بخشی از مقاله
چکیده
سیستم تشخیص پلاک خودرو، یک سیستم خودکار برای سهولت احراز هویت خودروها است. سیستم تشخیص پلاک خودرو از سه بخش تشکیل شده است: -1جداسازی پلاک -2جداسازی کاراکترها -3تشخیص کاراکترها. مهمترین بخش، تشخیص صحیح کاراکترها است، که در این مقاله به آن پرداخته میشود. در مرحله اول به کمک یک اپراتور مکان پلاک در تصویر جدا میگردد و در مرحله دوم آموزش دادهها به طبقه بند پیشنهادی است الگوریتم پیشنهادی ترکیبی از دو الگوریتم سویج و آدابوست است. پس از آن آزمایش طبقهبند بر روی دادههای آزمون اعمال میگردد.
در این مقاله برای ارزیابی صحیح نتایج تجربی از تصاویر انواع پلاک خودرو در شرایط مختلف استفاده شده است. صحت روش پیشنهادی %96 است. نتایج بهدست آمده نشاندهندهی عملکرد بهتر روش پیشنهادی نسبت به بردار ماشین پشتیبان است.
-1 مقدمه
با رشد روزافزون تعداد خودروها در سالهای اخیر، استفاده از دستگاههای هوشمند به دلیل کارایی بالا و صرفهجویی قابل توجه منابع مالی و انسانی کاربرد وسیعی پیدا کرده است. تشخیص پلاک خودرو1 و خواندن آن بخش اصلی در بسیاری از سیستمهای هوشمند تصویری است
یکی از مزایای سیستم تشخیص پلاک خودرو این است که همه ماشینها قبلاً شناسایی شدهاند، که همان پلاک ثبت شده است. مزایای دیگر آن این است، که این روش میتواند، علاوه بر تصویر اتومبیل، تصویر راننده را نیز ثبت کند. که اگر در صحنه جرم مدرکی نیاز باشد، مورد استفاده قرار گیرد
در این مقاله راه کاری برای بهبود تشخیص پلاک خودرو در تصویر ارائه میشود. تشخیص پلاک خودرو در جهت:
-1شناسایی خودروهای مسروقه و در حال پیگیری
-2 مدیریت هوشمند پارکینگها
- 3اخذ خودکار عوارض در بزرگراهها
-4اعمال قوانین راهنمایی و رانندگی
-5کنترل امنیتی مناطق انحصاری
-6کنترل ترافیک میتواند استفاده شود.
در روش پیشنهادی برای تشخیص کاراکتر پلاک خودرو، ترکیبی از دو الگوریتم به کار گرفته شده است. یکی از آن الگوریتمها، الگوریتم سویج است. که بر اساس دو قانون پایهگذاری شده است. که اول، قانون بیز و دوم، قانون کمترین مربعات خطا است. دومین الگوریتمی که بهصورت ترکیبی با سویج در این مقاله بکار برده شده است، الگوریتم آدابوست3 است. علت استفاده از این الگوریتم، به وجود آوردن یک طبقهبند قوی است، که به شکل یک ترکیب خطی است. و بیشتر به عنوان یک الگوریتم شناخته میشود.
ادامهی این مقاله به شکل زیر سازماندهی شده است. در بخش دوم روش تحقیق بیان میشود. نتایج و بحث در بخش سوم معرفی میشود و در بخش پایانی نتیجهگیری بیان میشود.
-2 روش تحقیق
تاکنون روشهای بسیاری در جهت تشخیص پلاک خودرو ارائهشده است که عمداّ روشهای مبتنی بر پردازش تصاویر بوده است. در اینجا ابتدا پلاکهای انگلیسی و غربی مورد بررسی قرار میگیرد. آنگاه پلاکهای شرقی و درنهایت پلاکهای عربی و فارسی بررسی میگردد.
تشخیص پلاک خودرو در تصویر بر اساس روش خود همبسته نگار و ماشین بردار پشتیبان ارائه شده است که ابتدا اندازه و زاویه بردار گرادیان برای همه پیکسلهای تصویر بهدست آمده است . - که در آن، پیکسلهای غیر ماکزیمم و پیکسلهایی با اندازه گرادیان ضعیف حذف شده است - سپس، پیکسلهای باقیمانده، بر اساس زاویه گرادیان در دو سطح افقی و عمودی چندی سازی گردیده اند.
در 3]،[4، استخراج شماره پلاک با استفاده از ویژگیهای ریختشناسی پلاک، مانند ترکیب رنگی بکار رفته در پلاک خودروها در ایران و همچنین محل قرارگیری پلاک در انواع خودروها چه خارجی و چه داخلی ارائه گردیده است. برای تشخیص ارقام و حروف از روشهای موزاییک و قطعهبندی و استخراج نقطه ثقل بهره برده شده است. در نهایت برای قرار دادن کاراکترهای پلاک در کلاس مناسب از کلاسبندی SVM استفاده شده است.
در [5]، روشی برای تشخیص پلاک خودرو معرفی کردند. نحوه عملکرد الگوریتم به این صورت است که از یک هیستوگرام فعال بر روی پیکسلهای نزدیک لبههای موجود در تصویر استفاده کرده است. به این ترتیب که پس از استخراج تقریبی لبهها بر روی این تصویر، از پیکسلهای اطراف این لبهها نمونهبرداری شده و هیستوگرامی تشکیل میدهد. این هیستوگرام حاوی نقاط داخل کاراکترهای پلاک و نقاط خارج از این کاراکترها و چسبیده به آنها است.
شکل -1 مراحل باینری کردن محل پلاک؛ الف - تصویر اصلی؛ ب - ناحیه ابتدایی؛ ج - استخراج لبههای قوی؛ د - باینری کردن تصویر بر اساس هیستوگرام حاصل از پیکسلهای اطراف لبهها
در [6] برای بازشناسی کاراکترهای فارسی پلاک خودرو مجموعهای از ویژگیهای مختلف بر مبنای تصویرهای جهتی، آشکارساز لبه میانگینهای محلی برای کاراکترهای پلاک محاسبه میگردد. سپس این ویژگیها، با استفاده از یک ساختار دینامیکی ترکیب طبقه بندها طبقهبندی شده است. این ساختار شامل سه شبکه عصبی پرسپترون بهعنوان طبقه بندهای پایه و یک شبکه پرسپترون دیگر به عنوان شبکه واسط است که در یک فرآیند رقابتی، تقسیم فضای ورودی بین طبقهبندهای پایه را یاد میگیرد و همزمان ضریب صلاحیتی را متناسب با داده ورودی، به خروجی هر طبقهبند پایه اعمال مینماید.
در [7]، نسخه دو سطحی LBP استفاده شده است. این روش یک راه قوی برای توصیف الگوهای خاص باینری محلی در بافت را فراهم میکند. روش LBP یک مقیاس خاکستری یکسان دارد و میتوان با اندازهگیری تضاد ساده یا محاسبه تفاوت متوسط سطح خاکستری از پیکسلهای همسایه آنهایی که مقدار یک دارند و آنهایی مقدار صفر دارند را ترکیب کرد. در [8]، عملگر این روش در برابر تیرگی و مات شدگی مقاوم است و نسبت به عملگر الگوی باینری محلی LBP در دستهبندی بافت بهتر است.
-2-1 روش پیشنهادی
در این مقاله بر روی تشخیص کاراکتر پلاک خودرو کار شده است و به همین منظور از طبقهبندی دو الگوریتم بهصورت ترکیبی استفاده گردیده است. تصاویر پس از پردازشهای اولیه، به کمک یک اپراتور مکان پلاک در تصویر جدا میگردد. برش هر تصویر پلاک بهصورت جداگانه انجام شده و سپس این مجموعه پلاکها درون پایگاه داده دستهبندی و شمارهگذاری میشود. به این ترتیب پایگاه داده مورد نظر جهت پردازش پلاک مشخص میگردد. هدف این مقاله تشخیص اعداد درون پلاکهای برش داده شده است. لذا در این حالت ابتدا برخی از پلاکها به عنوان مجموعه داده آموزشی در نظر گرفته و هر یک از اعداد موجود در پلاک تصاویر برش داده و با نام همان عدد ذخیره شدهاند. روش پیشنهادی به طور کلی در شکل 2، قسمت آموزش با تمام جزئیات در چند عمل و شرط مجزا نشان داده شده است.
شکل -2 فلوچارت روش پیشنهادی
