Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 3

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  license plate recognition
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W publikacji opisano kolejne etapy tworzenia aplikacji do automatycznego rozpoznawania tablic rejestracyjnych i identyfikacji numerów pojazdów z wykorzystaniem sieci neuronowych i podejścia Deep Learning, począwszy od przygotowania danych do trenowania, a skończywszy na testowaniu skuteczności działania. Do implementacji mechanizmu detekcji tablic rejestracyjnych został wykorzystany model sieci EfficientDet, a do optycznego rozpoznawania numerów identyfikacyjnych na wykrytych tablicach biblioteki Pytesseract oraz OpenCV. Weryfikacja skuteczności działania aplikacji dotyczyła oceny poprawności detekcji tablic rejestracyjnych oraz rozpoznania numerów identyfikacyjnych. Podstawowymi kryteriami oceny były powszechnie używane w takich zastosowaniach miary: dokładność, precyzja, czułość. Przeprowadzone testy pozwoliły ustalić optymalne wartości parametrów dla procesu detekcji tablic (wartości hiperparametrów, czyli rozmiar sieci, liczba kroków, liczba epok, wagi, współczynnik uczenia, rozmiar paczki danych podczas trenowania oraz wartość progu podczas weryfikacji działania), a także dla procesu rozpoznawania numerów (zachowanie lub usuwanie pikseli stykających się z granicą wyciętego obrazu, wartości parametrów filtra bilateralnego, operacji progowania).
EN
The paper describes the stages of creating an application for automatic license plate recognition and vehicle number identification using neural networks and the Deep Learning approach, starting from data preparation for training and ending with performance testing. The EfficientDet network model was used to implement the license plate detection mechanism and the Pytesseract and OpenCV libraries for the optical recognition of identification numbers on the detected plates. The verification of the effectiveness of the application concerned the assessment of the correctness of the detection of license plates in vehicles and the recognition of identification numbers. The basic evaluation criteria were the measures commonly used in such applications: accuracy, precision and sensitivity. The conducted tests allowed to determine the optimal parameter values for the license plate detection process (hyperparameter values, i.e. network size, number of steps, number of epochs, weights, learning coefficient, size of the data batch during training and the threshold value during operation verification) as well as for the number recognition process (keeping or removing pixels touching the border of the cut image, values of bilateral filter parameters, thresholding operations).
2
Content available Selected aspects of road vehicle localisation
EN
The article discusses possibilities of integrating techniques for optical recognition of vehicles, e.g. by automatic numer plate analysis, with data transmission via wireless mobile networks in order to create mobility patterns for objects of interest. The collected data may be interpolated to fill gaps and to prove the coincidence of the observed vehicle’s presence at selected places with other events. Further, course prediction by means of extrapolation may be attempted. Several theoretical and practical aspects of data acquisition, transmission and analysis are studied in this article.
PL
W artykule omówiono możliwości integracji techniki optycznego rozpoznawania pojazdów, na przykład przez automatyczną analizę znaków znajdujących się na tablicach rejestracyjnych, z przesyłaniem pozyskanych danych za pośrednictwem heterogenicznej sieci telekomunikacyjnej w celu stworzenia modeli mobilności dla obiektów zainteresowania. Zgromadzone dane mogą być interpolowane celem weryfikacji obecności obserwowanego pojazdu w wybranych miejscach. Ponadto możliwe do określenia są dalsze przebiegi badanej trajektorii poprzez ekstrapolację. W artykule przedstawiono wybrane teoretyczne i praktyczne aspekty pozyskiwania danych, ich transmisji i analizy.
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.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.