Разработка алгоритмов распознавания автомобильных номерных знаков в условиях слабой видимости
Целью работы является повышение эффективности распознавания автомобильных номерных знаков на изображениях в условиях слабой видимости. Результаты работы могут быть использованы в организациях, занимающихся производством видеорегистраторов и соответствующим ПО.
ВВЕДЕНИЕ ……………………………………………………………………………………… 16
1 ТЕОРЕТИЧЕСКИЙ АНАЛИЗ ЗАДАЧИ РАСПОЗНАВАНИЯ
АВТОМОБИЛЬНЫХ НОМЕРОВ ………………………………………………………………… 18
1.1 Введение в предметную область ……………………………………………. 18
1.2 Обзор систем распознавания автомобильных номеров …………… 20
1.2.1 «Автомаршал»…………………………………………………………………. 20
1.2.2 «Спецлаб-Трафик» (SL-Traffic) ……………………………………….. 21
1.2.3 «SecurOS Auto» ……………………………………………………………….. 22
1.3 Тест систем распознавания автомобильных номеров …………….. 26
1.4 Алгоритмы и методы обработки изображений ………………………. 27
1.4.1 Фильтр Гаусса …………………………………………………………………. 27
1.4.2 Детектор Кэнни ……………………………………………………………….. 28
1.4.3 Детектор Хаара ……………………………………………………………….. 28
1.4.4 Гистограммы яркости………………………………………………………. 32
1.4.5 Сверточные нейронные сети ……………………………………………. 33
1.5 Библиотеки для обработки изображений ……………………………….. 36
1.5.1 OpenCV …………………………………………………………………………… 36
1.5.2 Tesseract ………………………………………………………………………….. 36
1.5.3 Caffe ……………………………………………………………………………….. 36
1.6 Заключение по аналитическому обзору …………………………………. 37
2 РАЗРАБОТКА АЛГОРИТМА РАСПОЗНАВАНИЯ НОМЕРНЫХ
ЗНАКОВ В УСЛОВИЯХ СЛАБОЙ ВИДИМОСТИ ……………………………………… 39
2.1 Общее решение задачи ………………………………………………………….. 39
2.2 Структурная схема и описание алгоритма ……………………………… 39
2.3 Цифровая обработка номерной пластины………………………………. 40
2.3.1 Преобразование в градации серого…………………………………… 40
2.3.2 Избавление от посторонних шумов ………………………………….. 41
2.3.3 Бинаризация ……………………………………………………………………. 41
2.3.4 Поиск контуров ……………………………………………………………….. 42
2.3.5 Исключение неинформативных областей…………………………. 42
2.3.6 Сегментация номерной пластины …………………………………….. 43
2.4 Разработка алгоритма для сравнения …………………………………….. 43
2.4.1 Поиск области автомобильного номера ……………………………. 43
2.4.2 Алгоритм нормализации угла наклона и масштаба …………… 48
2.4.3 Алгоритм поиска нижней границы автомобильного номера 49
2.4.4 Алгоритм поиска верхней границы автомобильного номера49
2.4.5 Алгоритм поиска боковых границ автомобильного номера . 50
2.4.6 Использование сверточной нейронной сети в задаче
распознавания символов ………………………………………………………………………. 50
3 ПРОЕКТИРОВАНИЕ И РЕАЛИЗАЦИЯ ПРОГРАММНОГО
ОБЕСПЕЧЕНИЯ РАСПОЗНАВАНИЯ НОМЕРНЫХ ЗНАКОВ В УСЛОВИЯХ
СЛАБОЙ ВИДИМОСТИ……………………………………………………………………………… 52
3.1 Описание используемых технологий …………………………………….. 52
3.2 Программное обеспечение, реализующее алгоритм
распознавания номерных знаков в условиях слабой видимости ………………… 52
3.2.1 Архитектура программного обеспечения …………………………. 52
3.2.2 Микроархитектура программного обеспечения………………… 54
3.2.3 Распознавание символов ………………………………………………….. 55
3.2.4 Результаты работы программного обеспечения ……………….. 55
3.2.5 Вывод ……………………………………………………………………………… 56
3.3 Программное обеспечение реализующее доработанный алгоритм
13
3.3.1 Архитектура программного обеспечения …………………………. 56
3.3.2 Микроархитектура программного обеспечения………………… 57
3.3.3 Распознавание символов ………………………………………………….. 59
3.3.4 Результаты работы программного обеспечения ……………….. 60
3.3.5 Вывод ……………………………………………………………………………… 62
4 ФИНАНСОВЫЙ МЕНЕДЖМЕНТ, РЕСУРСОЭФФЕКТИВНОСТЬ И
РЕСУРСОСБЕРЕЖЕНИЕ ……………………………………………………………………………. 63
4.1 Предпроектный анализ ………………………………………………………….. 63
4.1.1 Потенциальные потребители результатов исследования …… 63
4.1.2 Анализ конкурентных технических решений …………………… 64
4.1.3 QuaD-анализ ……………………………………………………………………. 65
4.1.4 SWOT-анализ ………………………………………………………………….. 66
4.1.5 Диаграмма Исикавы ………………………………………………………… 67
4.2 Определение возможных альтернатив разработки …………………. 68
4.3 Организация и планирование работ……………………………………….. 69
4.3.1 Продолжительность этапов работ…………………………………….. 69
4.3.2 Расчет накопления технической готовности …………………….. 74
4.4 Бюджет научно-технического исследования ………………………….. 74
4.4.1 Расчет материальных затрат …………………………………………….. 75
4.4.2 Расчет основной заработной платы исполнителей системы . 75
4.4.3 Расчет затрат по дополнительной заработной плате …………. 76
4.4.4 Расчет отчислений во внебюджетные фонды ……………………. 77
4.4.5 Расчет накладных расходов ……………………………………………… 77
4.4.6 Формирование бюджета затрат проекта …………………………… 78
4.5 Определение ресурсной (ресурсосберегающей), финансовой,
бюджетной, социальной и экономической эффективности исследования ….. 78
4.6 Вывод по разделу ………………………………………………………………….. 81
5 СОЦИАЛЬНАЯ ОТВЕТСТВЕННОСТЬ ………………………………………. 82
5.1 Правовые и организационные вопросы обеспечения
безопасности ……………………………………………………………………………………………. 82
5.2 Производственная безопасность ……………………………………………. 83
5.2.1 Отклонение показателей микроклимата …………………………… 85
5.2.2 Недостаточная освещенность рабочей зоны …………………….. 86
5.2.3 Превышение уровня шума ……………………………………………….. 87
5.2.4 Опасные и вредные производственные факторы, связанные с
электромагнитными полями. ………………………………………………………………… 88
5.3 Психофизиологические факторы …………………………………………… 90
5.3.1 Повышенное значение напряжения в электрической цепи,
замыкание которой может произойти через тело человека…………………….. 90
5.4 Экологическая безопасность …………………………………………………. 91
5.5 Безопасность в чрезвычайных ситуациях ………………………………. 92
5.6 Выводы по разделу ……………………………………………………………….. 94
ЗАКЛЮЧЕНИЕ ………………………………………………………………………………… 95
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ …………………………….. 96
Приложение А ………………………………………………………………………………… 100
Приложение Б…………………………………………………………………………………. 112
Задача распознавания автомобильных номерных знаков востребована в
программном обеспечении для контроля въезда и выезда транспортных средств
с территории предприятий, парковок, контроля потока автотранспорта. Данное
программное обеспечение может быть размещено в автосервисах, на
контрольно-пропускных пунктах, пунктах контроля скорости.
Данная магистерская диссертация посвящена разработке и реализации
алгоритма распознавания автомобильных номеров. Задачу распознавания
автомобильных знаков можно разделить на две подзадачи: поиск номерного
знака и распознавание символов номерного знака. В основном распознавание
происходит в три этапа: предобработка изображения, сегментация и
непосредственно распознавание символов.
Предобработка изображения включает в себя выделение номерной
пластины и обработку специальными фильтрами, чтобы улучшить качество. С
помощью этапа сегментации выделяются символы, после чего происходит
распознавание каким-либо методом.
Предметом исследования являются методы искусственного интеллекта,
используемые в алгоритмах распознавания автомобильных номерных знаков. А
также исследование возможности применения искусственных нейронных сетей
в качестве классификаторов цифробуквенных символов автомобильных
номерных пластин.
Объектом исследования является технология распознавания
автомобильных номерных знаков на основе алгоритмов обработки
изображений и распознавания символов.
Целью данной работы является разработка алгоритма распознавания
номерных знаков в условиях слабой видимости (например в случаях, когда
номер находится не под прямым углом, когда сложно выделить границы самого
номера, а также, если масштаб номера довольно маленький) автотранспортных
средств и разработка программы, использующей данный алгоритм. Для
достижения поставленной цели необходимо:
• ознакомиться с методами распознавания текста на изображениях;
• разработать алгоритм для распознавания номерных знаков
автотранспортных средств в условиях слабой видимости;
• разработать программное обеспечение, использующее данный
алгоритм.
1 ТЕОРЕТИЧЕСКИЙ АНАЛИЗ ЗАДАЧИ РАСПОЗНАВАНИЯ
АВТОМОБИЛЬНЫХ НОМЕРОВ
Существует большое количество промышленного программного
обеспечения для распознавания автомобильных номеров. В данном разделе
предлагается краткий аналитический обзор некоторых программных
продуктов. Описание каждого продукта содержит информацию о названии,
области применения и используемых технологиях распознавания.
1.1 Введение в предметную область
Действующий государственный стандарт Российской Федерации
определяет 22 типа государственных регистрационных знаков (ГРЗ),
устанавливаемых на транспортные средства [1]. Стандарт определяет основные
размеры, а также технические требования к ГРЗ. Описанные в стандарте
технические требования направлены на обеспечение безопасности дорожного
движения, жизни, здоровья, сохранности имущества населения и охраны
окружающей среды. В данной работе рассматривается распознавание ГРЗ
первого типа с трехзначным и двухзначным кодом региона согласно
действующему стандарту РФ [1]. Распознавание остальных типов ГРЗ в данной
работе не рассматривается. Примеры ГРЗ типа 1 с двухзначным и трехзначным
кодом региона регистрации показаны на рисунках 1.1 и 1.2.
В данной работе проведен теоретический анализ задачи распознавания
автомобильных номеров, проведен обзор систем распознавания автомобильных
номеров с оценкой качества, после чего был сформирован набор требований.
После теоретического анализа разработан алгоритм распознавания
автомобильных номеров на языке программирования С++ с использованием
библиотеки OpenCV для предварительной обработки изображения и библиотеки
Tesseract для распознавания символов. Так как алгоритм имел ряд недостатков,
было решено его модернизировать. Модернизация включила в себя поиск
номерной пластины на изображении автомобиля, поиск границ автомобильного
номера, трансформацию изображения и распознавание с помощью сверточной
нейронной сети.
В конечном итоге было спроектировано и разработано два консольных
приложения, реализующих алгоритм распознавания автомобильных номеров в
условиях слабой видимости и доработанный алгоритм распознавания
автомобильных номеров в условиях слабой видимости. В первом случае процент
точности составил 83 процента, во втором – 92 процента.
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!
4.8 (9 отзывов)
4.6 (92 отзыва)
4.8 (40 отзывов)
4.7 (82 отзыва)
4.2 (13 отзывов)
4.8 (211 отзывов)
4.7 (18 отзывов)
4.1 (20 отзывов)
4.9 (5 отзывов)
