود کارایی سامانه پیشنهاد شده است. در ابتدا با بازخورد‌گرفتن از نمونه‌های منفی (نواحی فاقد پلاک)، یک رویکرد آموزشی دو مرحله‌ای و سپس برای کاهش تعداد هشدار غلط و افزایش دقت شناسایی ناحیه، یک رویکرد آزمایش دومرحلهای ارائه شده است. در‌نهایت روشی ترکیبی با ادغام دو رویکرد آموزش و آزمایش دومرحلهای معرفی شده است. این سامانه بر روی تصاویر رنگی و خاکستری قابل اعمال است و توانایی شناسایی چند پلاک در تصویر، از نمای جلو و عقب خودرو، در شرایط نوری مختلف، در محیط‌های شلوغ و پلاک‌ها با مقیاس‌های مختلف را دارد و به محل نصب پلاک و یا ناحیه خاصی از پلاک و همچنین رنگ پس‌زمینه پلاک حساس نیست. برای ارزیابی رویکردهای ارائه‌شده، مجموعه‌داده‌هایی از تصاویر پلاک‌های ایرانی در شرایط مختلف جمع‌آوری شده است. نتایج ارزیابی‌ها نشان می‌دهد که رویکردهای ارائه‌شده به‌خوبی توانسته است، نرخ بازیابی نواحی پلاک و دقت ناحیه یافته‌شده را بهبود داده و نرخ هشدار غلط را نیز به‌خوبی کاهش دهد.
واژه‌های کلیدی: پلاک‌های ایرانی، شناسایی پلاک، طبقه‌بندی‌کننده سلسله‌مراتبی، آموزش/آزمایش دومرحلهای
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش تصویر
دریافت: 1398/3/7 | پذیرش: 1399/11/13 | انتشار: 1400/10/30 | انتشار الکترونیک: 1400/10/30
دریافت: 1398/3/7 | پذیرش: 1399/11/13 | انتشار: 1400/10/30 | انتشار الکترونیک: 1400/10/30
فهرست منابع
1. [1] S. M. Silva and C. R. Jung, "Real-time license plate detection and recognition using deep convolutional neural networks," Journal of Visual Communication and Image Representation, vol. 71, pp. 102773-102781, 2020. [DOI:10.1016/j.jvcir.2020.102773]
2. [2] L. Zhang, P. Wang, H. Li, Z. Li, C. Shen and Y. Zhang, "A Robust Attentional Framework for License Plate Recognition in the Wild," IEEE Transactions on Intelligent Transportation Systems, vol. 22, pp. 6967-6976, 2021. [DOI:10.1109/TITS.2020.3000072]
3. [3] G. Rabbani, M. Aminul Islam, M. Anwarul Azim, M. Khairul Islam and M. M. Rahman, "Bangladeshi License Plate Detection and Recognition with Morphological Operation and Convolution Neural Network," in 21st Internat-ional Conference of Computer and Information Technology (ICCIT), Dhaka, Bangladesh, 2018. [DOI:10.1109/ICCITECHN.2018.8631937]
4. [4] G. Lin, B. Xue, B. Xu and C. Chen, "License plate recognition based on mathematical morphology and template matching," in Chinese Automation Congress (CAC), Hangzhou, Chi-na, 2019. [DOI:10.1109/CAC48633.2019.8996973]
5. [5] W. Sh. Chowdhury, A. R. Khan and J. Uddin, ''Vehicle License Plate Detection Using Image Segmentation and Morphological Image Pro-cessing," in 3rd International Symposium on Signal Processing and Intelligent Recognition Systems, Springer International Publishing, vol. 678, pp. 142-154, 2018. [DOI:10.1007/978-3-319-67934-1_13]
6. [6] S. S. Tabrizi and N. Cavus, "A hybrid KNN-SVM model for Iranian license plate recognition," in Procedia Computer Science, vol. 102, pp. 588-594, 2016. [DOI:10.1016/j.procs.2016.09.447]
7. [7] M. Abdollahi and H. Khosravi, "Design and Implementation of Real-Time License Plate Recognition System in Video Sequences," Journal of Signal and Data Processing (JSDP), vol. 15, no. 4, pp.41-56, 2019. [DOI:10.29252/jsdp.15.4.41]
8. [7] م. عبداللهی، ح. خسروی. "طراحی و پیاده‌سازی سامانۀ بی‌درنگ آشکارسازی و شناسایی پلاک خودرو در تصاویر ویدئویی،"مجله پردازش علائم و داده‌ها، جلد ۱۵، شماره ۴، صفحات ۴۱-۵۶، 1397.
9. [8] A. H. Ashtari, "An Iranian License Plate Recognition System Based on Color Features," IEEE Transactions on Intelligent Transporta-tion Systems, vol. 15, no. 4, pp. 1690-1705, 2014. [DOI:10.1109/TITS.2014.2304515]
10. [9] M. R. Asif, QiChun, S. Hussain, M. S. Fareed and S. Khan, "Multinational vehicle license plate detection in complex backgrounds," Journal of Visual Communication and Image Representation, vol. 46, pp. 176-186, 2017. [DOI:10.1016/j.jvcir.2017.03.020]
11. [10] H. Li, P. Wang and Ch. Shen, "Toward End-to-End Car License Plate Detection and Recognition With Deep Neural Networks," IEEE Transactions on Intelligent Transportation Systems, vol. 20, pp. 1126-1136, 2019. [DOI:10.1109/TITS.2018.2847291]
12. [11] G. Ning, Z. Zhang, C. Huang, X. Ren, H. Wang, C. Cai, and Z. He, "Spatially supervised recurrent convolutional neural networks for visual object tracking," in IEEE International Symposium on Circuits and Systems, pp. 1-4, May 2017. [DOI:10.1109/ISCAS.2017.8050867]
13. [12] B. Wu, F. Iandola, P. H. Jin, and K. Keutzer, "SqueezeDet: Unified, small, low power fully convolutional neural networks for real-time object detection for autonomous driving," in IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), July 2017, pp. 446-454. [DOI:10.1109/CVPRW.2017.60]
14. [13] Joshua, J. Hendryli and D. E. Herwindiati, "Automatic License Plate Recognition for Parking System using Convolutional Neural Networks," in International Conference on Information Management and Technology (ICIMTech), Bandung, Indonesia, 2020. [DOI:10.1109/ICIMTech50083.2020.9211173]
15. [14] W. Riaz, A. Azeem, G. Chenqiang, Z. Yuxi, Saifullah and W. Khalid, "YOLO Based Recognition Method for Automatic License Plate Recognition," in IEEE International Conference on Advances in Electrical Engi-neering and Computer Applications (AEE-CA), Dalian, China, 2020. [DOI:10.1109/AEECA49918.2020.9213506]
16. [15] U. Masud, F. Jeribi, M. Alhameed, A. Tahir, Q. Javaid and F. Akram, "Traffic Congestion Avoidance System Using Foreground Estima-tion and Cascade Classifier," IEEE Access, vol. 8, pp. 178859-178869, 2020. [DOI:10.1109/ACCESS.2020.3027715]
17. [16] B. S. Bayu Dewantara and D. Twinda Rhamadhaningrum, "Detecting Multi-Pose Masked Face Using Adaptive Boosting and Cascade Classifier," in International Elec-tronics Symposium (IES), Surabaya, Indon-esia, 2020. [DOI:10.1109/IES50839.2020.9231934]
18. [17] A. Wang, L. Li and B. Dong, "Research on Pedestrian Intelligent Recognition Method Based on Cascade Classifier Structure," in IEEE 5th International Conference on Intellig-ent Transportation Engineering (ICITE), Beijing, China, 2020. [DOI:10.1109/ICITE50838.2020.9231414]
19. [18] X. Chen, L. Liu, Y. Deng and X. Kong , "Vehicle detection based on visual attention mechanism and adaboost cascade classifier in intelligent transportation systems," Optical and Quantum Electronics, vol. 51, no. 8, pp. 1-18, 2019. [DOI:10.1007/s11082-019-1977-7]
20. [19] I. Gangopadhyay, A. Chatterjee and I. Das, "Face Detection and Expression Recognition Using Haar Cascade Classifier and Fisherface Algorithm," in Recent Trends in Signal and Image Processing. Advances in Intelligent Systems and Computing, Singapore, 2019. [DOI:10.1007/978-981-13-6783-0_1]
21. [20] Z. Hanifelou, A.H. Monadjemi, P. Moallem, "Robust method of changes of light to detect and track vehicles in traffic scenes," Journal of Signal and Data Processing (JSDP), vol 13, no. 3, pp. 79-98, 2016. [DOI:10.18869/acadpub.jsdp.13.3.79]
22. [20] ز. حنیفه‌لو، ا.ح. منجمی، پ. معلم، "ارائه‌ی روشی مقاوم نسبت به تغییرات روشنایی در آشکارسازی و ردیابی خودروها در صحنه‌های ترافیکی،" مجله پردازش علائم و داده‌ها، جلد ۱۳، شماره ۳، صفحات ۷۹-۹۸، 1395.
23. [21] P. Viola and M. Jones, "Rapid object detection using a boosted cascade of simple features," in Conference on Computer Vision and Pattern Recognition (CVPR), December 2001.
24. [22] Y. N. Chen, C. C. Han, G. sF. Ho and K. Fan, "Facial/License Plate Detection Using a Two-Level Cascade Classifier and a Single Convolutional Feature Map", International Journal of Advanced Robotic Systems (IJARS), vol. 12, no. 09, 2015. [DOI:10.5772/61477]
25. [23] A. Elbamby, E. E. Hemayed, D. Helal and M. Rehan, "Real-time automatic multi-style license plate detection in videos," in Computer Engineering Conference, 2016, pp. 148-153. [DOI:10.1109/ICENCO.2016.7856460]
26. [24]Y. Freund and R. E. Schapire, "A decision-theoretic generalization of on-line learning and an application to boosting," Journal of Computer and System Sciences, vol. 55, pp. 119-139, 1997. [DOI:10.1006/jcss.1997.1504]
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |