loading
Noticias

Principio de reconocimiento de la matrícula

2021-02-02 18:47:37

Principio de trabajo de reconocimiento de matrícula

Por: Shenzhen TGW Technology Co.... Ltd

La tecnología de reconocimiento de matrículas se basa en la segmentación de imágenes, la teoría del reconocimiento de imágenes. La tecnología se utiliza para analizar imágenes que contienen una matrícula para determinar la posición de la matrícula y más extractos y reconoce los caracteres del texto.

alpr

Un proceso típico de reconocimiento de matrículas incluye adquisición de imágenes, preprocesamiento de imágenes, posicionamiento de matrículas, segmentación de caracteres, reconocimiento de caracteres y salida de resultados. Por proceso es complementario entre sí. Todo el proceso debe garantizar su alta eficiencia y alta capacidad anti-interferencia. Solo así el procesamiento de identificación puede lograr un resultado satisfactorio.

Hay dos formas principales de implementar el sistema de reconocimiento de matrículas, una de reconocimiento de imágenes fijas y la otra es el reconocimiento dinámico de secuencias de video. El reconocimiento de imágenes está limitado por factores como la calidad de imagen, la desfiguración de la placa y la inclinación de la placa. El reconocimiento dinámico de flujo de video requiere una velocidad de reconocimiento más rápida, que está limitada por los indicadores de rendimiento del procesador, especialmente cuando queremos realizar el reconocimiento de matrículas en tiempo real en terminales móviles, requiere una mayor optimización del rendimiento.

Aunque el reconocimiento de matrículas incluye seis procesos principales, el algoritmo central solo se ubica en tres módulos: posicionamiento de matrículas, segmentación de caracteres y reconocimiento de caracteres.

Posicionamiento de la matrícula

La tarea principal del posicionamiento de la placa es encontrar el área de la placa de matrícula de la imagen fija o el marco de video y separar la placa de la imagen para el procesamiento posterior del módulo. El posicionamiento de la placa de matrícula es uno de los factores importantes que afecta el rendimiento del sistema. En la actualidad, hay muchas formas de localizar las placas de matrícula, pero en general, se pueden dividir en dos métodos:

Primero, el método basado en imágenes gráficas.

Existen principalmente (1) métodos de localización basados en colores, como el algoritmo de borde de color, la distancia de color y el algoritmo de similitud, etc .; (2) métodos de localización basados en textura, como textura de ondículas, textura diferencial de gradiente horizontal, etc .; (3) Método de posicionamiento basado en detección de bordes; (4) Método de posicionamiento basado en forma matemática.

El método de posicionamiento basado en gráficos y tecnología de imagen es susceptible a la interferencia causada por la información de interferencia externa y causa fallas de posicionamiento. Por ejemplo, en el método de posicionamiento basado en análisis de color, si el color de fondo de la placa es similar al color de la placa, es difícil extraer la placa del fondo. En el método basado en la detección del borde, la mancha en el borde de la placa de matrícula puede causar fácilmente la falla de posicionamiento. La interferencia de la información de interferencia externa también engañará al algoritmo de posicionamiento, haciendo que el algoritmo de posicionamiento genere demasiadas regiones candidatas sin placa de matrícula, lo que aumenta la carga del sistema.

En segundo lugar, el método basado en el aprendizaje automático.

Los métodos basados en el aprendizaje automático incluyen métodos de posicionamiento basados en ingeniería de características y métodos de posicionamiento basados en redes neuronales. Por ejemplo, podemos entrenar un sistema de posicionamiento de matrículas a través de un clasificador en cascada basado en características haar proporcionadas por OpenCV. Pero este método lleva mucho tiempo entrenar, y la eficiencia de la clasificación y el posicionamiento también es baja. Por lo tanto, en el área de localización de objetivos, los métodos basados en redes neuronales son los métodos principales. En los métodos de localización basados en redes neuronales, las redes neuronales convolucionales se utilizan principalmente para aprender las características del objetivo. Debido a que la red neuronal convolucional tiene invariancia de traducción, se puede complementar con regiones candidatas en el proceso de aprendizaje y clasificar las regiones candidatas. La región candidata que se clasifica correctamente es la ubicación del objetivo. Hay muchos modelos de implementación para tales métodos, como RCNN, RCNN más rápido, SSD, etc.

Segmentación de caracteres

La tarea de la segmentación de caracteres es cortar cada carácter en una imagen de carácter multicolumna o multilínea de toda la imagen en una sola imagen de carácter. Los algoritmos de segmentación de caracteres tradicionales se pueden resumir en las siguientes dos categorías: métodos de segmentación directa, métodos de segmentación basados en la morfología de la imagen. El método de segmentación directa es simple, basado en algunos conocimientos previos, como la distribución de caracteres de placa, y también ayuda a algunos algoritmos de proyección básicos a lograr la segmentación; el método de segmentación basado en morfología utiliza la detección de bordes, la expansión y la corrosión para determinar la posición de la imagen de los caracteres. Los algoritmos de segmentación de caracteres tradicionales también son sensibles a las perturbaciones externas, como la inclinación de la placa, el ensuciamiento de caracteres y la adhesión. La segmentación correcta de los caracteres de la matrícula es muy importante para el reconocimiento de caracteres. Solo cuando la segmentación es correcta se puede garantizar la precisión del reconocimiento. Con el desarrollo continuo de la teoría de redes neuronales, la clasificación de imágenes de extremo a extremo y la tecnología de reconocimiento también han logrado grandes avances, por lo que muchos software OCR eliminan gradualmente el procesamiento de segmentación de caracteres tradicional, y los multicaracteres son reconocidos directamente por la red de reconocimiento..

Reconocimiento de personajes

El reconocimiento de caracteres es el proceso de extraer la codificación de caracteres de una imagen que contiene uno o más caracteres. El método típico de reconocimiento de caracteres es el método de clasificación de imágenes basado en el aprendizaje automático. En el método de clasificación de imágenes, una imagen solo puede generar una clasificación, es decir, una imagen solo puede contener una imagen de carácter. Esto requiere una alta precisión de segmentación de caracteres. Otro método de reconocimiento es el método de reconocimiento de caracteres de extremo a extremo basado en una red neuronal recurrente. Este método ingresa toda la imagen de la placa de matrícula en la red, y la red neuronal emitirá directamente todos los caracteres. El método de extremo a extremo elimina directamente el proceso de segmentación de caracteres y evita la pérdida de estabilidad causada por el error de segmentación de caracteres, pero el método de extremo a extremo también es sensible a otras perturbaciones como la inclinación de la placa.

Discutimos brevemente algunas tecnologías de la parte central de tres del sistema de reconocimiento de matrículas anterior. En el seguimiento, haremos una discusión detallada de algunas tecnologías convencionales.

Recomendado para ti
sin datos
Shenzhen Tiger Wong Technology Co., Ltd es el proveedor líder de soluciones de control de acceso para sistemas de estacionamiento inteligente de vehículos, sistemas de reconocimiento de matrículas, torniquetes de control de acceso de peatones, terminales de reconocimiento facial y Soluciones de estacionamiento LPR .
sin datos
CONTACT US

Shenzhen TigerWong Technology Co.... Ltd

Tel:86 13717037584

Correo electrónico: info@sztigerwong.com

Dirección: 1.er piso, edificio A2, parque industrial digital Silicon Valley Power, no. 22 Dafu Road, calle Guanlan, distrito de Longhua,

Shenzhen, provincia de GuangDong, China  

                    

Copyright©2021 Shenzhen TigerWong Technology Co.... Ltd  | Mapa del sitio
Contact us
skype
whatsapp
messenger
contact customer service
Contact us
skype
whatsapp
messenger
cancelar
Customer service
detect