Автоматическое распознавание автомобильных номерных знаков
Автор: Полтавский А. В., Юрушкина Т. Г., Юрушкин М. В.
Журнал: Вестник Донского государственного технического университета @vestnik-donstu
Рубрика: Информатика, вычислительная техника и управление
Статья в выпуске: 1 т.20, 2020 года.
Бесплатный доступ
Введение. Статья посвящена задаче автоматического обнаружения и распознавания автомобильных номеров, решение которой имеет множество потенциальных применений, начиная от обеспечения безопасности и заканчивая управлением трафиком на дорогах. Целью данной работы являлась разработка интеллектуальной системы нахождения и распознавания автомобильных номеров, основанной на применении алгоритмов глубокого обучения и сверточных нейронных сетей, учитывающей различные региональные стандарты автомобильных номеров, и устойчивой к различным расположениям камеры, качеству видео, освещению, погодным условиям и деформациям номерных знаков.Материалы и методы. Предложен комплексный подход к решению задачи, основанный на применении сверточных нейронных сетей. Проведен экспериментальный анализ нейросетевых моделей, обученных под требования задачи универсального распознавания номерного знака. На его основании были выбраны модели, показывающие лучшее соотношение качества и быстродействия. Качество системы обеспечивается оптимизацией различных моделей с различными модификациями...
Обнаружение и распознавание объектов, сверточные нейронные сети, генерация и аугментация данных, распознавание номерных знаков
Короткий адрес: https://sciup.org/142223726
IDR: 142223726 | DOI: 10.23947/1992-5980-2020-20-1-93-99
Список литературы Автоматическое распознавание автомобильных номерных знаков
- Bernstein, D. Automatic vehicle identification: technologies and functionalities / D. Bernstein, A. Y. Kanaan // Journal of Intelligent Transportation System. - 1993. - 1 (2). - P. 191-204.
- Development of vehicle-license number recognition system using real-time image processing and its application to travel-time measurement / K. Kanayama// IEEE Vehicular Technology Conference. - May, 1991. - P. 798-804.
- Kessentini, Y. A two-stage deep neural network for multi-norm license plate detection and recognition / Y. Kessentini, M.D. Besbes, S. Ammar, A. Chabbouh // ExpertSystems with Applications. - 2019. - Vol. 136. - P. 159- 170.
- Tian, J. A two-stage character segmentation method for Chinese license plate / J. Tian, R. Wang, G. Wang, J. Liu, Y. Xia // Computers & Electrical Engineering. - 2015. - Vol.46. - P. 539-553.
- A CNN-based approach for automatic license plate recognition in the wild / M. Dong// British Machine Vision Conference (BMVC). - 2017. - P. 1-12.
- LeCun, Y. Deep learning / Y. LeCun, Y. Bengio, G. Hinton // Nature. - 2015. - Vol. 521, no. 7553. - P. 436-444.
- Holistic recognition of low quality license plates by CNN using track annotated data / J. Španhel// 14th IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS). - 2017. - P. 1-6.