Разработка нейросетевого подхода сегментации и распознавания номерных знаков автомобилей на изображениях реальных сцен

Объектом исследования являются методы искусственного интеллекта, используемые в алгоритмах сегментации и распознавания автомобильных номерных знаков. Целью работы является разработка и реализация алгоритма детектирования и распознавания автомобильных номерных знаков на изображениях реальных сцен с применением аппарата искусственных нейронных сетей

Оглавление …………………………………………………………………………………………… 14
ВВЕДЕНИЕ ………………………………………………………………………………………….. 16
1 ОБЗОР МЕТОДОВ И ПРОГРАММНЫХ СИСТЕМ РАСПОЗНАВАНИЯ
АВТОМОБИЛЬНЫХ НОМЕРНЫХ ЗНАКОВ …………………………………………. 17
1.1 Методы распознавания автомобильных номерных знаков …………….. 18
1.2 Обзор систем распознавания автомобильных номерных знаков …….. 27
1.3 Тест систем распознавания автомобильных номеров …………………….. 36
1.4 Заключение по аналитическому обзору………………………………………… 37
1.5 Требования к разрабатываемому алгоритму …………………………………. 38
2 АЛГОРИТМ НЕЙРОСЕТЕВОГО РАСПОЗНАВАНИЯ
АВТОМОБИЛЬНЫХ НОМЕРНЫХ ЗНАКОВ …………………………………………. 39
2.1 Общее решение задачи ……………………………………………………………….. 39
2.2 Поэтапная работа с изображением……………………………………………….. 39
2.2.1 Сегментация номерной пластины …………………………………………… 39
2.2.2 Извлечение фрагмента с номерной пластиной ………………………… 42
2.2.3 Предобработка вырезанного фрагмента ………………………………….. 44
2.2.4 Классификация сегментов номерной пластины ……………………….. 46
3 ПРОГРАММНАЯ РЕАЛИЗАЦИЯ …………………………………………………….. 49
3.1 Язык разработки …………………………………………………………………………. 49
3.2 Дополнительный инструментарий ……………………………………………….. 49
3.3 Среда разработки ……………………………………………………………………….. 50
4 Результаты работы …………………………………………………………………………… 51
4.1 Наборы данных ………………………………………………………………………….. 51
4.2 Результаты экспериментов ………………………………………………………….. 51
4.3 Выводы из результатов экспериментов ………………………………………… 53
5 ФИНАНСОВЫЙ МЕНЕДЖМЕНТ, РЕСУРСОЭФФЕКТИВНОСТЬ И
РЕСУРСОСБЕРЕЖЕНИЕ ………………………………………………………………………. 55
5.1 Организация и планирование работ ……………………………………………… 55
5.1.1 Продолжительность этапов работ …………………………………………… 56
5.2 Расчет сметы затрат на выполнение проекта ………………………………… 61
5.2.1 Расчет затрат на материалы ……………………………………………………. 61
5.2.2 Расчет заработной платы ……………………………………………………….. 61
5.2.3 Расчет отчислений от заработной платы …………………………………. 62
5.2.4 Расчет затрат на электроэнергию ……………………………………………. 63
5.2.5 Расчет амортизационных расходов …………………………………………. 64
5.2.6 Расчет прочих расходов …………………………………………………………. 65
5.2.7 Расчет общей себестоимости разработки ………………………………… 65
5.2.8 Расчет прибыли …………………………………………………………………….. 66
5.2.9 Расчет НДС …………………………………………………………………………… 66
5.2.10 Цена разработки НИР ……………………………………………………………. 66
5.2.11 Оценка экономической эффективности проекта………………………. 66
6 СОЦИАЛЬНАЯ ОТВЕТСВЕННОСТЬ ………………………………………………. 68
Введение ……………………………………………………………………………………………. 68
6.1 Правовые и организационные вопросы обеспечения безопасности … 68
6.1.1 Специальные правовые нормы трудового законодательства …….. 68
6.2 Организационные мероприятия при компоновке рабочей зоны ……… 70
6.2.1 Эргономические требования к рабочему месту ……………………….. 70
6.3 Производственная безопасность ………………………………………………….. 72
6.3.1 Вредные производственные факторы ……………………………………… 73
6.4 Экологическая безопасность ……………………………………………………….. 81
6.4.1 Анализ влияния объекта исследования на окружающую среду … 81
6.4.2 Обоснование мероприятий по защите окружающей среды ………. 82
6.5 Безопасность в чрезвычайных ситуациях ……………………………………… 82
6.5.1 Анализ вероятных ЧС, которые могут возникнуть на производстве
при внедрении объекта исследований ……………………………………………….. 82
6.5.2 Обоснование мероприятий по предотвращению ЧС и разработка
порядка действия в случае возникновения ЧС ……………………………………. 83
6.6 Заключение по разделу ……………………………………………………………….. 85
ЗАКЛЮЧЕНИЕ …………………………………………………………………………………….. 86
СПИСОК ПУБЛИКАЙ И ВЫСТУПЛЕНИЙ ……………………………………………. 88
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ …………………………………… 89
ПРИЛОЖЕНИЕ А …………………………………………………………………………………. 94

Задача автоматического распознавания автомобильных номеров на
цифровых изображениях решена многими исследователями. В работе
рассматривается собственный алгоритм для решения задачи. Системы
распознавания автомобильных номерных знаков используются для контроля
въезда и выезда транспорта с территории предприятий, парковок, контроля
потока автомобильного трафика.
Существующие коммерческие системы распознавания автомобильных
номеров не всегда предоставляют пользователям информацию об
используемых методах искусственного интеллекта в задаче распознавания
цифробуквенных символов. В представленной работе выполнен ряд
аналитических задач по определению используемых в системах алгоритмов.
Данные о сравнительном анализе систем получены из открытых независимых
источников.
Выполнен аналитический обзор существующих методов и программных
систем распознавания автомобильных номерных знаков. Проведен их
сравнительный анализ, определён список программных продуктов,
подходящих под решение определенного круга целевых задач, связанных с
распознаванием автомобильных номеров.
Для сегментации автомобильных номерных знаков используется
архитектура СНС U-Net, показавшая хорошие результаты сегментации в
других областях. Удалось достичь 94,8% точности при сегментации номерной
пластины на тестовом наборе данных.
В работе исследована возможность применения искусственных
нейронных сетей, а также их ансамблей в качестве классифицирующих
элементов. Сравнительный анализ различных архитектур и размеров
комитетов позволяет сделать аргументированный выбор классифицирующего
элемента в предложенном алгоритме распознавания.
Разработанный нейросетевой алгоритм распознавания автомобильных
номерных знаков позволяет достичь точности распознавания в 92,1%.
Результаты были получены на отобранных образцах автомобильных
номерных знаков, находящихся в открытом доступе. Полученная точность
распознавания сопоставима с существующими аналогами.
СПИСОК ПУБЛИКАЙ И ВЫСТУПЛЕНИЙ
1. Адаричев В. С., Иванова Ю. А. Сверточная нейронная сеть для
классификации без использования дополнительных библиотек //
Молодежь и современные информационные технологии: сборник
трудов XVII Международной научно- практической конференции
студентов, аспирантов и молодых ученых, Томск, 17-20 Февраля
2020. — Томск: ТПУ, 2020 — C. 60-61
2. Адаричев В. С., Иванова Ю. А. Сегментация автомобильных
номерных знаков на изображениях // Молодежь и современные
информационные технологии: сборник трудов XVII Международной
научно- практической конференции студентов, аспирантов и
молодых ученых, Томск, 17-20 Февраля 2020. — Томск: ТПУ, 2020 —
C. 62-63

1. Желтов С. Ю. Обработка и анализ изображений в задачах машинного
зрения. // М.: Физматкнига, 2010. — 672 с
2. Habr Mask R-CNN: архитектура современной нейронной сети для
сегментации объектов на изображениях [Электронный ресурс] : —
Режимдоступа:https://habr.com/post/421299(датаобращения:
23.12.2018).
3. Viola P., Jones M. J. Robust real-time face detection / International Journal
of Computer Vision. − 2004. − V. 57. − P. 137-154.
4. Серикова А. С. Разработка и программная реализация алгоритма
сегментации и распознавания автомобильных номеров // Магистерская
диссертация, ТПУ, ИШИТР, ИСТ 2017
5. Ильин В. А., Позняк Э. Г. Линейная алгебра // Москва Физматлит 1999
6. Nello Cristianini, John Shawe-Taylor. An Introduction to Support Vector
Machines and Other Kernel-based Learning Methods // Cambridge University
Press, 2000
7. Хайкин С. Нейронные сети : полный курс : пер. с англ. // С. Хайкин. —
2-е изд., испр.. — М. [и др.]: Вильямс, 2006. — 1103 с.
8. Комарцова Л. Нейрокомпьютеры : учебное пособие для вузов // Л. Г.
Комарцова, А. В. Максимов. — 2-е изд., перераб. и доп.. — М.: Изд-во
МГТУ, 2004. — 399 с.
9. ДжонсМ.Программированиеискусственногоинтеллектав