بخشی از مقاله

خلاصه

تشخیص پلاک خودرو یکی از زیر شاخههای سیستمهای هوشمند است که در پارکینگها برای کنترل تردد و در بزرگراهها برای کنترل ترافیک کاربرد بسیار دارد. یک سیستم تشخیص پلاک شامل دو مرحله است:

.1 تشخیص محل پلاک خودرو .2 جداسازی و شناسایی کاراکترهای پلاک.

در این مقاله روشی ساده و کارآمد برای استخراج پلاک خودرو در تصویر و سپس شناسایی ارقام آن معرفی میشود. در الگوریتم پیشنهادی ابتدا پلاک خودرو را با استفاده از عملیات مورفولوژی در تصویر ورودی تشخیص میدهیم. سپس با استفاده از شبکههای عصبی پس انتشار حروف و ارقام پلاک را شناسایی میکنیم. با توجه به آزمایشهای انجام شده درصد استخراج محل پلاک خودرو را 94 درصد و نرخ تشخیص حروف و ارقام پلاک را 97 درصد به دست آوردیم.

.1 مقدمه

یکی از مسائل مهم و سختی که امروزه در حیطهی کنترل ترافیک مطرح است، تشخیص پلاک خودرو در تصاویر ضبط شده توسط دوربینهای کنترل ترافیک میباشد. سیستم اتوماتیک تشخیص پلاک خودرو با استفاده از پردازش تصویر خودروهای عبوری از یک مکان، شماره پلاک آنها را استخراج میکند. این سیستم با استفاده از دوربینهای مخصوص، از خودرو در حال عبور تصویربرداری میکند و آن تصویر را جهت پردازش توسط نرمافزار تشخیص پلاک خودرو به رایانه ارسال میکند. در سیستم تشخیص اتوماتیک شماره پلاک خودرو، ابتدا شناسایی محل پلاک خودرو در یک تصویر دیجیتال صورت میگیرد و سپس خواندن شماره پلاک انجام میشود. روشهای گوناگونی برای استخراج پلاک خودرو و شناسایی ارقام آن در پردازش تصویر وجود دارد که در ادامه به توضیح برخی از آنها میپردازیم.

در روش ارائه شده [1] از یک پنجره با ابعادی نزدیک به اندازه پلاک استفاده میشود. این پنجره از انتهای گوشه سمت چپ بالای تصویر با قدمهای پنج پیکسلی تا انتهای تصویر حرکت میکند . سپس با اعمال تبدیل فوریه1 روی هر کدام از پنجرهها یک سری ویژگیها را از آنها استخراج و در نهایت به کمک مدل آماری قانون بیز2 احتمال پلاک بودن هر کدام از پنجرهها را بررسی میکند.

روش ارائه شده در [2] شامل استفاده از هشت الگو از عملگر پرویت3 برای کشف لبه میباشد. در مرحله بعد با استفاده از هیستوگرام4 عمودی و افقی، ویژگیهای بافت ناحیه پلاک و نسبتهای هندسی نواحی کاندیدا استخراج میشوند.

در [3] ابتدا رنگ هشت همسایه هر پیکسل به یک شبکه عصبی پرسپترون5 چند لایه داده شده است تا رنگ هر پیکسل در یکی از هشت دسته رنگ مشخص شده دستهبندی شود. سپس تصویر خط به خط اسکن میشود و ناحیهای که در آن دنباله رنگی پیکسلها دارای ویژگی خاصی باشند به عنوان ناحیه پلاک مشخص میگردد.

در روش ارائه شده [4] ابتدا کاراکترهای پلاک را هم اندازه نموده، سپس آنها را با همهی الگوها در پایگاه داده به صورت پیکسل به پیکسل مقایسه میکند. روش ارائه شده در [5] برای شناسایی کاراکترها از شبکههای عصبی استفاده میکند. برای این منظور ابتدا کاراکترها را به اندازه 12×12 نرمالیزه میکند، سپس با 144 نرون ورودی و بدون هیچ لایهی پنهان و با 50 نرون لایهی خروجی شبکه را آموزش میدهد. روش ارائه شده در [6] ابتدا کاراکترهای تصویر پلاک را قطعهبندی کرده سپس برای تشخیص کاراکترها از روش ماشین بردار پشتیبان استفاده میکند.

در روش پیشنهادی، ابتدا ناحیه پلاک خودرو با استفاده از عملیات لبهیابی، مورفولوژی و نسبتهای هندسی از تصویر ورودی استخراج میشود. سپس برای شناسایی کاراکترها از شبکههای عصبی پس انتشار استفاده میکند. هدف این مقاله، ارائه راه حلی مناسب برای استخراج پلاک خودرو در تصویر و شناسایی کاراکترها میباشد.

در این مقاله، ابتدا روش پیشنهادی شامل استخراج پلاک خودرو و شناسایی کاراکترها را معرفی کرده و در ادامه نتایج به دست آمده را مورد بررسی قرار میدهیم.

.2 روش پیشنهادی

مراحل مختلف روش پیشنهادی در شکل 1 نمایش داده شده است.

- تصویر ورودی

- بهبود تصویر و لبهیابی

- عملیات مورفولوژی و نسبتهای هندسی

- حذف اشیا غیر پلاک و استخراج ناحیه ×پلاک خودرو

- حذف کنارههای اضافی پلاک

- قطعهبندی کاراکترها

- شناسایی کاراکترها

شکل .1 مراحل مختلف روش پیشنهادی

در این قسمت از روش پیشنهادی، یک سری عملیات شامل بهبود تصویر و لیهیابی، عملیات مورفولوژی، استخراج پلاک خودرو، قطعهبندی و شناسایی کاراکترها را معرفی میکنیم.

1.2     استخراج پلاک خودرو

تمام تصاویر مورد استفاده در این مقاله از روی پل هوایی که هم ارتفاع دوربینهای کنترل ترافیک هستند و از هر دو طرف جاده، در شرایط متفاوت آب و هوایی و در ساعات مختلف روز تهیه شدهاند. عملیاتی که در این قسمت انجام میشود، شامل بهبود تصویر، لبهیابی، عملیات مورفولوژی، نسبتهای هندسی و حذف اشیا غیر پلاک است.

1.1.2    بهبود تصویر و لبه یابی

ابتدا تصویر رنگی ورودی را به سطح خاکستری تبدیل میکنیم، سپس به منظور از بین بردن نویزهای احتمالی، بر روی هر یک از تصاویر فیلتر گوسین1 اعمال میشود. رابطه - - 1 نحوه تعریف تابع گوسی را نشان میدهد.
در این رابطه فیلتر گوسین با انحراف معیار 0,5 و به صورت مربعی شکل با اندازه 3×3 تعریف شده است.    

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید