Principe de fonctionnement de la reconnaissance de la plaque d'immatriculation

Par: Shenzhen TGW Technology Co.,Ltd

La technologie de reconnaissance des plaques d'immatriculation est basée sur la segmentation d'image, la théorie de la reconnaissance d'image. La technologie est utilisée pour analyser les images contenant une plaque d'immatriculation afin de déterminer la position de la plaque d'immatriculation et d'autres extraits et reconnaissent les caractères du texte.

Un processus de reconnaissance de plaque d'immatriculation typique comprend l'acquisition d'images, le prétraitement d'image, le positionnement de plaque d'immatriculation, la segmentation de caractères, la reconnaissance de caractères et la sortie de résultats. Par processus est complémentaire les uns des autres. Tout le processus doit assurer sa haute efficacité et sa capacité anti-interférence élevée. Ce n'est qu'ainsi que le traitement d'identification pourra obtenir un résultat satisfaisant.

Il existe deux façons principales d'implémenter le système de reconnaissance des plaques d'immatriculation, l'une fixe la reconnaissance d'images et l'autre est la reconnaissance dynamique du flux vidéo. La reconnaissance d'image est limitée par des facteurs tels que la qualité de l'image, la dégradation de la plaque d'immatriculation et l'inclinaison de la plaque d'immatriculation. La reconnaissance dynamique du flux vidéo nécessite une vitesse de reconnaissance plus rapide, ce qui est limité par les indicateurs de performance du processeur, en particulier lorsque nous voulons réaliser une reconnaissance de plaque d'immatriculation en temps réel sur les terminaux mobiles, cela nécessite plus d'optimisation des performances.

Bien que la reconnaissance des plaques d'immatriculation comprenne six processus majeurs, l'algorithme de base n'est situé que dans trois modules: le positionnement des plaques d'immatriculation, la segmentation des caractères et la reconnaissance des caractères.

Positionnement de la plaque d'immatriculation

La tâche principale du positionnement de la plaque d'immatriculation est de trouver la zone de plaque d'immatriculation à partir du cadre photo ou vidéo fixe et de séparer la plaque d'immatriculation de l'image pour le traitement ultérieur du module de traitement. Le positionnement de la plaque d'immatriculation est l'un des facteurs importants qui affectent les performances du système. À l'heure actuelle, il existe de nombreuses façons de localiser les plaques d'immatriculation, mais en général, elles peuvent être divisées en deux méthodes:

Tout d'abord, la méthode basée sur l'imagerie graphique.

Il existe principalement (1) des méthodes de localisation basées sur la couleur, telles que l'algorithme de bord de couleur, l'algorithme de distance de couleur et de similitude, etc .; (2) méthodes de localisation basées sur la texture, telles que la texture des ondelettes, la texture différentielle à gradient horizontal, etc .; (3) méthode de positionnement basée sur la détection de bord; (4) Méthode de positionnement basée sur une forme mathématique.

La méthode de positionnement basée sur la technologie graphique et d'image est sensible aux interférences causées par des informations d'interférence externe et provoque une défaillance du positionnement. Par exemple, dans la méthode de positionnement basée sur l'analyse des couleurs, si la couleur de fond de la plaque d'immatriculation est similaire à la couleur de la plaque d'immatriculation, il est difficile d'extraire la plaque d'immatriculation de l'arrière-plan. Dans la méthode basée sur la détection de bord, la tache sur le bord de la plaque d'immatriculation peut facilement provoquer la défaillance du positionnement. L'interférence des informations d'interférence externe trompera également l'algorithme de positionnement, amenant l'algorithme de positionnement à générer trop de régions candidates de plaques non d'immatriculation, ce qui augmente la charge du système.

Deuxièmement, la méthode basée sur l'apprentissage automatique.

Les méthodes basées sur l'apprentissage machine comprennent des méthodes de positionnement basées sur l'ingénierie des fonctionnalités et des méthodes de positionnement basées sur un réseau neuronal. Par exemple, nous pouvons former un système de positionnement de plaque d'immatriculation grâce à un classificateur en cascade basé sur les fonctionnalités haar fournies par OpenCV. Mais cette méthode prend beaucoup de temps à former, et l'efficacité de la classification et du positionnement est également faible. Par conséquent, dans le domaine de la localisation cible, les méthodes basées sur un réseau neuronal sont les méthodes courantes. Dans les méthodes de localisation basées sur un réseau neuronal, les réseaux neuronaux convolutifs sont principalement utilisés pour apprendre les fonctionnalités cibles. Étant donné que le réseau neuronal convolutif a une invariance de traduction, il peut être complété par des régions candidates dans le processus d'apprentissage et classer les régions candidates. La région candidate correctement classée est l'emplacement de la cible. Il existe de nombreux modèles d'implémentation pour de telles méthodes, telles que RCNN, RCNN plus rapide, SSD, etc.

Segmentation des caractères

La tâche de segmentation des caractères consiste à couper chaque caractère dans une image de caractère multi-colonnes ou multi-lignes de l'image entière en une seule image de caractère. Les algorithmes de segmentation de caractères traditionnels peuvent être résumés dans les deux catégories suivantes: méthodes de segmentation directe, méthodes de segmentation basées sur la morphologie de l'image. La méthode de segmentation directe est simple, basée sur certaines connaissances préalables, telles que la distribution des caractères de plaque d'immatriculation, et aide également certains algorithmes de projection de base à obtenir une segmentation; la méthode de segmentation basée sur la morphologie utilise la détection de bord, l'expansion et la corrosion pour déterminer la position de l'image des caractères. Les algorithmes de segmentation de caractères traditionnels sont également sensibles aux perturbations externes, telles que l'inclinaison de la plaque d'immatriculation, l'encrassement des caractères et l'adhérence. La segmentation correcte des caractères de la plaque d'immatriculation est très importante pour la reconnaissance des caractères. Ce n'est que lorsque la segmentation est correcte que la précision de la reconnaissance peut être garantie. Avec le développement continu de la théorie des réseaux neuronaux, la classification d'images de bout en bout et la technologie de reconnaissance ont également fait de grandes percées, de sorte que de nombreux logiciels OCR se débarrassent progressivement du traitement de segmentation de caractères traditionnel, et les caractères multiples sont directement reconnus par le réseau de reconnaissance..

Reconnaissance du caractère

La reconnaissance de caractères est le processus d'extraction de codage de caractères à partir d'une image contenant un ou plusieurs caractères. La méthode typique de reconnaissance des caractères est la méthode de classification d'image basée sur l'apprentissage automatique. Dans la méthode de classification d'image, une image ne peut produire qu'une seule classification, c'est-à-dire qu'une seule image ne peut contenir qu'une seule image de caractère. Cela nécessite une grande précision de segmentation des caractères. Une autre méthode de reconnaissance est la méthode de reconnaissance de caractères de bout en bout basée sur un réseau neuronal récurrent. Cette méthode entre l'image entière de la plaque d'immatriculation dans le réseau et le réseau de neurones produira directement tous les caractères. La méthode de bout en bout supprime directement le processus de segmentation des caractères et évite la perte de stabilité causée par l'erreur de segmentation des caractères, mais la méthode de bout en bout est également sensible à d'autres perturbations telles que l'inclinaison de la plaque d'immatriculation.

Nous avons brièvement discuté de certaines technologies des trois principaux éléments du système de reconnaissance des plaques d'immatriculation ci-dessus. Dans le suivi, nous ferons une discussion détaillée de certaines technologies traditionnelles.