번호판 인식 작동 원리

에 의해: 심천 TGW 기술 Co.,Ltd

번호판 인식 기술은 이미지 분할, 이미지 인식 이론을 기반으로합니다. 이 기술은 번호판이 포함 된 이미지를 분석하여 번호판의 위치를 결정하고 텍스트 문자를 추출하고 인식하는 데 사용됩니다.

전형적인 번호판 인식 프로세스는 이미지 획득, 이미지 전처리, 번호판 위치 결정, 문자 분할, 문자 인식 및 결과 출력을 포함한다. 프로세스 당 서로 보완 적입니다. 모든 프로세스는 고효율과 높은 간섭 방지 능력을 보장해야합니다. 이러한 방식으로 만 식별 처리가 만족스러운 결과를 얻을 수 있습니다.

번호판 인식 시스템을 구현하는 두 가지 주요 방법이 있습니다. 하나는 스틸 이미지 인식이고 다른 하나는 동적 비디오 스트림 인식입니다. 이미지 인식은 이미지 품질, 번호판 축소 및 번호판 기울기와 같은 요인에 의해 제한됩니다. 동적 비디오 스트림 인식에는 더 빠른 인식 속도가 필요합니다. 이는 특히 이동 단말기에서 실시간 번호판 인식을 실현하려는 경우 프로세서의 성능 지표에 의해 제한됩니다. 더 많은 성능 최적화가 필요합니다.

번호판 인식에는 6 가지 주요 프로세스가 포함되지만 핵심 알고리즘은 번호판 위치 결정, 문자 분할 및 문자 인식의 세 가지 모듈에만 있습니다.

번호판 포지셔닝

번호판 포지셔닝의 주요 임무는 스틸 사진 또는 비디오 프레임에서 번호판의 영역을 찾고 후속 처리 모듈 처리를 위해 이미지에서 번호판을 분리하는 것입니다. 번호판 위치는 시스템 성능에 영향을 미치는 중요한 요소 중 하나입니다. 현재 번호판을 찾는 방법은 여러 가지가 있지만 일반적으로 두 가지 방법으로 나눌 수 있습니다.

첫째, 그래픽 이미징을 기반으로 한 방법.

주로 (1) 컬러 에지 알고리즘, 색상 거리 및 유사성 알고리즘 등과 같은 색상 기반 현지화 방법이 있습니다. (2) 웨이블릿 텍스처, 수평 그라디언트 미분 텍스처 등과 같은 텍스처 기반 현지화 방법; (3) 에지 검출 기반 위치 결정 방법; (4) 수학적 형태에 기초한 위치 결정 방법.

그래픽 및 이미지 기술에 기초한 포지셔닝 방법은 외부 간섭 정보에 의해 야기되는 간섭에 취약하고 포지셔닝 실패를 야기한다. 예를 들어, 색 분석 기반 위치 결정 방법에서, 번호판의 배경색이 번호판의 색상과 유사한 경우, 백그라운드에서 번호판을 추출하는 것은 어렵습니다. 에지 감지를 기반으로 한 방법에서, 번호판의 가장자리에있는 얼룩은 쉽게 위치 결정 실패를 일으킬 수 있습니다. 외부 간섭 정보의 간섭은 또한 포지셔닝 알고리즘을 속일 것이고, 포지셔닝 알고리즘이 너무 많은 비번호판 후보 영역을 생성하게 하여 시스템 부하를 증가시킨다.

둘째, 기계 학습에 기반한 방법.

기계 학습 기반 방법에는 기능 엔지니어링 기반 포지셔닝 방법 및 신경망 기반 포지셔닝 방법이 포함됩니다. 예를 들어, 우리는 opencv에 의해 제공된 haar 특징에 기초하여 계단식 분류기를 통해 번호판 위치확인 시스템을 훈련할 수 있다. 그러나이 방법은 훈련하는 데 시간이 많이 걸리며 분류 및 포지셔닝의 효율성도 낮습니다. 따라서 대상 현지화 영역에서 신경망 기반 방법이 주류 방법입니다. 신경망 기반 현지화 방법에서 컨볼 루션 신경망은 주로 대상 기능을 학습하는 데 사용됩니다. 컨볼루션 신경망은 번역 불변성을 갖기 때문에 학습 과정에서 후보 영역을 보완하고 후보 영역을 분류 할 수 있습니다. 정확하게 분류되는 후보 영역은 타겟의 위치이다. RCNN, 더 빠른 RCNN, SSD 등과 같은 이러한 방법에 대한 많은 구현 모델이 있습니다.

캐릭터 세분화

문자 분할의 작업은 전체 이미지에서 단일 문자 이미지로 다중 열 또는 다중 라인 문자 이미지의 각 문자를 자르는 것입니다. 전통적인 문자 분할 알고리즘은 다음 두 가지 범주로 요약 할 수 있습니다: 직접 분할 방법, 이미지 형태를 기반으로 한 분할 방법. 직접 분할 방법은 번호판 문자의 분포와 같은 사전 지식을 기반으로 간단하며 일부 기본 프로젝션 알고리즘을 지원하여 분할을 달성합니다. 형태 기반 분할 방법은 가장자리 감지, 확장 및 부식을 사용하여 문자 이미지 위치를 결정합니다. 전통적인 문자 분할 알고리즘은 번호판 경사, 문자 오염 및 접착과 같은 외부 장애에도 민감합니다. 번호판 문자의 올바른 분할은 문자 인식에 매우 중요합니다. 분할이 정확할 때만 인식 정확도가 보장될 수 있다. 신경망 이론의 지속적인 발전과 함께, 엔드 투 엔드 화상 분류 및 인식 기술 또한 큰 돌파구를 만들었습니다, 그래서 많은 OCR 소프트웨어는 점차 전통적인 문자 세분화 처리를 제거합니다, 다중 문자는 인식 네트워크에 의해 직접 인식됩니다.

캐릭터 인식

문자 인식은 하나 이상의 문자를 포함하는 화상으로부터 문자 인코딩을 추출하는 과정이다. 문자 인식의 전형적인 방법은 기계 학습을 기반으로 한 그림 분류 방법입니다. 그림 분류 방법에서는 하나의 그림만 하나의 분류를 출력할 수 있습니다. 즉, 하나의 그림은 하나의 문자 이미지 만 포함 할 수 있습니다. 이것은 문자 분할의 높은 정확도를 요구한다. 다른 인식 방법은 재발하는 신경망에 기초한 엔드-투-엔드 문자 인식 방법이다. 이 방법은 전체 번호판 이미지를 네트워크에 입력하고 신경망은 모든 문자를 직접 출력합니다. 엔드 투 엔드 방법은 문자 분할 프로세스를 직접 제거하고 문자 분할 오류로 인한 안정성 손실을 방지합니다. 그러나 엔드 투 엔드 방법은 번호판 기울기와 같은 다른 장애에도 민감합니다.

위의 번호판 인식 시스템의 세 가지 핵심 부분에 대한 몇 가지 기술에 대해 간략하게 논의했습니다. 후속 조치에서 일부 주류 기술에 대한 자세한 논의를 할 것입니다.