(Luận văn) nghiên cứu về mạng nowrron tích chập và ứng dụng cho bài toán nhận dạng biển số xe

` HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - Nguyễn Thế Quyền lu an n va CHO BÀI TOÁN NHẬN DẠNG BIỂN SỐ XE p ie gh tn to NGHIÊN CỨU VỀ MẠNG NƠRON TÍCH CHẬP VÀ ỨNG DỤNG d oa nl w lu va an LUẬN VĂN THẠC SĨ KỸ THUẬT ll u nf (Theo định hướng ứng dụng) oi m z at nh z m co l gm @ an Lu HÀ NỘI - NĂM 2020 n va ac th si HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THƠNG - Nguyễn Thế Quyền lu NGHIÊN CỨU VỀ MẠNG NƠRON TÍCH CHẬP VÀ ỨNG DỤNG an CHO BÀI TOÁN NHẬN DẠNG BIỂN SỐ XE n va p ie gh tn to : KHOA HỌC MÁY TÍNH Mã số : 8.48.01.01 d oa nl w Chuyên ngành an lu va LUẬN VĂN THẠC SĨ KỸ THUẬT ll u nf (Theo định hướng ứng dụng) oi m z at nh z NGƯỜI HƯỚNG DẪN KHOA HỌC: TS PHẠM HOÀNG DUY m co l gm @ an Lu HÀ NỘI – NĂM 2020 n va ac th si lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si i LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu riêng tơi Nội dung luận văn có tham khảo sử dụng tài liệu, thông tin đăng tải tạp chí trang web theo danh mục tài liệu tham khảo Tất tài liệu tham khảo có xuất xứ rõ ràng trích dẫn hợp pháp Tơi xin hồn tồn chịu trách nhiệm chịu hình thức kỷ luật theo quy định cho lời cam đoan lu Hà nội, ngày tháng năm 2020 Người cam đoan an n va to p ie gh tn Nguyễn Thế Quyền d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si ii LỜI CẢM ƠN Trong trình thực luận văn này, Học viên nhận hướng dẫn, bảo tận tình Thầy TS Phạm Hồng Duy, giảng viên Khoa Cơng nghệ Thơng tin cán trực tiếp hướng dẫn khoa học Thầy dành nhiều thời gian việc hướng dẫn học viên cách đọc tài liệu, thu thập đánh giá thơng tin phương pháp nghiên cứu để hồn thành luận văn cao học Học viên xin chân thành cảm ơn Thầy, Cô giáo Học viện Công nghệ Bưu Viễn thơng ln nhiệt tình giúp đỡ tạo điều kiện tốt cho em suốt trình học tập trường lu Xin chân thành cảm ơn anh, chị bạn học viên lớp Cao học – an Học viện ln động viên, giúp đỡ nhiệt tình chia sẻ với em kinh nghiệm học va n tập, cơng tác suốt khố học to tn Học viên xin chân thành cảm ơn vị lãnh đạo bạn đồng nghiệp gh quan ln tạo điều kiện tốt để em hồn thành tốt đẹp khố học Cao học p ie w Em xin chân thành cảm ơn ! tháng năm 2020 d oa nl Hà nội, ngày ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si iii MỤC LỤC GIẢI THÍCH ĐỊNH NGHĨA VÀ TỪ VIẾT TẮT .v DANH SÁCH HÌNH .vi DANH SÁCH BẢNG vii PHẦN MỞ ĐẦU CHƯƠNG MẠNG NƠRON VÀ MẠNG NƠRON TÍCH CHẬP 1.1 Giới thiệu mạng nơron .2 1.2 Mạng nơron tích chập .5 lu an 1.2.1 Định nghĩa mạng nơron tích chập n va 1.2.2 Convolution (tích chập) .5 tn to 1.3 Mơ hình mạng nơron tích chập gh 1.4 Tính chất mạng nơron tích chập .8 p ie 1.5 Kết luận chương 10 CHƯƠNG TỔNG QUAN VỀ NHẬN DẠNG BIỂN SỐ XE 11 w oa nl 2.1 Khái niệm hệ thống nhận dạng biển số xe 11 d 2.1.1 Lịch sử phát triển .11 lu an 2.1.2 Cách thức hoạt động hệ thống nhận dạng biển số xe 11 u nf va 2.1.3 Phân loại ứng dụng nhận dạng biển số xe 12 ll 2.1.4 Ứng dụng thực tiễn Việt Nam .13 oi m 2.1.5 Phân loại biển số xe 14 z at nh 2.2 Phương pháp nhận dạng biển số xe từ ảnh chụp camera 17 2.2.1 Phương pháp chuyển đổi Hough 17 z 2.2.2 Phương pháp hình thái học 18 @ gm 2.3 Phương pháp nhận dạng ký tự biển số xe 19 m co l 2.4 Phạm vi nghiên cứu hướng giải 20 2.5 Kết luận chương 22 an Lu n va ac th si iv CHƯƠNG ÁP DỤNG MẠNG NƠRON TÍCH CHẬP TRONG NHẬN DẠNG KÝ TỰ .23 3.1 Nhận dạng ký tự toán nhận dạng biển số xe .23 3.2 Giai đoạn xử lý ảnh .23 3.2.1 Cách phân loại ảnh .23 3.2.2 Các giai đoạn xử lý ảnh .24 3.2.3 Xác định vùng chứa biển số .25 3.3 Xây dựng mơ hình nhận dạng ký tự 28 3.4 Thuật toán .31 lu 3.4.1 Tách dòng 31 an va 3.4.2 Tách ký tự 32 n 3.4.3 Ánh xạ vào ma trận 32 to 3.4.5 Nhận dạng ký tự 34 ie gh tn 3.4.4 Huấn luyện mạng nơron .34 p 3.5 Cài đặt ứng dụng 35 nl w 3.5.1 Môi trường cài đặt yêu cầu phàn cứng phần mềm 35 d oa 3.5.2 Giao diện chương trình 36 an lu 3.6 Kết thực nghiệm nhận dạng biển số xe 37 va 3.7 Kết luận chương 38 ll u nf KẾT LUẬN 40 oi m DANH MỤC TÀI LIỆU THAM KHẢO 41 z at nh z m co l gm @ an Lu n va ac th si v GIẢI THÍCH ĐỊNH NGHĨA VÀ TỪ VIẾT TẮT Định nghĩa/ Từ viết tắt Giải thích lu an n va CNTT Cơng nghệ thơng tin CSDL Cơ sở liệu ND Người dùng MLP Thuật toán lan truyền ngược RGB Red Green Blue ANPR Automatic number Plate Recognition p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si vi DANH SÁCH HÌNH Hình 1-1 Cấu tạo Nơron Hình 1-2 Minh họa tích chập Hình 1-3 Mơ hình mạng nơron tích chập Hình 1-4 Tích chập đồ kích hoạt .8 Hình 1-5 Kết nối cục Hình 1-6 Quá trình tổng hợp Hình 2-1 Ảnh xám lược đồ xám ảnh 19 lu an Hình 3-1 Ảnh màu, ảnh mức xám ảnh nhị phân .24 n va Hình 3-2 Các bước xử lý ảnh 24 tn to Hình 3-3 Một số loại biển sỗ xe thông dụng 26 gh Hình 3-4 Các bước phát vùng chứa biển số xe 27 p ie Hình 3-5 Bộ lọc sử dụng lớp tích chập ma trận kích w thước 3x3 của -1,0 29 oa nl Hình 3-6 Nhân chập lọc F1 với ma trận ảnh đầu vào số 7 30 d Hình 3-7 Ví dụ lọc cạnh (đứng phải, đứng trái, ngang dưới, ngang trên) với an lu đầu vào ảnh số viết tay .31 va Hình 3-8 Q trình chia lưới kí tự 33 ll u nf Hình 3-9 Quá trình ánh xạ từ ma trận điểm sang ma trận giá trị 34 oi m Hình 3-10 Giao diện Visual studio 2015 35 z at nh Hình 3-11 Giao diện chương trình 36 Hình 3-12 Một số biển khơng phát biển số 37 z Hình 3-13 Một số biển khơng tách ký tự, chữ số bị dính với vật bên ngồi @ gm đinh ốc, ký tự bị mờ nét, nét, loang lổ, 37 l Hình 3-14 Một số biển số xe nhận dạng sai hặc nhận dạng 38 m co Hình 3-15 Mẫu biển số xe nhận dạng chuẩn 38 an Lu n va ac th si vii DANH SÁCH BẢNG Bảng 1.1 Một số hàm truyền thông dụng Bảng 2.1 Quy định biển số cho quân đội 15 lu an n va p ie gh tn to d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 34 Bước 3: Tiến hành phân ngưỡng phát biên Có hai q trình phân ngưỡng phân ngưỡng tự động phân ngưỡng không tự động Khi ta tiến hành phân ngưỡng làm rõ vùng biển số, giai đoạn ta sử dụng phương pháp phát biên Bước 4: Tìm đường bao đối đượng Khi có ảnh thu bước tiến hành tìm vùng biên đối lu tượng riêng để trích vùng lấy thơng số vùng tọa độ điểm an cạnh, diện tích vùng va n Bước 5: Tách vùng biển số to gh tn Tìm đường bao đối tượng với tiêu chí tỉ lệ 3.5  W H  4.5 0.8  W H p ie 1.4 để tìm vùng biển số Tiến hành cắt vùng biển số ảnh để làm nguồn cho giai oa nl w đoạn cắt ký tự để làm mẫu cho q trình nhận dạng ký tự 3.3 Xây dựng mơ hình nhận dạng ký tự d an lu Sau tách ký tự dạng ảnh từ biển số xe, bước u nf va cần nhận dạng ký tự từ ảnh chuyển text Để nhận dạng ký tự có nhiều phương pháp nhận dạng, KNN, SVM, mạng nơron lan ll oi m truyền ngược, Ở sử dụng mạng nơron lan tích chập nhận dạng z at nh ký tự số ngun mạng nơron tích chập có độ xác cao, hiệu tốc độ xử lý tính tốn nhanh mạng trước z CNN sử dụng để phân loại tập ảnh viết tay số từ 00 tới 99 @ gm Đầu vào ảnh trắng đen (Gray Scale) biểu diễn ma m co l trận điểm ảnh với kích thước cố định h×wh×w Lớp tích chập CNN sử dụng 44 bộ lọc kích thước 3×33×3: F1F1, F2F2, F3F3, F4F4 với giá trị tương an Lu n va ac th si 35 ứng hình Các giá trị lọc biểu diễn màu sắc tương ứng với Đen (−1−1), Xám (00), Trắng (11) hình lu an n va Để minh hoạ cho phép nhân chập, sử dụng đầu vào ảnh p ie gh tn to Hình 3-12 Bộ lọc sử dụng lớp tích chập ma trận kích thước 3x3 của -1,0 w viết tay số 77, biểu diễn dạng ma trận 30×2230×22 và áp dụng riêng biệt oa nl lọc Phép nhân tích chập thực cách trượt ma trận d lọc 3×33×3 trên ma trận ảnh đầu vào 32×2232×22 (bộ lọc dịch sang phải/ xuống lu an dưới 11 cột/ hàng lần trượt) qua hết tất vùng kích u nf va thước 3×33×3 Việc trượt ma trận lọc ma trận đầu vào gọi “chập” (convoling) Như minh hoạ hình 3.2, ma trận F1F1 được chập với vùng ll oi m (block - region) điểm ảnh kích thước 3×33×3 của ảnh đầu vào Tại vị trí di z at nh chuyển ma trận F1F1, giá trị đầu tính tích chập (dot-product) ma trận F1F1 với vùng bao phủ tương ứng z m co l gm @ an Lu n va ac th si 36 lu an n va p ie gh tn to d oa nl w ll u nf va an lu m oi Hình 3-13 Nhân chập lọc F1 với ma trận ảnh đầu vào số 7 z at nh Ô đầu tiên (0,0)(0,0) của ma trận đầu (giá trị 0.010.01) kết phép nhân chập ma trận F1F1 với góc trái ma trận đầu vào z m co l gm @ tính sau: an Lu n va ac th si 37 Từ ma trận đầu kích thước 28×2028×20, thấy bốn lu lọc F1F1, F2F2, F3F3 và F4F4 dều sử dụng để phát cạnh ảnh an  F1: Phát cạnh đứng phải n va (thể điểm ảnh sáng hơn) to gh tn  F2: Phát cạnh đứng trái p ie  F3: Phát cạnh ngang d oa nl w  F4: Phát cạnh ngang ll u nf va an lu oi m Hình 3-14 Ví dụ lọc cạnh (đứng phải, đứng trái, ngang dưới, ngang trên) với đầu vào ảnh số viết tay z 3.4.1 Tách dòng z at nh 3.4 Thuật toán l gm @ Bước 1: Xác định giới hạn dòng Bước 2: Bắt đầu duyệt từ giới hạn (đỉnh) vừa tìm thấy dòng (0, m co top_line) an Lu n va ac th si 38 Bước 3: Tương tự xác định giới hạn trên, duyệt hết chiều rộng ảnh giá trị y Nếu duyệt hết dịng mà khơng tìm thấy ký tự pixel đen ghi nhận y-1 giới hạn dòng (bottom_line) Dừng duyệt Tăng số dòng lên (lines++) Nếu chưa tìm thấy bottom_line, tiếp tục duyệt đến dịng (tăng y, reset x=0) Bắt đầu từ giới hạn y (bottom_line) vừa tìm thấy sau cùng, lặp lại bước a,b để xác định giới hạn dòng tiếp theo, duyệt hết chiều cao ảnh dừng, trình xác định dịng ký tự hồn tất lu an 3.4.2 Tách ký tự va n Bước 1: Bắt đầu từ kí tự hàng với giá trị x to gh tn Bước 2: Quét hết chiều rộng với giá trị y Nếu phát điểm đen đánh dấu y đỉnh hàng p ie Nếu không xét điểm nl w Bước 3: Bắt đầu từ giới hạn kí tự phát giá trị x đầu d oa tiên (0, giới hạn kí tự) an lu Bước 4: Quét đến giới hạn dòng, giữ nguyên x u nf va Nếu phát điểm đen đánh dấu x phía trái kí tự ll Nếu không xét điểm m oi Nếu không thấy điểm đen tăng x khởi động lại y để xét đường thẳng z at nh đứng Bước 5: Bắt đầu từ phía trái kí tự tìm thấy m co l gm Khởi tạo với 19 phần tử tương ứng @ Bước 1: Đối với chiều rộng: z 3.4.3 Ánh xạ vào ma trận an Lu n va ac th si 39 Ánh xạ điểm đầu (0,y) điểm cuối (C_ rong,y) ảnh kí tự tương ứng với giá trị đầu (0,y) giá trị cuối (10,y) ma trận Chia nhỏ chiều rộng thành 19 giá trị tương ứng Bước 2: Đối với chiều cao: Khởi tạo với 29 phần tử tương ứng Ánh xạ điểm đầu (x,0) điểm cuối (x,C_ cao) ảnh kí tự tương ứng với giá trị đầu (x,0) giá trị cuối (x,29) ma trận Chia nhỏ chiều cao thành 19 giá trị tương ứng lu an n va ie gh tn to p Hình 3-15 Q trình chia lưới kí tự nl w Để đưa giá trị vào mạng nơron, cần chuyển ma trận điểm ảnh sang d oa ma trận giá trị an lu Thuật toán: u nf va Bước 1: Bắt đầu từ phần tử (0,0) Bước 2: Tăng x giữ nguyên giá trị y chiều rộng ma trận ll oi m Ánh xạ phần tử tới phần tử mảng tuyến tính z at nh  Nếu điểm đen nhận giá trị  Ngược lại nhận giá trị z Lặp lại (x,y)=( C_Rong, C_Cao) m co l gm @  Nếu x = chiều rộng khởi động lại x tăng y an Lu n va ac th si 40 Hình 3-16 Quá trình ánh xạ từ ma trận điểm sang ma trận giá trị 3.4.4 Huấn luyện mạng nơron Bước 1: Xây dựng mạng tương ứng với mơ hình tham số lu an Bước 2: Khởi tạo giá trị trọng số với giá trị ngẫu nhiên Nạp file huấn luyện n va (cả ảnh đầu vào ảnh đầu mong muốn) tn to Bước 3: Phân tích ảnh ánh xạ tất kí tự tìm thấy vào mảng Bước 4: Đọc giá trị đầu mong muốn từ file lưu trữ riêng biệt p ie gh chiều nl w Bước 5: Với kí tự: d oa  Tính tốn giá trị đầu mạng Feed ForWard toán lỗi va an lu  So sánh với giá trị đầu mong muốn tương ứng với kí tự tính oi m liên kết ll u nf  Truyền ngược giá trị từ đầu với liên kết điều chỉnh trọng số z at nh Bước 6: Chuyển sang kí tự lặp lại “6” hết kí tự Bước 7: Tính tốn trung bình lỗi cho tất kí tự z Bước 8: Lặp lại từ bước đến đạt số đưa vào số lần lặp tối gm @ đa m co tục lặp lại l Với phạm vi lỗi đạt đến ngưỡng Nếu bỏ lặp lại, ngược lại tiếp an Lu n va ac th si 41 3.4.5 Nhận dạng ký tự Bước 1: Nạp file ảnh Bước 2: Phân tích ảnh cho dịng kí tự Bước 3: Với dịng tách kí tự liên tiếp  Phân tích xử lý ảnh kí tự cho việc ánh xạ vào vectơ đầu vào  Đưa giá trị vector đầu vào cho mạng nơron tính tốn giá trị đầu 3.5 Cài đặt ứng dụng 3.5.1 Môi trường cài đặt yêu cầu phàn cứng phần mềm lu an Phần mềm Visual studio 2015: Visual Studio là một môi trường tích hợp từ va n Microsoft Nó sử dụng để phát triển chương trình máy tính cho Microsoft tn to Windows, trang web, ứng dụng web dịch vụ web Visual gh Studio hỗ trợ nhiều ngôn ngữ lập trình khác cho phép lập trình viên p ie biên tập mã gỡ lỗi để hỗ trợ (mức độ khác nhau) với hầu hết ngơn ngữ lập w trình, cung cấp dịch vụ ngôn ngữ cụ thể tồn Ứng dụng xây dựng oa nl ngôn ngữ bao gồm C, C ++,VB,C# d Tính chương trình Visual Studio biên tập code, sửa lỗi lu ll u nf va an thiết kế Window Forms… oi m z at nh z m co l gm @ an Lu n va ac th si 42 lu an n va to ie gh tn Hình 3-17 Giao diện Visual studio 2015 Thư viện xử lý ảnh EmguCV: OpenCV (Open Computer Vision) thư p viện mã nguồn mở chuyên dùng để xử lý vấn đề liên quan đến thị giác máy tính nl w Nhờ hệ thống giải thuật chuyên biệt, tối ưu cho việc xử lý thị giác máy tính, d oa tính ứng dụng OpenCV lớn EmguCV một cross flatform.NET, an lu thư viện xử lý hình ảnh mạnh dành riêng cho ngôn ngữ C#, cho phép gọi được chức của OpenCV từ NET va ll oi m tảng hỗ trợ u nf Lợi cua EmguCV viết hồn tồn C# ,có thể chạy z at nh Tính ứng dụng EmguCV lớn, kể đến nhận dạng ảnh ( nhận dạng khuôn mặt, vật thể …),xử lý ảnh (khử nhiễu, điều chỉnh độ sáng z … ), nhận dạng cử nhiều ứng dụng khác m co l gm @ an Lu n va ac th si 43 3.5.2 Giao diện chương trình lu an n va gh tn to p ie Hình 3-18 Giao diện chương trình d oa nl w ll u nf va an lu oi m z at nh z m co l gm @ an Lu n va ac th si 44 3.6 Kết thực nghiệm nhận dạng biển số xe Chạy ứng dụng nhận dạng biển số, đưa 376 ảnh liệu xe để kiểm tra kết phát biển số, tách ký tự nhận dạng ký tự chương trình, ghi nhận kết Tỉ lệ biển nhận dạng vùng biển số: 372/376 ~ 98% lu an n va tn to Tỉ lệ biển tách đầy đủ ký tự: 330/335 ~ 98% p ie gh Hình 3-19 Một số biển khơng phát biển số d oa nl w ll u nf va an lu oi m Hình 3-20 Một số biển khơng tách ký tự, chữ số bị dính với vật bên z at nh đinh ốc, ký tự bị mờ nét, nét, loang lổ, z m co l gm @ an Lu n va ac th si 45 Hình 3-21 Một số biển số xe nhận dạng sai hặc nhận dạng lu an n va p ie gh tn to d oa nl w va an lu ll u nf Hình 3-22 Mẫu biển số xe nhận dạng chuẩn oi m Kết nhận dạng chung ứng dụng từ khâu phát biển số, đến tách z at nh ký tự nhận dạng ký tự đạt xấp xỉ 65% với liệu có nhiều ảnh khơng đạt tiêu chuẩn bị bóng mờ, q dơ, nhịe,… Với ảnh biển số sẽ, rõ ràng, không z phụ kiện gắn biển, tỉ lệ nhận dạng đạt tới hớn 70% l gm @ 3.7 Kết luận chương số điểm sau: m co Demo nhận dạng với phương pháp trình bày đồ án thu an Lu n va ac th si 46 Huấn luyện mạng nơron có thành cơng hay không phụ thuộc nhiều vào giá trị khởi tạo ban đầu Nếu lựa chọn giá trị tối ưu việc huấn luyện nhanh đạt kết Chất lượng trình huấn luyện phụ thuộc nhiều vào chất lượng tập mẫu Nếu tập mẫu nhiều, đầy đủ, chất lượng nhận tri thức mạng cao, nhiên thời gian huấn luyện lâu Thời gian huấn luyện phụ thuộc nhiều vào lựa chọn tham số đầu vào nút ẩn, nút ra, nút vào Ưu điểm: thuật tốn cài đặt nhanh, tìm vùng biển số cách ly ký tự với tỉ lệ lu an thành cơng cao (ở biểnsố thơng thường), tìm ảnh tự nhiên, n va vùng biển số bị nghiêng.Bên cạnh đó, cịn tồn số điểm hạn chế chưa giải tn to như: ie gh  Tỉ lệ nhận dạng phụ thuộc nhiều vào điều kiện ánh sáng, phản p chiếu che bóng nl w  Với biển số có đường viền phức tạp mức độ nhận dạng oa khơng cao Chỉ giới hạn ảnh chụp góc 40 độ để nhận dạng d tốt, góc lớn khả nhận dạng giảm lu va an  Ảnh xe bóng tối hay ban đêm khơng có đèn flash khả u nf nhận dạng thấp thiếu sáng ll Bên cạnh đó, cịn tồn số điểm hạn chế chưa giải như: oi m chiếu che bóng z at nh  Tỉ lệ nhận dạng phụ thuộc nhiều vào điều kiện ánh sáng, phản z  Với biển số có đường viền phức tạp mức độ nhận dạng @ gm không cao Chỉ giới hạn ảnh chụp góc 40 độ để nhận dạng m co l tốt, góc lớn khả nhận dạng giảm  Ảnh xe bóng tối hay ban đêm khơng có đèn flash khả an Lu nhận dạng thấp thiếu sáng n va ac th si 47 KẾT LUẬN Luận văn “Nghiên cứu mạng nơron tích chập ứng dụng cho tốn nhận dạng biển số xe ” với mục đích tìm hiểu tốn giám sát, quản lý phương tiện giao thông cách tự động đạt kết sau: Lý thuyết: Về mặt lý thuyết, luận văn giới thiệu mạng nơron tích chập số phương pháp nhận dạng ảnh, ký tự; luận văn đưa nghiên cứu số thuật tốn tính áp dụng cho tốn đưa áp dụng thuật toán lu vào ứng dụng an va Ứng dụng: n Trên sở nghiên cứu lý thuyết test thành công liệu đầu vào gh tn to ứng dụng xây dựng tảng NET cho kết khả quan Hiện ứng p ie dụng giai đoạn thử nghiệm phát triển thêm modul để tiếp thu ý kiến đóng góp người dùng giúp cho ứng ụng hoàn thiện oa nl w Hướng nghiên cứu tiếp theo: d Nâng cao hiệu chương trình, tách ly kí tự biển số an lu trường hợp biển số bị nhiều nhiễu, mát thông tin nhiễu từ điều kiện mơi u nf va trường, tìm vùng biển số ảnh có độ tương phản biển số thấp Đặc biệt biển xe có màu đỏ chữ trắng ll oi m Phát triển chương trình thành module phần cứng Có khả tương thích z at nh với thiết bị quan sát camera Nghiên cứu theo hướng ứng dụng cụ thể : giám sát phương tiện giao z thông, xử lý vi phạm giao thông, quản lý xe bãi giữ xe, kho vật tư… m co l gm @ an Lu n va ac th si 48 DANH MỤC TÀI LIỆU THAM KHẢO Tài liệu Tiếng Việt [1] Trần Thúy Anh (chủ biên) (2011), Du lịch văn hóa vấn đế lý luận nghiệp vụ, Nxb Giáo dục Việt Nam, tr.37 Tài liệu Tiếng Anh: Y LeCun and Y Bengio.“Convolutional networks for images, [2] speech, and time-series.” In M A Arbib, editor, The Handbook of Brain Theory and Nơron Networks MIT Press, 1995 lu [3] Fabien Lauer, ChingY Suen, Gérard Bloch,”A trainable feature an extractor for handwritten digit recognition“,Elsevier, october 2006 va n [4] Patrice Y Simard, Dave Steinkraus, John Platt, "Best Practices for to tn Convolutional Nơron Networks Applied to Visual Document ie gh Analysis," International Conference on Document Analysis and p Recognition (ICDAR), IEEE Choo Kar Soon, Kueh Chiung Lin, Chung Ying Jeng and Shahrel A Suandi , “Malaysian Car Number Plate Detection and Recognition System”, 2012 d oa nl w [5] an lu Nobuyuki Otsu, "A threshold selection method from graylevel histograms”, 1979 u nf va [6] ll Các website tham khảo: oi m http://nơronnetworksanddeeplearning.com/chap6.html [8] http://nơronnetworksanddeeplearning.com/chap2.html www.emgucv.com m co l gm www.opencv.com @ [10] z [9] z at nh [7] an Lu n va ac th si