بخشی از مقاله
مروری بر روشهای تشخیص پلاک خودرو
خلاصه
امروزه پلاک خودرو یکی از مناسب ترین ابزار احراز هویت خودرو می باشد. رشد بی رویه ی خودروها باعث بروز مشکلاتی از جمله کنترل ترافیک، عوارضی بزرگراه ها، مدیریت پارکینگ ها و غیره شده است. سامانه تشخیص پلاک خودرو یک سیستم مکانیز و کامپیوتری است که با استفاده از پردازش تصویر پلاک خودروی مورد نظر را تشخیص می دهد. با استفاده از این سیستم میتوان بر بسیاری از این مشکلات فائق آمد. روش های مختلفی برای این سیستم ارائه شده است که ما در این مقاله به بررسی این روش ها می پردازیم. به طور کلی در تمام روش ها سیستم تشخیص پلاک از سه گام اساسی تشکیل شده است: تشخیص محل پلاک، جداسازی کاراکتر ها، تشخیص کاراکتر ها. هر سه گام مذکور بر طبق روشهای ارائه شده در مقاله های مختلف بررسی خواهد شد .
کلمات کلیدی: تشخیص پلاک خودرو ، شناسایی کاراکتر ها ، جداسازی کاراکتر ها ، پردازش تصویر
1. مقدمه
طبق آمار امروزه بیش از نیم میلیارد خودرو در جهان در حال حرکت هستند . تمام این خودرو ها یک شماره شناسائی خودرو به عنوان شناسه ی اصلی خود دارند. شماره شناسایی یا همان پلاک خودرو یک مجوز قانونی برای خودرو می باشد و تمام خودرو ها برای تردد باید این شناسه را داشته باشند. بدیهی است که کنترل این سیل عظیم خودرو از قدرت انسان امروزی به تنهایی و بدون استفاده از سیستم های کامپیوتری خارج شده است. بنابراین باید سیستم هایی وجود داشته باشد که با گرفتن تصویر از دوربین هایی که در سطح شهر، چهارراه ها و بزرگراه ها قرار داده شده است پلاک خودرو را شناسایی کند. شناسایی پلاک در واقع در دو مرحله اصلی انجام می شود: ابتدا محل پلاک جداسازی می شود و سپس ارقام پلاک خوانده می شود.
-1-1 ماشین باسواد :
همه ما برای خواندن اعداد و حروف از سوادمان بهره میگیریم اما وقتی که مجموعه دوربین و نرمافزار میتوانند این کار را انجام بدهند، یعنی آنها هم باسواد هستند؟ برای اینکه ببینیم چطور میشود یک دوربین هوشمند یا باسواد ساخت، ابتدا باید ببینیم آن چیزی که ما به آن هوش یا سواد میگوییم چیست و چطور عمل میکند. با تشریح روش » تشخیص ساده « و مثال زدن از مغز انسان ادامه میدهم: وقتی از نرمافزار، دوربین یا کامپیوتر میخواهیم چیزی را برای ما تشخیص بدهد، کافی است الگویی داشته باشد تا شیء موردنظر را با آن الگوها مقایسه کند؛ مقایسهای که چندان مشکل بهنظر نمیرسد اما درحقیقت بسیار پیچیده است. مغز ما پر از میلیونها الگو است که بهسرعت هر چیزی را با آنها مقایسه میکند. آنقدر سریع که ما متوجه این موضوع نمیشویم اما این میلیونها الگو به مرور زمان و با استفاده از هوش در مغز ما بهوجود آمدهاند و مساله مهم درستکردن الگوهاست.
-2-1 توصیف دقیق ریاضی :
اولین قدم در این کار دستهبندی اشیا به تعدادی موضوع یا کلاس است. قدم بعدی نسبتدادن ویژگیهای مشخص و واضح به هر کـدام از دسـتههاسـت. براساس همین ویژگی هاست که سامانه بعد از دریافت داده های خام ویژگیهـای مـوردنظرش را از آن دادههـا اسـتخراج کـرده و بـا ویژگـیهـای الگـو تطبیـق می دهد. پس باید ویژگی های الگو را بهخوبی برای سامانه تعریف کرده باشیم؛ یعنی یک نوع توصیف دقیـق ریاضـی و آن را طـوری تعریـف کنـیم کـه بتوانـد همان ویژگیها را بهخوبی از اشیا استخراج کند. مثلا دوربینهای عکاسی مجهز به نوعی نرمافزار برای تشخیص صورت هستند.
الگوهای تعریف شده برای این دوربین ها و قدرت پردازنده آنها در حدی است که فقط قادر به تشخیص صورت از بقیه اجزای بدن هستند اما نمـیتواننـد بین صورتهای مختلف تشخیصی بدهند. نمونههای پیشرفتهتر میتوانند لبخند فرد را هم تشخیص بدهند. همین ویژگی در سیستمهـای امنیتـی تـا حـد شناسـایی افراد حتی در بدترین شرایط نوری توسعه پیدا میکند. این روش باید آنقدر دقیق باشد تا مثلا حرف »ن« و »ل« را با هم اشتباه نگیرد. این آخـری ایـرادی اسـت که در سامانه تشخیص پلاک وجود داشته و با تست های اولیه برطرف شده است. در مقالات مختلف روش های گوناگونی برای تشخیص پلاک ارائه شده کـه در اینجا به بررسی آن ها می پردازیم.
.2 بررسی روشهای گوناگون تشخیص پلاک :
محمود فتحی در [1] روش شناسایی یک الگو در تصویر برای یافتن مکان پلاک را پیشنهاد داده است. به این صورت که با توجه به اینکه پلاک مکانی است که دارای تغییر لبه ی زیاد باشد مکان پلاک تعیین می شود. پلاک مورد نظر ظپخ شده و بعد از بررسی اگر دارای 7 رقم و 1 حرف بود وارد قسمت جداسازی عناصر می شود. برای اطمینان حروف و اعداد به تابع لخث فرستاده می شوند و صحت تشخیص آن بررسی می شود. این روش بر خلاف روش های قدیمی در محیطی رنگی و بر اساس یافتن شکل پلاک است. این مقاله استفاده از دوربین های ث؛ظسچ را برای گرفتن عکس از خودرو پیشنهاد می کند. سرعت بالای پردازش و پاسخ گویی، قابلیت نصب و اجرای سریع بر روی ریزپردازنده ها، قابلیت شناسایی چندین پلاک خودرو موجود در یک تصویر و پردازش بر روی تصویر رنگی بدون تغییر اندازه آن از خصوصیات این روش است. ف
بهزاد چناقلو در [2] روش جدیدی برای تعیین محل پلاک در تصویر ارائه داده است که در تصاویر با پس زمینه پیچیده از نظر صحت نسبت به روش های موجود بسیار بهتر عمل می کند.
در این روش ابتدا نواحی کاندید با توجه به رنگ پس زمینه پلاک استخراج می شوند . در قدم بعدی با تعیین محل ارقام موجود در تصویر با استفاده از تعریف جدید ارائه شده برای مورفولوژی ریاضی فازی تصویر پلاک استخراج می شود. در انتها با توجه به اینکه باید در ناحیه پلاک چندین رقم پشت سر
هم موجود باشند، ناحیه پلاک مشخص می شود. دقت روش پیشنهادی این مقاله مستقل از نوع پلاک است و در تصاویری که دارای پس زمینه پیچیده ای باشند عملکرد بسیار بهتری دارد. توصیفی که در این مقاله برای پلاک بیان شده ناحیه ای همرنگ است که تعدادی از ارقام فارسی پشت سر هم در آن وجود دارد .
فرهاد فرجی در [3] روشی برای یافتن سریع پلاک در تصاویر پیچیده ارائه داده است. ابتدا با استفاده از عملگر سوبل لبه های عمودی سیستم را پیدا می کند سپس با استفاده از تحلیل هیستوگرام و ترکیبی از عملگر های مورفولوژیکی پلاک خودرو را از تصویر استخراج می کند. روشی که در این مقاله ارائه می شود ترکیبی است از لبه یابی، تحلیل هیستوگرام و عملیات مورفولوژیکی. مزیت بزرگ این سیستمفتشخیص پلاکفهافبافرنگفهایفمختلففمیفباشد، چون از اطلاعات رنگ برای تشخیص استفاده نمی شود. مشکلات این روش کیفیت پایین تصاویر، شرایط نوری مختلف، زوایای دید مختلف دوربین، پشت صحنه پیچیده، و انعکاس و شکست نور هستند. روش ارائه شده در مواردی که عکس دقت و وضوح بالایی ندارد و یا اینکه شرایط نوری جالب نیست، قادر به عملکرد صحیح نمی باشد. خطاهای احتمالی شامل حالات زیر است
· استخراج ناحیه بزرگتر از پلاک
· استخراج ناحیه کوچکتر از پلاک
· استخراج ناحیه اشتباه به عنوان پلاک
· عدم استخراج ناحیه ای خاص به عنوان پلاک
غلامرضا رادمرد در [4]،فابتدافتوسط تکنیکفهای tophat-bothat وفگستراندنفبافتفنگارفتصویر،کیفیتفتصویرفبهبود میفیابد، سپس با تکرنگ سازی تصویر و استفاده از تکنیک شمارش تعدادفدفعاتفتغییر سطح رنگ، و با استفاده از خاصیت تغییرات سریع و شدید شدت نور در محل پلاک، محل کاندیداهای احتمالی پلاکفتشخیص داده می شوند. پس از نویزگیری و بررسی اعتبار کاندیداها و تعیین محل واقعی پلاک، نویسه های پلاک را با استفاده از تکنیک تکثیر ویروسی جدا کرده و با استفاده از شبکه ی عصبی MLP با قانون یادگیری ) SCG که در مقایسه با قانون استاندارد پس انتشار خطا بسیار سریع تر همگرافمیفشود )، اقدام به تشخیص نویسه ها می نماید. آنگاه با استفاده از روش های مورفولوژیکی فerosion و dilation فو نیز روش های آماری، نویزهای تصویر حذف می شوند، سپس، صحت کاندیداها بررسی شده و محل پلاک تعیین می گردد.
نویسه های پلاک به دو دسته تقسیم می شوند: حروف و اعداد. نویسه های عددی شامل ارقام 1فتا 9 ، و حروف شاملثز الگوی موجود در شکل 1،ف می باشند:
شکل : 1 نویسه های عددی شامل ارقام 1 تا 9
ندا اشرفی خوزانی در مقاله [5] از تبدیل هاف استفاده می شود. یکی از مهم ترین خصوصیات تبدیل هاف آشکار سازی خطوط، دوایر، و دیگر اشکالی است که دارای روابط تحلیلی می باشند. در این مقاله ارقام پلاک به عنوان شیء در تصویر در نظر گرفته می شوند و با استفاده از شبکه ی عصبی و تبدیل هاف ارقام تشخیص داده می شوند. این مقاله بر روی تبدیل هاف تمرکز نموده است. تیدیل هاف سعی می کند که تحلیل صحنه را به کمک انتقال اجزاء آن به یک فضای پارامتریک و منطبق بر معادله تحلیلی اشیاء مختلف محقق سازد. در این روش از شبکه های عصبی نیز استفاده می شود، شبکه های عصبی با مکانیزمی شبیه به مغز انسان اطلاعات را پردازش می کنند. این شبکه ها از تعداد زیادی سلول های عصبی (نرون ها) تشکیل شده اند. یادگیری شبکه های عصبی از طریق مثال هاست. شبکه عصبی استفاده شده در این تحقیق مدل پرسپترون چند لایه می باشد.
اغلب مجموعه ای از ورودی و خروجی های درست به شبکه عصبی داده می شود و شبکه عصبی با استفاده از این مثالها، وزن ارتباطات خود را به گونه ای تغییر می دهد که در صورت دادن ورودی های جدید پاسخهای درستی را تولید کند. در واقع دانش شبکه عصبی در وزن ارتباطات آن ذخیره می شود.
