Введение 4
Глава 1. Обзор современных систем распознавания автомобильных номерных знаков 7
1.1 Формирование изображения 9
1.2 Детектирование номерного знака 10
1.2.1 Метод сравнения с шаблоном 12
1.2.2 Метод построения проекций изображения 14
1.2.3 Применение морфологических операторов 16
1.2.4 Преобразование Хафа 18
1.3 Сегментация символов номерного знака 20
1.4 Классификация текстовых символов 21
1.5 Программные продукты 22
Глава 2. Детектирование номерного знака на основе поиска текстовых
символов 26
2.1. Описание библиотеки компьютерного зрения OpenCV 27
2.2 Бинаризация и препроцессинг 28
2.2.1 Фильтрация полутоновых изображений 31
2.2.2 Бинаризация Оцу 33
2.2.3 Адаптивная бинаризация полутоновый изображений 38
2.3 Выделение контуров 40
2.4 Оценка параметров номерного знака 45
Глава 3. Распознавание символов номерного знака 50
3.1 Анализ обнаруженного номерного знака и сегментация символов 51
3.2 Классификация текстовых символов 54
3.2.1 Метод k ближайших соседей 54
3.2.2 Процесс обучения 57
3.2.3 Процесс распознавания 58
Глава 4. Тестовые испытания 60
4.1 Проверка точности обнаружения номерного знака на изображении .... 60
4.2 Распознавание символов методом k ближайших соседей 65
4.3 Сравнение программ 66
Заключение 70
Список использованных источников 72
Приложение 75

Купить

В настоящее время информационные технологии активно внедряются в различные сферы жизнедеятельности человека. Для обеспечения безопасности движения и улучшения дорожной обстановки вводятся интеллектуальные транспортные системы. Данные системы включают в себя несколько взаимосвязанных функциональных блоков, к которым можно отнести блок сбора информации с детекторов транспортных средств и камер видеонаблюдения. Однако, из-за многообразия внешних условий, влияющих на работу указанных систем, подходы, применяемые при их построении, могут сильно отличаться. Большинство же имеющихся на сегодняшний день систем имеют в своем составе два основополагающих блока: получения изображения и блока его последующей обработки, результаты которого во многом зависят от качества полученного изображения. На современном этапе развития систем автоматической идентификации автомобильных номеров можно выделить два основных метода получения изображений:
- использование устройств захвата видеосигнала аналоговых камер с помощью ПК. К недостаткам таких систем можно отнести аппаратное ограничение на число подключаемых камер и низкое разрешение изображений;
- использование сетевых IP-камер видеонаблюдения, оснащенных ПЗС или КМОП матрицами. Важной особенностью систем такого типа является применение в них встроенных высокопроизводительных составляющих, таких как микроконтроллеры и цифровые сигнальные процессоры, позволяющих выполнять функции сжатия, кодирования и передачи видеопотока.
Помимо аппаратных ограничений, ухудшающих качество изображения, существует ряд внешних факторов, таких как уличное освещение, загрязнённость детектируемых объектов, пропускная способность канала связи и др. Поэтому, для получения высокой точности идентификации текстовых символов на регистрационном знаке транспортных средств, необходимо разрабатывать эффективные алгоритмы, способные решить задачи детектирования в присутствии шумов и искажений, при низкой резкости и контрастности изображения и при прочих помехах.
За последнее десятилетие достигнуты значительные успехи в области построения систем автоматического распознавания автомобильных номеров. Тем не менее остаются нерешенные проблемы, связанные с низкой точностью распознавания номеров, в следствии загрязненности номерной пластины, а также с изменение масштаба получаемых кадров видеопотока из-за использования фиксированных параметров размера кадра и положения объекта. Существует ряд задач, где особое внимание уделяется упрощению условий эксплуатации системы детектирования номерных знаков автомобилей, например, контроль въезда и перемещения транспортных средств.
Перспективным направление для разработчиков является поиск алгоритмов, использующих минимальный набор априорных данных о свойствах объекта и позволяющих идентифицировать регистрационный знак в условиях зашумленности анализируемого кадра и загрязненности номера. Поэтому на современном этапе развития науки и техники разработка и анализ алгоритмов детектирования, сегментации и классификации символов представляют собой актуальную задачу.
Цель работы: разработка и анализ алгоритма детектирования, сегментации и классификации символов для систем автоматического распознавания автомобильных номерных знаков в условиях помех и искажений.
Объектом исследования являются алгоритмы детектирования, сегментации и классификации, применяемые для обнаружения объектов в полутоновых и цветных изображениях.
Предметом исследования являются разработка и модификация
алгоритмов с целью повышения эффективности функционирования систем видеофиксации и контроля движения автомобилей.
Для реализации поставленной цели необходимо решить следующие задачи:
1. Исследовать основные методы построения систем распознавания номерных знаков и произвести сравнительный анализ их характеристик.
2. Разработать алгоритм детектирования номерной пластины автомобиля на цифровом изображении.
3. Модифицировать алгоритм детектирования символов на основе метода k ближайших соседей.
4. Произвести сравнительный анализ разработанного программного комплекса с существующими программными продуктами.
При выполнении поставленных задач были использованы современные методы цифровой обработки изображений, компьютерного зрения, обнаружения и классификации объектов. Для практической реализации программного комплекса разработанного алгоритма были использованы современные численные методы, объектно-ориентированный язык программирования С++ и библиотеки компьютерного зрения OpenCV.

Купить