Điều kiện tốt:
● Biển số trong cơ sở dữ liệu với điều kiện ánh sáng tốt, biển số rõ thì tỉ lệ nhận dạng đúng ● là 100%: ● ● Biển số ● Nhận dạng được ● Ký tự sai ● Số ký tự sai ●92B1-20482 ● 92B1-20482 ● Không có ● 0 ●43D1-37077 ● 43D1-37077 ● Không có ● 0 ● 47M9- 6470 ● 47M9-6470 ● Không có ● 0 ●43K1-20503 ● 43K1-20503 ● Không có ● 0 ● 38M1- 1529 ● 38M1-1529 ● Không có ● 0 ● 49T2- 8743 ● 49T2-8743 ● Không có ● 0
●74B1-07615 ● 74B1-07615 ● Không có ● 0 ●73G1-11088 ● 73G1-11088 ● Không có ● 0 ●92H1-09894 ● 92H1-09894 ● Không có ● 0 ● 82H2- 2291 ● 82H2-2291 ● Không có ● 0 ● ●
● ●
● Trong điều kiện ánh sáng tốt, biển số rõ, các ký tự độc lập thì hệ thống nhận dạng
● đúng gần như là 100%.
●
Điều kiện phức tạp:
● Biển số trong cơ sở dữ liệu với điều kiện phức tạp như ánh sáng không phù hợp (quá sáng, quá tối,…), biển số xe bị mờ, ký tự bị che khuất…
●
● Biển số ● Nhận dạng
được ● Ký tự sai ● Số ký tự sai
●43G1-19023 ● 43G1-18023 ● 9 ● 1 ● 43D1-221180 ● 43D1-22118 ● 0 ● 1 ●92D1-23155 ● 92D1-23155 ● Không có ● 0 ●43F1-19618 ● 43F1-19818 ● 6 ● 1 ●73E1-15831 ● 73F1-15831 ● E ● 1 ●43F1-05891 ● 43F1-85891 ● 0 ● 1 ● 92N6- 8849 ● 92M6-8849 ● N ● 1 ● 92L9- 1644 ● 92L9-1644 ● Không có ● 0 ● 43X2- 6355 ● 43X2-6355 ● Không có ● 0 ●43K1-19483 ● 43X1-19483 ● K ● 1 ● ●
●Bảng 4.6: Kết quả số ký tự nhận dạng đúng trong điều kiện phức tạp
●
● Trong điều kiện ánh sáng không phù hợp lúc sáng hoặc chiều, ánh sáng chiếu thẳng vào biển số, biển số bị mờ, ký tự trên biển số bị che khuất thì tỉ lệ nhận dạng đúng thấp, đôi khi còn mất ký tự.
●
● KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI
● Sau thời gian thực hiện đề tài, luận văn đã hoàn thành được các công việc cơ bản sau đây:
• Nghiên cứu lý thuyết về hệ thống nhận dạng biển số, trình bày các ứng dụng cũng như những khó khăn gặp phải khi áp dụng hệ thống nhận dạng biển số vào thực tế.
• Nghiên cứu lý thuyết các kỹ thuật xử lý ảnh và phương pháp nhận dạng ký tự bằng so sánh khớp mẫu.
• Nghiên cứu các thuật toán tách biển số ra khỏi ảnh cũng như thiết lập các ràng buộc để lựa chọn biển số.
• Xây dựng được thuật toán có thể thích nghi với sự thay đổi của môi trường như nhiễu nhỏ.
• Kết quả nhận dạng toàn bộ chương trình chỉ ở mức chấp nhận được, khả năng sai lớn nhất của chương trình trong quá trình chạy thử nghiệm là nhận dạng sai kí tự. Chính vì vậy, khả năng nhận dạng của chương trình không thể chính xác tuyệt đối.
● Đề tài đã giải quyết được vấn đề cơ bản của bài toán nhận dạng biển số. Tuy nhiên việc xử lý các vấn đề xảy ra trong thực tế nhận dạng nhiều hơn rất nhiều. Do đó cần nghiên cứu phát triển thêm:
• Phát triển thuật toán nhận dạng với kết quả chính xác cao hơn như: dùng biến đổi Hough để nhận dạng vùng biển số, dùng mạng Nơ-ron để nhận dạng ký tự. • Tổng hợp một cơ sở dữ liệu lớn hơn, thu thập mẫu các ký tự trong tất cả các
trường hợp.Xem xét tất cả các trường hợp ghi nhận biển số xấu như hỏng, dính liền ký
Kết luận và hướng phát triển đề tài
● ●
● tự, biển số bị mờ…để xây dựng thuật toán nhận dạng phù hợp.
• Nghiên cứu sử dụng thêm các thuật toán mới vào công nghệ nhận dạng ảnh. Thực hiện trên các camera hồng ngoại thay bằng camera bình thường như trong đề tài.
• Xây dựng hệ thống tự động hoá hoàn toàn: máy phát thẻ tự động, cảm biến phát hiện xe ra vào bão đỗ.
● ● ● ● ● Ti ếng Việt
● TÀI LIỆU THAM KHẢO
●
● [1]. Lương Mạnh Bá, Nguyễn Thanh Thủy (2007), Nhập môn xử lý ảnh số, Nhà xuất bản khoa học và kỹ thuật, Hà Nội, tr 153-211.
● [2]. Doãn Đạt Phước, Nguyễn Đồng Hải Phương (2008), Tự động nhận dạng biển số xe trong ảnh chụp từ camera, Tuyển tập Báo cáo “Hội nghị Sinh viên Nghiên cứu Khoa học” lần thứ 6 Đại học Đà Nẵng – 2008.
● [3]. Trương Quốc Bảo,Võ Văn Phúc (2013), Giải thuật mới cho bài toán định vị và nhận dạng biển số xe ô tô, Tạp chí khoa học Trường Đại học Cần Thơ
● [4]. Giáo trình Matlab của tác giả Phan Thanh Tao, trường ĐH Bách Khoa Đà Nẵng.
● Tiếng Anh
●
● [5]. Saqib Rasheed, Asad Naeem, Omer Ishaq, “Automated Number Plate Recognition Using Hough Lines and Template Matching”, Proceedings of the World Congress on Engineering and Computer Science 2012 Vol I WCECS 2012, (10/2012).
● [6]. J. Sharma, A Mishra, K. Saxena and S. Kumar , “A Hybrid Technique for License Plate Recognition Based on Feature Selection of Wavelet Transform and Artificial Neural Network”, International Conference on Reliability, Optimization and Information Technology, 2014.
● [7]. Yan, Dai., Hongqing, Ma., Jilin, Liu., and Langang, Li, A high performance license plate recognition system based on the web technique, Proceedings IEEE Intelligent Transport Systems, pp. 325-329, 2001
● [8]. Tran Duc Duan, Duong Anh Duc, Tran Le Hong, Combining Hough Transform and Contour Algorithm for detecting Vehicles. License-Plates,
Tài liệu tham khảo
Proceedings of 2004 International Symposium on Intelligent Multimedia, Video and Speech Processing, October 20-22, 2004, Hong Kong.
Tài liệu tham khảo
● ●
● [9]. Naito, T., Tsukada, T., Yamada, K., Kozuka, K., and Yamamoto, S., License plate recognition method for inclined plates outdoors, Proceedings International Conference on Information Intelligence and Systems, pp. 304-312, 1999.
● [10]. Salgado, L., Menendez, J. M., Rendon, E., and Garcia, Automatic car plate detection and recognition through intelligent vision engineering, Proceedings of IEEE 33r Annual International Carnahan Conference on Security Technology, pp. 71-76, 1999.
● [11]. Kim, G. M., The automatic recognition of the plate of vehicle using the correlation coefficient and Hough transform, Journal of Control, Automation and System Engineering, vol. 3, no.5, pp. 511-519, 1997.
● [12]. Kim, K. K., Kim, K. I., Kim, J.B., and Kim, Learning based approach for license plate recognition, Proceedings of IEEE Processing Society Workshop on Neural Networks for Signal Processing, vol. 2, pp: 614-623, 2000.
● [13]. Hontani, H., and Koga, T., Character extraction method without prior knowledge on size and information, Proceedings of the IEEE International Vehicle Electronics Conference (IVEC'01), pp. 67-72, 2001.
● [14]. Comelli, P., Ferragina, P., Granieri. M. N., and Stabile, F., Optical recognition of motor vehicle license plates, IEEE Transactions on Vehicular Technology, vol. 44, no. 4, pp: 790-799,1995.
● [15]. Cho, D. U., and Cho, Y. Ft., Implementation of pre-processing independent of environment and recognition and template matching, The Journal of the Korean Institute of Communication Sciences, vol. 23, no. 1, pp. 94-100, 1998.
● [16]. Lee, E. R., Earn, P. K., and Kim, H. J., Automatic recognition of a car license plate using color image processing, IEEE International Conference on Image Processing 1994, vol. 2, pp.301-305, 1994.
● [17]. Morel, J., and Solemini, S., Variational Methods in Image Segmentation
● ●
● [18]. Nieuwoudt, C, and van Heerden, R., Automatic number plate segmentation and recognition, Seventh annual South African workshop on Pattern Recognition, pp. 88-93, IAPR, 1996.
● [19]. Hansen, H., Kristensen, A. W., Kohler, M. P., Mikkelsen, A. W. , Pedersen J. M., and Trangeled, M., Automatic recognition of license plates, Institute for Electronic System, Aalhorg University, May 2002.
● [20]. Hamami, L., and, Berkani, D., Recognition System for Printed Multi- Font and Multi-Size Arabic Characters, The Arabian Journal for Science and Engineering, vol. 27, no. IB, pp. 57-72, 2002.
● [21]. Yu, M., and Kim, Y. D., An approach to Korean license plate recognition based on vertical edge matching, IEEE International Conference on Systems, Man, and Cybernetics, vol. 4, pp. 2975-2980, 2000.
● [22]. Hu, M. K., Visual Pattern Recognition by Moment Invariant, IRE Transaction on Information Theory, vol IT- 8, pp. 179-187, 1962.
● [23]. Teena Singh Rajput (2015), Automatic Vehicle Number Plate Recognition Using Morphological Edge Detection and Segmentation, International Journal of Emerging Technology and Advanced Engineering , olume 5, Issue 1, January 2015 ● Website ● [1]. http://en.wikipedia.org/wiki/Automatic_number_plate_recognition ● [2]. http://www.licenseplaterecognition.com ● [3]. http://vi.wikipedia.org/wiki/OCR ● [4]. www.Mathworks.com