7. Kết quả dự kiến
3.6.3. Đánh giá kết quả
Trước tiên, ta có thể thấy được hệ thống nhận dạng biển số xe mới được
cải tiến một sốphương pháp xử lý ảnh và phương pháp xác định ngưỡng xám
thì ta thu được kết quả nhận dạng tốt hơn so với hệ thống nhận dạng biển số
xe truyền thống. Bên cạnh đó, kho dữ liệu ảnh biển số được thực hiện chụp
trong các điều kiện sáng tối khác nhau, ảnh thu nhận có nhiều nhiễu thì hệ
thống vẫn cho ra những kết quả khá chính xác. Xong, phần tách ký tự còn
chưa đạt kết quả cao nhất do quá trình xử lý của chương trình chưa loại bỏ
hoàn toàn được nhiễu trong ảnh, một số trường hợp bị nhiễu quá nhiều do
đinh ốc, vết bẩn… gây ảnh hưởng đến việc nhận dạng. Quá trình nhận dạng
ký tự sẽ phụ thuộc nhiều vào giai đoạn trích biển số và tách ký tự. Nếu việc trích biển số và tách ký tự tốt thì kết quả nhận dạng thu được sẽ đạt hiệu quả
cao. Tuy rằng nếu ảnh ký tự bị nhiễu quá nhiều cũng dẫn đến việc nhận dạng sai ký tự đó. Ngoài ra do số ký tự trên mỗi biển số xe khá ít, nên việc huấn luyện cho các ký tự chữ chưa được hoàn chỉnh như mong muốn và việc nhận dạng ký tự vẫn chưa có kết quả tốt nhất. Đối với các ký tự số, thường dễ nhầm lẫn giữa các ký tự 2 và 7, 2 và “z” hay 5 và 6. Thuật toán sử dụng trong luận
Nhìn chung, các kết quả nhận dạng cuối cùng vẫn đảm bảo để hệ thống
hoạt động tốt, tuy nhiên, vẫn cần có nhiều biện pháp lọc nhiễu cũng như các
thủ thuật khác để hệ thống hoàn thiện hơn.
a. Các mặt đã đạt được
Mục tiêu của luận văn là xây dựng và nâng cao hiệu năng cho chương
trình nhận dạng biển số xe. Như vậy, trong mục tiêu luận văn đã giải quyết
được các vấn đề sau:
- Xử lý ảnh
- Ứng dụng được thuật toán phân tích phổ tần số để trích biển số xe và
phân tích biểu đồ mức xám trong việc tách ký tự.
- Sử dụng mạng Nơronđể nhận dạng ký tự trên biển số.
- Xây dựng các kết quả nghiên cứu trên nền Visual Studio Dot Net (CSharp).
- Ứng dụng được thư viện AForge trong xử lý ảnh và thu nhận tín hiệu
video.
b. Các mặt còn hạn chế
Với các mặt đã đạt được nêu trên, tuy nhiên trong luận văn còn nhiều mặt hạn chế như:
- Chưa xửlý được các trường hợp ảnh quá tối hoặc quá sáng hoặc ảnh có
chất lượng xấu.
- Chương trình chưa mang tính tổng quát cao như nhận dạng các biển số
chưa đa dạng, ví dụ như các biển số xe có nền xanh chữ trắng (nhà nước) hay
nền đỏ chữ trắng (quân đội).
- Khả năng nhận dạng tương đối, chưa xử lý được các trường hợp chụp
ảnh quá xa hay quá gần so với khoảng cách qui định chụp ảnh.
c. Đề xuất hướng phát triển
Với những mặt hạn chế như trên, tôi xin đề ra các hướng phát triển đề
- Xây dựng ứng dụng tổng quát hơn cũng như xử lý với một số trường
hợp biển sốđặc biệt như: nền xanh chữ trắng, hay nền đỏ chữ trắng, …
- Khắc phục khả năng trích bảng số với khoảng cách linh động hơn, xử
lý ảnh và nhận dạng tốt hơn đối với biển số xấu.
- Tăng tốc độ xử lý của hệ thống.
d. Sử dụng một số chức năng trong thư viện AForge
Mở ảnh và định dạng ảnh
// load an image
System.Drawing.Bitmap image = (Bitmap) Bitmap.FromFile(filename);
// format image
AForge.Imaging.Image.FormatImage ( ref image ); Cách sử dụng bộ lọc trong thư viện aforge.net
// load an image
System.Drawing.Bitmap image = (Bitmap) Bitmap.FromFile(filename);
// create filter
AForge.Imaging.Filters.Median filter = new AForge.Imaging.Filters.Median ( ) ;
// apply filter
System.Drawing.Bitmap newImage = filter.Apply ( Image);
Nếu cần tác động nhiều chức năng lọc trên một ảnh, ta có thể triển khai
bao một tạp hợp các chức năng lọc FilterSequence, sau đó them vào filter các
chức năng lọc cần áp dụng cho hình. Và sau đó ta chỉ cần áp dụng các chức
năng lọc đó một lần:
// Create filters sequence
AForge.Imaging.Filters.FiltersSequence
//add filters to the sequence
Filter.Add ( new AForge.Imaging.Filters.Sepia ( ) );
Filter.Add ( new AForge.Imaging.Filters.ResizeBilinear (320, 240)); Filter.Add ( new AForge.Imaging.Filters.Pixellate (8) );
Filter.Add ( new AForge.Imaging.Filters.Jitter (2) ); Filter.Add ( new AForge.Imaging.Blur ( ) );
// apply the Sequence to an image
System.Drawing.Bitmap newImage = filter.Apply ( image);
Khởi tạo lại kích thước chuẩn cho ảnh:
IFilter filt = new ResizeBilinear ( 512, 256 ); img = filt.Apply (img);
- Chuyển ảnh sang mức xám:
IFilter way_filt = new GrayscaleY ( ) ; img = way _filt.Apply (img);
- Phân ngưỡng ảnh:
Way_filt = new Threshold ( 200) ; img = way_filt.Apply (img);
- Đảo màu ảnh:
Way_filt = new Invert (); Img = way_filt.Apply (img);
- Bộ lọc Median :
Way_filt = new Median (); Img = way_filt.Apply (img);
- Bộ lọc BlobsFiltering
BlobsFiltering filter = new BlobsFiltering (); Filter.MinHeight = 30;
Filter.MinWight = 15; Filter.Maxheight = 100;
- Bộ lọc BlobsCounter:
BlobCounter blobs = new BlobCounter (imgArr[i]); Blob [ ] words = blobs.GetObjects ( imgArr [i]) ; Foreach ( Blob word in words )
imgArr [i] = word.Image;
KẾT LUẬN CHƯƠNG 3:
Chương này đã giới thiệu được hệ thống nhận dạng biển sốxe, các bước
xử lý trực tiếp trên chứa biển số. Ngoài ra, tôi cũng so sánh cơ bản về hiệu
năng của một hệ thống xử lý biển sốxe cơ bản và một hệ thống khi áp dụng
một số cải tiến trong quá trình xử lý ảnh. Chương này nêu ra được ưu, khuyết
điểm của hệ thống đồng thời có hướng phát triển nhằm hoàn thiện hệ thống
DANH MỤC TÀI LIỆU THAM KHẢO
Tiếng Việt
[1] Lương Mạnh Bá & Nguyễn Thanh Thuỷ (1999), Nhập môn xử lý ảnh số,
Nhà xuất bản khoa học và kỹ thuật, Hà nội.
[2] Lê Hùng Lân (Chủ Biên), Nguyễn Thanh Hải, Nguyễn Quang Tuấn,
Đặng Quang Thạch, Nguyễn Trung Dũng (2012), Giáo trình hệ thống giao thông thông minh NXB Giao Thông Vận Tải.
[3] Ngô Diên Tập (1997), Xử lý ảnh bằng máy tính, Nhà xuất bản Khoa Học Kỹ Thuật.
[4] TS. Nguyễn Đình Thúc (2000), Mạng Nơron Phương pháp và ứng dụng, Nhà xuất bản Giáo dục.
[5] Lê Minh Trung (1999), Mạng Nơron nhân tạo, Nhà xuất bản Thống kê.
Tiếng Anh
[6] Andrew Kirillov (2007), Motion Detection sample application, AForge.NET framework.
[7] Andrew Kirillov (2006), Time Series Prediction using Multi-Layer Nơron Network, AForge.NET framework.
[8] Andrew Kirillov (2005), Nơron Network OCR, AForge.NET framework [9] Beatriz Díaz Acosta (2004), Experiments in image segmentation for
Automatic US License plate recognition, Master of science in Computer science, USA.
[10] Bose N.K., Liang P.J. (1996), Nơron Network Foundamentals with Graphs, Algorithms and Application, McGraw-Hill.
[11] License plate recognition technology (LPR) impact evaluation and community assessment.