Wpływ modelu barw oraz metody binaryzacji na skuteczność rozpoznawania numerów tablic rejestracyjnych

• Autorzy: Okarma K.

Warianty tytułu

EN

Influence of the color model and method of binarization on the recognition accuracy of register plate numbers

• Języki publikacji: PL

Abstrakty

PL

W artykule przeanalizowano znaczenie konwersji modeli barw obrazów przedstawiających tablice rejestracyjne pojazdów ze względu na proces rozpoznawania ich numerów rejestracyjnych. Biorąc pod uwagę fakt, iż wiele istniejących komercyjnych systemów wykorzystywanych do monitorowania ruchu pojazdów w Inteligentnych Systemach Transportowych funkcjonuje prawidłowo przy określonych założeniach dotyczących parametrów kamer, jak również warunków oświetleniowych, skupiono się na rozwiązaniach o niskiej mocy obliczeniowej, w których rozpoznawanie znaków odbywa się zazwyczaj dla obrazów binarnych. Określenie stopnia podobieństwa lub korelacji poszczególnych znaków do binarnego wzorca jest rozwiązaniem typowym, także w aplikacjach OCR, jednakże wynik klasyfikacji jest silnie uzależniony od wyniku binaryzacji obrazu. Binaryzacja, zwłaszcza w obecności zakłóceń, w szczególności dla obrazów kolorowych, nie jest zadaniem jednoznacznym, zarówno ze względu na różne metody wyznaczania wartości progu binaryzacji, jak również sposoby uprzedniej konwersji obrazu kolorowego do skali szarości. Przestawione w artykule wyniki eksperymentalne uzyskane dla kilku popularnych modeli barw oraz metod binaryzacji potwierdzają możliwości poprawy skuteczności rozpoznawania numerów rejestracyjnych pojazdów, w odniesieniu do typowo stosowanych metod, zwłaszcza dla obrazów kolorowych niskiej rozdzielczości poddanych stratnej kompresji lub zawierających zakłócenia wpływające na wynik binaryzacji.

EN

In this paper the importance of the color model conversion for images representing the vehicles’ register plates is analyzed in view of the recognition process of their numbers. Considering the fact that many existing commercial systems used for traffic monitoring in Intelligent Transport Systems operate properly under certain assumptions related to the camera parameters, as well as lighting conditions, the paper is focused on low computational power solutions, in which the character recognition is usually performed using the binary images. Calculation of the degree of similarity or correlation of individual characters to the binary pattern is a typical solution, also in the OCR applications, however, the result of classification is highly dependent on the result of image binarization. Binarization, especially in the presence of distortions, especially for color images, may be ambiguous, both because of the different methods of determining the binarization threshold value, as well as prior conversion of color images to grayscale. Experimental results presented in the article obtained for several popular color models and methods of binarization confirm the possibility of improving the efficiency of vehicle registration numbers’ recognition in comparison to conventionally used methods, especially for low resolution color images subjected to lossy compression or containing distortions affecting binarization result.

Słowa kluczowe

PL

tablica rejestracyjna; rozpoznawanie cyfr; binaryzacja

EN

license plate; recognition of digits; binarization

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 3
• Strony: 4796--4803
• Opis fizyczny: Bibliogr. 13 poz., rys., tab., wykr., pełen tekst na CD

Twórcy

autor

Okarma K.

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, Wydział Elektryczny, Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej; 70-313 Szczecin, ul. Gen. Władysława Sikorskiego 37

Bibliografia

• 1. Anagnostopoulos Ch., Anagnostopoulos I., Psoroulas I., Loumos V., Kayafas E., License Plate Recognition From Still Images and Video Sequences: A Survey, IEEE Transactions on Intelligent Transportation Systems, vol. 9 no. 3, September 2008, pp. 377–391.
• 2. Caner H., Gecim H., Alkar A., Efficient Embedded Neural-Network-Based License Plate Recognition System. IEEE Transactions on Vehicular Technology, vol. 57 no. 5, September 2008, pp. 2675–2683.
• 3. Gilly D., Raimond K., A Survey on License Plate Recognition Systems. International Journal of Computer Applications, vol. 61 no. 6, January 2013, pp. 34–40.
• 4. Mazurek P., Okarma K., Background Suppression for Video Vehicle Tracking Systems with Moving Cameras Using Camera Motion Estimation. Telematics in the Transport Environment (TST 2012), Communications in Computer and Information Science vol. 329, Springer Berlin Heidelberg 2012, pp. 372–379.
• 5. Mikulski J., Using Telematics in Transport. Transport Systems Telematics (TST 2010), Communications in Computer and Information Science vol. 104, Springer Berlin Heidelberg 2010, pp. 175–182.
• 6. Okarma K., Mazurek P.: Wykorzystanie otoczenia tablicy rejestracyjnej w procesie pasowania obrazów w algorytmach superrozdzielczości. Logistyka 2010 nr 6, str. 2521–2528.
• 7. Okarma K., Mazurek P., Zmodyfikowana hybrydowa metoda nieliniowej estymacji tła dla wizyjnych systemów śledzenia ruchu pojazdów. Logistyka 2012 nr 3, str. 1747–1752.
• 8. Otsu N., A Threshold Selection Method from Gray-Level Histograms, IEEE Transactions on Systems, Man and Cybernetics, vol. 9 no. 1, January 1979, pp. 62–66.
• 9. Patel Ch., Shah D., Patel A., Automatic Number Plate Recognition System (ANPR): A Survey. International Journal of Computer Applications, vol. 69 no. 9, May 2013, pp. 21–33.
• 10. Piccardi M., Background Subtraction Techniques: A Review. Proceedings of IEEE International Conference on Systems, Man and Cybernetics, vol. 4, October 2004, pp. 3099–3104.
• 11. Sauvola J., Pietikäinen M., Adaptive Document Image Binarization. Pattern Recognition, vol. 33 no. 2, February 2000, pp. 225–236.
• 12. Shapiro V., Gluhchev G., Dimov D., Towards a Multinational Car License Plate Recognition System. Machine Vision and Applications, vol. 17 no. 3, Springer Berlin Heidelberg, August 2006, pp. 173–183.
• 13. Wen Y., Lu Y., Yan J., Zhou Z., von Deneen K., Shi P., An Algorithm for License Plate Recognition Applied to Intelligent Transportation System. IEEE Transactions on Intelligent Transportation Systems, vol. 12 no. 3, September 2011, pp. 830–845.