Nghiên cứu nâng cao hiệu năng trong hệ thống nhận dạng biển số xe

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG LÊ VŨ PHONG NGHIÊN CỨU NÂNG CAO HIỆU NĂNG TRONG HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE Chuyên ngành: Hệ thống thơng tin Mã số: 60.48.01.04 TĨM TẮT LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN Đà Nẵng - Năm 2017 Cơng trình hồnh thành ĐẠI HỌC ĐÀ NẴNG Người hướng dẫn khoa học: TS Nguyễn Hoàng Hải Phản biện 1: PGS TS Huỳnh Công Phát Phản biện 2: TS Nguyễn Quang Thanh Luận văn bảo vệ trước Hội đồng chấm Luận văn tốt nghiệp thạc sĩ Hệ thống thông tin họp Đại học Đà Nẵng vào ngày 07 tháng 01 năm 2017 Có thể tìm hiểu luận văn tại: - Thư viện Trường Đại học Sư phạm Đà Nẵng, Đại học Đà Nẵng - Trung tâm thông tin học liệu, Đại học Đà Nẵng MỞ ĐẦU Lý chọn đề tài Hiện nay, ngành công nghệ thông tin ngày phát triển Những thiết bị tự động ngày nhiều hơn, đa dạng hỗ trợ cho người nhiều Trong đó, lĩnh vực nghiên cứu thị giác máy có nhiều ứng dụng thực tế ghi nhận nhận dạng biển số xe, nhận dạng dấu vân tay, nhận dạng mã vạch, tương tác người máy… Chính lẽ đó, nghiên cứu thị giác máy xu hướng giới số Có thể nói hệ thống nhận dạng biển số xe có nhiều cơng trình nghiên cứu với phương pháp tiếp cận khác Những nghiên cứu xoay quanh vấn đề tìm cách tiếp cận xây dựng mơ hình thuật tốn theo hướng giải đơn lẻ toán nhỏ tổng hợp thành tốn lớn Trong giai đoạn xử lý khử nhiễu để nhận dạng biển số xe xem bước quan trọng chưa tìm phương án tối ưu Chính tơi chọn đề tài “Nghiên cứu nâng cao hiệu hệ thống nhận dạng biển số xe” Với vai trò phân tích đề tài tập trung vào xây dựng hệ thống nhận dạng biển số xe nhằm khắc phục ảnh có độ nhiễu cao hình ảnh chụp điều kiện khác hay điều kiện ánh sáng không tốt ban đêm… Mục tiêu nhiệm vụ đề tài 2.1 Mục tiêu Đề tài nghiên cứu xây dựng hệ thống nhận dạng biển số xe hiệu ổn định 2.2 Nhiệm vụ Để đạt mục tiêu trên, đề tài tập trung vào nhiệm vụ cụ thể sau: - Phân tích đặc điểm tốn xử lý ảnh để từ đề giải pháp hợp lý việc xây dựng triển khai hệ thống - Tìm hiểu ứng dụng xử lý ảnh thực tế với thư viện hỗ trợ - Phân tích đánh giá kết đạt thực hệ thống liệu thử đơn giản - Phân tích đánh giá kết đạt ảnh có nhiều đối tượng nhiễu, nhiều vùng ký tự Đối tượng phạm vi nghiên cứu 3.1 Đối tượng nghiên cứu - Xây dựng hệ nhận dạng biển số xe thực tế - Nâng cao độ xác cho hệ thống nhận dạng biển số xe 3.2 Phạm vi nghiên cứu Dựa liệu thu thập để tiến hành kiểm thử chất lượng hệ thống nhận dạng biển số xe Phương pháp nghiên cứu 4.1 Phương pháp nghiên cứu tài liệu - Nghiên cứu tài liệu, ngôn ngữ công nghệ liên quan - Tổng hợp tài liệu, phương pháp xử lý ảnh thư viện hỗ trợ xử lý ảnh 4.2 Phương pháp nghiên cứu thực nghiệm - Phân tích thiết kế hệ thống nhận dạng biển số xe - Thử nghiệm hệ thống đánh giá kết đạt với hình ảnh có đỗ nhiễu cao Giải pháp đề xuất Mục đích ý nghĩa đề tài 6.1 Mục đích Nghiên cứu nâng cao độ xác cho hệ thống nhận dạng biển số xe 6.2 Ý nghĩa khoa học thực tiễn đề tài a Về mặt khoa học - Nhận dạng biển số xe vấn đề không đưa vào thực tế sử dụng nhiều hạn chế, có vấn đề xử lý hình ảnh có đỗ nhiều cao nhiều yếu tố góc chụp ảnh, điều kiện thời tiết, điều kiện ánh sáng - Kết nghiên cứu đề tài tạo tảng sở để tiếp tục nghiên cứu phát triển hệ thống ứng dụng vào thực tế sống b Về mặt thực tiễn Kết đề tài xây dựng hệ thống nhận dạng biển số xe để đưa kết xác biển số xe thơng qua hình ảnh ghi từ hệ thống camera hình ảnh Kết dự kiến Xây dựng hệ thống nhận dạng biển số xe cho kết xác ổn định Bố cục luận văn Nội dung luận văn chia thành chương sau: Chương 1.Tổng quan xử lý ảnh Chương Tổng quan hệ thống nhận dạng biển số xe Chương Ứng dụng mạng Nơ-ron để nhận dạng ký tự hệ thống nhận dạng biển số xe CHƯƠNG TỔNG QUAN VỀ XỬ LÝ ẢNH 1.1 NHỮNG KHÁI NIỆM VỀ ẢNH SỐ Muốn xử lý ảnh máy tính, ta phải tiến hành q trình số hóa ảnh Q trình biến đổi tín hiệu liên tục sang tín hiệu rời rạc thơng qua q trình lấy mẫu (rời rạc hóa khơng gian) lượng hóa thành giá trị (rời rạc hóa biên độ giá trị) mà mắt thường phân biệt hai mức xám kề Chính ta sử dụng khái niệm phần tử ảnh hay điểm ảnh (pixel) Trong khuôn khổ ảnh hai chiều, điểm ảnh bao gồm cặp tọa độ (c,r) giá trị biểu diễn độ sáng cụ thể Các cặp tọa độ tạo nên độ phân giải cho ảnh 1.2 MỘT SỐ KHÁI NIỆM VỀ XỬ LÝ ẢNH Trong năm gần đây, kỹ thuật xử lý ảnh ngày sử dụng phổ biến hệ thống thông tin tự động, hệ thống ngày thông minh hơn, không dừng lại việc xử lý để nâng cao chất lượng ảnh, lưu trữ ảnh hay phân tích kết cấu ảnh mà tự động nhận dạng đối tượng ảnh để rút thông tin chứa ảnh Chẳng hạn lĩnh vực thám khơng, hình chụp từ khơng gian nhờ hệ thống xử lý ảnh tự động để xác định thơng tin vùng mặt đất hay tượng tự nhiên diễn nhằm dự báo tượng tương tự tương lai Hay lĩnh vực y học sử dụng kỹ thuật xử lý ảnh chụp cắt lớp thể người, ảnh chụp siêu âm, ảnh chụp tế bào, nhiễm sắc thể để nhận dạng chuẩn đoán bệnh Hay lĩnh vực xử lý đo lường cần xử lý ảnh chụp trình để nhận dạng, đo lường mực nước đập nước đo liều lượng, đo tốc độ dòng chảy, lượng hạt nguyên tử Cùng với phát triển mạnh mẽ máy tính số, xử lý ảnh số với hỗ trợ máy tính phát triển có nhiều ứng dụng Các ứng dụng cụ thể như: lĩnh vực truyền hình, việc lấy hình ảnh từ vệ tinh trái đất ảnh giảm chất lượng tác động gây nhiễu từ môi trường hay nhiễu thiết bị xuất nhập Trong đo đạc đồ phục vụ cho việc xây dựng đồ, trình chụp ảnh đồ bị mờ, nhoè bị nhiễu điều kiện khách quan môi trường chụp Do việc xử lý khơi phục lại ảnh gốc quan trọng 1.3 QUÁ TRÌNH XỬ LÝ ẢNH Các phương pháp xử lý ảnh ứng dụng chính: nâng cao chất lượng ảnh phân tích ảnh Q trình xử lý ảnh thao tác ảnh đầu vào để tạo kết mong muốn Nó tạo ảnh từ ảnh gốc trả kết luận tùy theo yêu cầu người xử lý Dữ liệu đầu vào (Ảnh, loạt ảnh, video) Hệ thống xử lý ảnh Kết Hình 1.5 Quá trình xử lý hình ảnh 1.4 MỘT SỐ ỨNG DỤNG CỦA XỬ LÝ ẢNH Xử lý ảnh ứng dụng lĩnh vực điện tử gia đình, thiên văn học, sinh vật học, vật lý, nông nghiệp, địa lý … Khả nhìn nghe thấy hai phương tiện quan trọng để người nhận thức giới bên ngồi, khơng có đáng ngạc nhiên mà xử lý ảnh số có nhiều khả ứng dụng, không khoa học kỹ thuật mà hoạt động khác người KẾT LUẬN CHƯƠNG 1: Chương trình bày số khái niệm chung ảnh số xử lý ảnh Đồng thời giới thiệu số ứng dụng xử lý ảnh sống CHƯƠNG TỔNG QUAN HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE 2.1 GIỚI THIỆU HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE CƠ BẢN Ảnh đầu vào Trích vùng biển số xe Tách ký tự biển số xe Nhận dạng ký tự Xử lý đưa kết Hình 2.1 Các bước tiến hành nhận dạng biển số xe 2.1.1 Chuyển ảnh sang ảnh mức xám 2.1.2 Lược đồ mức xám 2.1.3 Trích biển số xe 2.1.4 Một số phương pháp tách ký tự vùng chứa biển số 2.1.5 Phương pháp nhận dạng ký tự a Phương pháp hình thái học b Phương pháp nhận dạng máy học 2.1.6 Nhận xét kết xây dựng hệ thống nhận dạng biển số xe đơn giản 2.2 XÂY DỰNG HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE SỬ DỤNG MỘT SỐ CẢI TIẾN KỸ THUẬT XỬ LÝ ẢNH 2.2.1 Phương pháp Otsu Trước tiên, sau thống kê mức xám ảnh ban đầu, nhận đồ thị biểu diễn mức xám có hai đỉnh, đỉnh biểu diễn cho vùng text, đỉnh lại biểu diễn cho vùng ảnh Theo Otsu, ngưỡng k* tốt chọn giá trị mà làm cho chênh lệch σ b2 hai đoạn đồ thị đạt cực đại 2.2.2 Thuật toán K-means xử lý ảnh Các bước thực phân nhóm K-Means - Thuật toán K-means gồm bước sau: Đặc trưng thành phần phân nhóm trích Mỗi thành phần đánh dấu đưa vào nhóm có trị trung bình gần với thành phần cách tính khoảng cách thành phần trị trung bình nhóm Khoảng cách khoảng cách Euclidean, khoảng cách khối City, … Khi tất thành phần đánh dấu, trị trung bình nhóm tính tốn lại Q trình lặp lại khơng có thay đổi trị trung bình nhóm thuật toán đạt đến số lần lặp định trước 2.2.3 Kỹ thuật lọc trung vị Mục đích phương pháp lọc nhằm loại bỏ nhiễu mà đảm bảo độ phân giải Tuy nhiên hiệu giảm số điểm 10 2.4.1 Mơ hình Nơron nhân tạo Hình 2.8 Nơron đầu vào Đầu nơron tính cơng thức: a = f(wx+b) Mạng Nơron lớp Hình 2.11 Mơ hình mạng Nơron lớp 11 Mạng Nơron truyền thằng lớp Hình 2.12 Mơ hình truyền thẳng lớp 2.4.2 Cách thức thiết lập mạng Nơron a Các bước chuẩn bị thiết lập mạng Nơron nhân tạo Thu thập liệu Huấn luyện b Các thiết kế mạng Nơron nhân tạo 2.4.3 Phân loại cấu trúc mạng Nơron a Mạng nơron có cấu trúc tiến Perceptron nhiều lớp (MLP) Mạng tuyến tính (Adapt Linear Neural Network) Mạng ni tuyến lan truyền ngược (Back Propagation Feed Forward Network) Radial Basis (RBF) Mạng Kohonen Mạng tự tổ chức (Self Organization Network) Mạng LVQ (Learning Vector Quantization) 12 b Mạng hồi quy 2.5 CƠ SỞ LÝ THUYẾT VÀ GIẢI THUẬT XÂY DỰNG MẠNG LAN TRUYỀN NGƯỢC 2.5.1 Cấu trúc mạng lan truyền ngược a Các loại nơron (Tansig, Logsig, Purelin) b Cấu trúc lớp mạng lan truyền ngược Hình 2.14 Mạng lớp với nơron logsig có R đầu vào Sơ đồ khối lớp Hình 2.15 Sơ đồ khối lớp mạng nơron logsig 13 Mơ hình mạng hai lớp sau Hình 2.16 Mạng hai lớp dùng Nơron tagsig pureline 2.5.2 Cách thức huấn luyện cho mạng lan truyền ngược a Nguyên lý chung b Giảm dốc (Steepest Decent Gradient) c Ưu nhược điểm thuật tốn d Quy tắc học thích nghi e Kết hợp độ dốc gradient (Conjugate gradient descent) f Levenberg – Marquardt 2.6 MỘT SỐ VẤN ĐỀ QUÁ KHỚP VÀ NĂNG LỰC CỦA MẠNG Hình 2.17 Mạng bị khớp với mẫu huấn luyện Hình mơ cho thấy đáp ứng mạng huấn luyện nhiều lần Rõ ràng mạng khớp với liệu 14 khơng thể tổng qt hóa tốt Khi huấn luyện nhiều mạng khớp Bởi vậy, chọn lựa độ phức tạp mạng đúng? Mạng lớn ln ln có sai số nhỏ hơn, điều khớp q mức mơ hình huấn luyện tốt 2.7 PHƯƠNG PHÁP CẢI THIỆN TÍNH TỔNG QT HĨA 2.7.1 Phương pháp Regularization 2.7.2 Huấn luyện mạng nơron phát mạng bắt đầu khớp Hình 2.18 Mạng dừng huấn luyện lúc KẾT LUẬN CHƯƠNG 2: Chương giới thiệu hệ thống nhận diện biển số xe bản, bước xử lý, phương pháp khác để nhận dạng biển số xe Bên cạnh đó, chương nêu số cải tiến kỹ thuật xử lý ảnh nhằm nâng cao hiệu hệ thống nhận dạng Ngoài ra, tìm hiểu tổng qt mạng nơron nhân tạo, cách thức xây dựng giải số vấn đề bất cập áp dụng mạng 15 CHƯƠNG ỨNG DỤNG MẠNG NƠRON ĐỂ NHẬN DẠNG KÝ TỰ CHO HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE 3.1 MƠ HÌNH TỔNG QT HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE Hình 3.1 Mơ hình tổng quát hệ thống nhận dạng biển số xe 16 3.2 Q TRÌNH THU NHẬN ẢNH Bảng 3.1 Bảng mơ tả thơng tin ảnh biển số xe Dạng biển số Hình chữ nhật bao gồm dòng chữ Ký tự biển số xe Gồm có 10 ký tự số: 0,1,2,3,4,5,6,7,8,9 26 ký tự chữ in hoa gồm {A…Z} - Thơng tin tỉnh thành, quận huyện: ký tự dòng - Số hiệu biển số: ký tự dòng Miền kích thước biển Chiều cao: 40 cm số Chiều rộng: 50 cm Màu ảnh màu chữ Ảnh có sáng chữ tối Vị trí tương đối biển số Thường nằm khoảng ảnh ảnh thu nhận xử lý Chiều rộng chiều cao Chiều rộng: 7cm ký tự biển số Chiều cao: 10 cm xe 3.3 QUÁ TRÌNH TRÍCH BIỂN SỐ XE, XỬ LÝ ẢNH BIỂN SỐ VÀ TÁCH KÝ TỰ CHỮ SỐ XE 3.3.1 Thuật tốn trích biển số xe dùng phương pháp phân tích phổ tần số Hình 3.2 Phân tích phổ ngang cho ảnh chứa biển số 17 Hình 3.3 Ảnh tách dòng chứa biển số Hình 3.4 Phân tích phổ ngang cho ảnh chứa biển số cắt phần thừa Hình 3.5 Biển số sau tách 3.3.2 Các bước tiền xử lý Hình 3.6 Biển số xe cần nhận dạng - Chuyển ảnh sang ảnh Gray Level: Hình 3.7 Biển số xe sau tách chuyển sang ảnh mức xám 18 - Xử lý ảnh kỹ thuật K-means: Hình 3.8 Biển số xe sau xử lý thuật toán K-Means - Đảo ngược màu: (Invert) Hình 3.9 Biển số xe sau đảo màu - Lọc Median: Hình 3.10 Biển số xe sau lọc Median - Bộ lọc BlobsFiltering: Hình 3.11 Biển số xe BlobsFiltering 19 3.3.3 Thuật tốn tách ký tự Hình 3.12 Một số kết tách ký tự 3.4 QUÁ TRÌNH NHẬN DẠNG KÝ TỰ ĐƠN BẰNG MẠNG NƠRON NHÂN TẠO 3.4.1 Mơ hình mạng nơron 3.4.2 Tạo mạng nơron nhân tạo Mạng chữ Hình 3.14 Sơ đồ mạng nơron nhận dạng ký tự chữ Mạng số Hình 3.15 Sơ đồ mạng nơron nhận dạng ký tự số 20 3.4.3 Khởi tạo trọng số mạng nơron Với việc nhận dạng mạng chữ ta dùng thông số: Bảng 3.2 Thông số nhận dạng mạng chữ Weight_character values Hidden Layer Size 100 Number of Patterns 21 Number of Epochs 9999 Learning Rate 100 Weight Bias 30 Sigmoid Slope 0.05 Với việc nhận dạng mạng số ta dùng thông số: Bảng 3.3 Thông số nhận dạng mạng số Weight_number values Hidden Layer Size 100 Number of Patterns 10 Number of Epochs 9999 Learning Rate 100 Weight Bias 30 Sigmoid Slope 0.05 3.4.4 Huấn luyện mạng Nơron Quá trình huấn luyện mạng trình xác định trọng số mạng để xấp xỉ với hàm đích cho trước Đầu tiên mạng huấn luyện với mẫu chuẩn với sai số khoảng 10 -7 Sau đó, mạng tiếp tục huấn luyện với ảnh mẫu có nhiều sai số lớn (khoảng 10 -5) để trọng số không ảnh hưởng đến việc nhận dạng ảnh mẫu chuẩn 21 3.5 GIAO DIỆN CHƯƠNG TRÌNH NHẬN DẠNG BIỂN SỐ XE Hình 3.16 Giao diện hệ thống 3.6 KIỂM TRA CHƯƠNG TRÌNH VÀ ĐÁNH GIÁ KẾT QUẢ CHẠY THỬ 3.6.1 Kho liệu thử nghiệm Bảng 3.4 Mô tả liệu thử nghiệm Độ phân giải Ảnh 1152 x 864 pixel Vị trí chụp ảnh Thẳng đứng, diện Điều kiện ánh sáng - Chụp vào lúc trời sáng - Chụp vào lúc trời tối Số lượng ảnh 200 Hệ điều hành thử nghiệm Windows 10 3.6.2 Đánh giá kết thử nghiệm Bảng 3.5 Thống kê kết nhận dạng biển số hệ thống Số lượng mẫu thử nghiệm Kích thước ảnh chụp 200 1152x864 Số lượng trích biển số 183 Số lượng trích biển số sai 17 22 Số lượng tách ký tự 72 Số lượng tách ký tự sai 111 Số lượng nhận dạng 60 Số lượng nhận dạng sai 12 Bảng 3.6 Tổng kết kết thử nghiệm Số lượng mẫu thử nghiệm Kích thước ảnh chụp 200 1152x864 Số lượng trích biển số 183 Số lượng trích biển số sai 17 Số lượng tách ký tự 166 Số lượng tách ký tự sai 17 Số lượng nhận dạng 166 Số lượng nhận dạng sai 34 3.6.3 Đánh giá kết Trước tiên, ta thấy hệ thống nhận dạng biển số xe cải tiến số phương pháp xử lý ảnh phương pháp xác định ngưỡng xám ta thu kết nhận dạng tốt so với hệ thống nhận dạng biển số xe truyền thống Bên cạnh đó, kho liệu ảnh biển số thực chụp điều kiện sáng tối khác nhau, ảnh thu nhận có nhiều nhiễu hệ thống cho kết xác Xong, phần tách ký tự chưa đạt kết cao trình xử lý chương trình chưa loại bỏ hồn toàn nhiễu ảnh Một số trường hợp bị nhiễu nhiều đinh ốc, vết bẩn… gây ảnh hưởng đến việc nhận dạng xử lý tốt chưa triệt để Quá trình nhận dạng ký tự phụ thuộc nhiều vào giai đoạn trích biển số tách ký tự Nếu việc trích biển số tách ký tự tốt kết nhận dạng thu đạt hiệu cao 23 Tuy ảnh ký tự bị nhiễu nhiều dẫn đến việc nhận dạng sai ký tự Ngồi số ký tự biển số xe ít, nên việc huấn luyện cho ký tự chữ chưa hoàn chỉnh mong muốn việc nhận dạng ký tự chưa có kết tốt Đối với ký tự số, thường dễ nhầm lẫn ký tự 7, “z” hay Thuật toán sử dụng luận văn quét hết tất điểm hình nên tốc độ xử lý chưa q cao Nhìn chung, kết nhận dạng cuối đảm bảo để hệ thống hoạt động tốt, nhiên, cần có nhiều biện pháp lọc nhiễu thủ thuật khác để hệ thống hoàn thiện số biển số nghiêng hệ thống chưa thể nhận dạng a Các mặt đạt Mục tiêu luận văn xây dựng nâng cao hiệu cho chương trình nhận dạng biển số xe Như vậy, mục tiêu luận văn giải vấn đề sau: - Xử lý ảnh - Ứng dụng thuật tốn phân tích phổ tần số để trích biển số xe phân tích biểu đồ mức xám việc tách ký tự - Sử dụng mạng Nơron để nhận dạng ký tự biển số - Xây dựng kết nghiên cứu Visual Studio Dot Net (CSharp) - Ứng dụng thư viện AForge xử lý ảnh thu nhận tín hiệu video b Các mặt hạn chế Với mặt đạt nêu trên, nhiên luận văn nhiều mặt hạn chế như: - Chưa xử lý trường hợp ảnh tối sáng ảnh có chất lượng xấu 24 - Chương trình chưa mang tính tổng qt cao nhận dạng biển số chưa đa dạng, ví dụ biển số xe có xanh chữ trắng (nhà nước) hay đỏ chữ trắng (quân đội) - Khả nhận dạng tương đối, chưa xử lý trường hợp chụp ảnh xa hay gần so với khoảng cách qui định chụp ảnh c Đề xuất hướng phát triển Với mặt hạn chế trên, xin đề hướng phát triển đề tài: - Xây dựng ứng dụng tổng quát xử lý với số trường hợp biển số đặc biệt như: xanh chữ trắng, hay đỏ chữ trắng, … - Khắc phục khả trích bảng số với khoảng cách linh động hơn, xử lý ảnh nhận dạng tốt biển số xấu, biển số nghiêng góc 45 độ - Tăng tốc độ xử lý hệ thống KẾT LUẬN CHƯƠNG 3: Chương chạy thử hệ thống nhận dạng biển số xe, bước xử lý trực tiếp chứa biển số Ngồi ra, tơi so sánh hiệu hệ thống xử lý biển số xe xây dựng trước với hệ thống áp dụng số cải tiến trình xử lý ảnh Chương nêu ưu, khuyết điểm hệ thống đồng thời có hướng phát triển nhằm hồn thiện hệ thống nhận dạng biển số xe để áp dụng vào thực tế sống ... tự Đối tượng phạm vi nghiên cứu 3.1 Đối tượng nghiên cứu - Xây dựng hệ nhận dạng biển số xe thực tế - Nâng cao độ xác cho hệ thống nhận dạng biển số xe 3.2 Phạm vi nghiên cứu Dựa liệu thu thập... ảnh số xử lý ảnh Đồng thời giới thiệu số ứng dụng xử lý ảnh sống 7 CHƯƠNG TỔNG QUAN HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE 2.1 GIỚI THIỆU HỆ THỐNG NHẬN DẠNG BIỂN SỐ XE CƠ BẢN Ảnh đầu vào Trích vùng biển. .. giới thiệu hệ thống nhận diện biển số xe bản, bước xử lý, phương pháp khác để nhận dạng biển số xe Bên cạnh đó, chương nêu số cải tiến kỹ thuật xử lý ảnh nhằm nâng cao hiệu hệ thống nhận dạng