PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Rozpoznawanie tablic rejestracyjnych pojazdów na obrazach statycznych

Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
License plate recognition based on static images
Języki publikacji
PL
Abstrakty
PL
W artykule omówione zostały algorytmy detekcji i rozpoznawania tablic rejestracyjnych pojazdów na obrazach statycznych. Algorytmy te odgrywają kluczową rolę w systemach automatycznego rozpoznawania tablic rejestracyjnych stosowanych w ramach inteligentnych systemów transportowych, które w znacznym stopniu przyczyniają się do poprawy bezpieczeństwa na drogach. Przedstawione zostały modyfikacje znanych algorytmów lokalizacji tablic rejestracyjnych na zdjęciach pojazdów. Przeprowadzone badania zaproponowanych algorytmów pokazały, że modyfikacje wprowadzone na etapie lokalizacji tablicy rejestracyjnej, obejmujące między innymi wstępne przetwarzanie obrazu oraz selekcję i weryfikację regionów kandydujących, zwiększają efektywność algorytmów automatycznego rozpoznawania tablic.
EN
Automatic license plate recognition (ALPR) is a type of technology that allows computer systems to detect and recognize the vehicle’s license number from a digital picture. ALPR helps to increase the safety and efficiency of the road transport. In this paper, the most popular algorithms for license plate localization and recognition were presented. Some modifications of selected algorithms in order to improve the efficiency of recognition were proposed. The changes were related to image pre-processing and verification of candidate regions. Modified algorithms were compared with the original version of the edge detection based algorithm. The results of research proved that custom modifications affect algorithms to improve the efficiency of recognition.
Rocznik
Strony
242--247
Opis fizyczny
Bibliogr. 18 poz., rys., tab., wykr.
Twórcy
autor
  • Politechnika Białostocka, Wydział Informatyki
autor
  • Politechnika Białostocka, Wydział Informatyki
Bibliografia
  • 1. Cao G., Chen J., Jiang J., An adaptive approach to vehicle license plate localization, Industrial Electronics Society, 2003, p. 1786-1791.
  • 2. Carata S.V., Neagoe V.E. A Pulse-Coupled Neural Network Approach for Image Segmentation and Its Pattern Recognition Application, International Conference on Communications (COMM), 2016, p. 61-64.
  • 3. Di Stefano L., Bulgarelli A., A simple and efficient connected components labeling algorithm, Image Analysis and Processing, 1999, p. 322-327.
  • 4. Enyedi B., Fazekas K., Konyha L., Real time number plate localization algorithms. Journal of electrical engineering, 2006, T. 57, z. 2, p. 69-77.
  • 5. Farajian N., Rahimi M., Algorithms for license plate detection: A survey, Technology, Communication and Knowledge, 2014, p. 1-8.
  • 6. Ha P. S., Shakeri M., License Plate Automatic Recognition based on Edge Detection, International Conference on Artifical Intelligence and Robotics, 2016, p. 170-174.
  • 7. Lakshmanan B., Sheng W., Lui M., Zhang S. Locating License Tags Using Edges, The 6th Annual IEEE International Conference on Cyber Technology in Automation, Control and Intelligent Systems, 2016, p. 188-193.
  • 8. Martinsky O., Algorithmic and mathematical principles of automatic number plate recognition systems, Brno, 2007.
  • 9. Mikłasz M., Kawka G., Zastosowania systemów ARTR, Zeszyty Naukowe Zachodniopomorskiej Szkoły Biznesu Firma i Rynek, 2013, s. 31-39.
  • 10. Mikłasz M., Nowosielski A., Kawka G., Specjalizowany system ARTR kontroli ruchu drogowego, „Pomiary, Automatyka, Kontrola”, 2009, T. 55, z. 8, s. 612-614.
  • 11. Półrolniczak E., Metoda aktywnych konturów w segmentacji znaków na tablicach rejestracyjnych, „Pomiary, Automatyka, Kontrola”, 2012, T. 58, z. 2, s. 176-179.
  • 12. Rong L., A run-based algorithm for identifying connected components in binary images, 2010 IEEE International Conference on Software Engineering and Service Sciences, Beijing, 2010, p. 137-141.
  • 13. Roomi S., Anitha M., Bhargavi R., Accurate license plate localization, Computer, Communication and Electrical Technology, 2011, p. 92-97.
  • 14. Szymczyk T., Metoda dopasowania wzorców w rozpoznawaniu obrazów – ograniczenia, problemy i modyfikacje metody, „Automatyka” 2008, T. 12, z. 2, s. 449-462.
  • 15. Ukani N., Mehta H. An Accurate Method for License Plate Localization using Morphological Operations and Edge Processing, International Workshop on Image and Signal Processing, 2010, p. 2488-2491.
  • 16. Wang J., Zhou W., Xue J., Liu X., The research and realization of vehicle license plate character segmentation and recognition technology, International Conference on Wavelet Analysis and Pattern Recognition, 2010, p. 101-104.
  • 17. Wenke H., Kolodzey S., Vornberger O., A Work-Optimal Parallel Connected-Component Labeling Algorithm for 2D-Image-Data using Pre-Contouring, International Workshop on Image Processing, 2014, p. 154-161.
  • 18. Zhai X., Benssali F., Ramalingam S., License plate localisation based on morphological operations, Control Automation Robotics & Vision, 2010, p. 1128-1132.
  • 1. Cao G., Chen J., Jiang J., An adaptive approach to vehicle license plate localization, Industrial Electronics Society, 2003, p. 1786-1791.
  • 2. Carata S.V., Neagoe V.E. A Pulse-Coupled Neural Network Approach for Image Segmentation and Its Pattern Recognition Application, International Conference on Communications (COMM), 2016, p. 61-64.
  • 3. Di Stefano L., Bulgarelli A., A simple and efficient connected components labeling algorithm, Image Analysis and Processing, 1999, p. 322-327.
  • 4. Enyedi B., Fazekas K., Konyha L., Real time number plate localization algorithms. Journal of electrical engineering, 2006, T. 57, z. 2, p. 69-77.
  • 5. Farajian N., Rahimi M., Algorithms for license plate detection: A survey, Technology, Communication and Knowledge, 2014, p. 1-8.
  • 6. Ha P. S., Shakeri M., License Plate Automatic Recognition based on Edge Detection, International Conference on Artifical Intelligence and Robotics, 2016, p. 170-174.
  • 7. Lakshmanan B., Sheng W., Lui M., Zhang S. Locating License Tags Using Edges, The 6th Annual IEEE International Conference on Cyber Technology in Automation, Control and Intelligent Systems, 2016, p. 188-193.
  • 8. Martinsky O., Algorithmic and mathematical principles of automatic number plate recognition systems, Brno, 2007.
  • 9. Mikłasz M., Kawka G., Zastosowania systemów ARTR, Zeszyty Naukowe Zachodniopomorskiej Szkoły Biznesu Firma i Rynek, 2013, s. 31-39.
  • 10. Mikłasz M., Nowosielski A., Kawka G., Specjalizowany system ARTR kontroli ruchu drogowego, „Pomiary, Automatyka, Kontrola”, 2009, T. 55, z. 8, s. 612-614.
  • 11. Półrolniczak E., Metoda aktywnych konturów w segmentacji znaków na tablicach rejestracyjnych, „Pomiary, Automatyka, Kontrola”, 2012, T. 58, z. 2, s. 176-179.
  • 12. Rong L., A run-based algorithm for identifying connected components in binary images, 2010 IEEE International Conference on Software Engineering and Service Sciences, Beijing, 2010, p. 137-141.
  • 13. Roomi S., Anitha M., Bhargavi R., Accurate license plate localization, Computer, Communication and Electrical Technology, 2011, p. 92-97.
  • 14. Szymczyk T., Metoda dopasowania wzorców w rozpoznawaniu obrazów – ograniczenia, problemy i modyfikacje metody, „Automatyka” 2008, T. 12, z. 2, s. 449-462.
  • 15. Ukani N., Mehta H. An Accurate Method for License Plate Localization using Morphological Operations and Edge Processing, International Workshop on Image and Signal Processing, 2010, p. 2488-2491.
  • 16. Wang J., Zhou W., Xue J., Liu X., The research and realization of vehicle license plate character segmentation and recognition technology, International Conference on Wavelet Analysis and Pattern Recognition, 2010, p. 101-104.
  • 17. Wenke H., Kolodzey S., Vornberger O., A Work-Optimal Parallel Connected-Component Labeling Algorithm for 2D-Image-Data using Pre-Contouring, International Workshop on Image Processing, 2014, p. 154-161.
  • 18. Zhai X., Benssali F., Ramalingam S., License plate localisation based on morphological operations, Control Automation Robotics & Vision, 2010, p. 1128-1132.
Uwagi
PL
Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-d8b32453-17e0-4491-9a89-1b69349b2f64
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.