loading
Notícias

Princípio de reconhecimento da placa de licença

2021-02-02 18:47:37

Princípio de funcionamento do reconhecimento da placa de licença

Por: Shenzhen TGW Technology Co.,Ltd

A tecnologia de reconhecimento de placa de licença é baseada na segmentação de imagem, teoria de reconhecimento de imagem. A tecnologia é usada para analisar imagens contendo uma placa de matrícula para determinar a posição da placa e mais extrai e reconhece os caracteres de texto.

alpr

Um processo típico de reconhecimento de placa de licença inclui aquisição de imagem, pré-processamento de imagem, posicionamento da placa de licença, segmentação de caracteres, reconhecimento de caracteres e saída de resultados. Por processo é complementar um ao outro. Todo o processo deve garantir sua alta eficiência e alta capacidade anti-interferência. Só assim o processamento de identificação pode alcançar um resultado satisfatório.

Existem duas maneiras principais de implementar o sistema de reconhecimento de placa de licença, um reconhecimento de imagens estáticas e a outra é o reconhecimento dinâmico de fluxo de vídeo. O reconhecimento de imagem é limitado por fatores como qualidade de imagem, desfigamento da placa de licença e inclinação da placa de licença. O reconhecimento dinâmico de fluxo de vídeo requer uma velocidade de reconhecimento mais rápida, que é limitada pelos indicadores de desempenho do processador, especialmente quando queremos realizar o reconhecimento da placa de licença em tempo real em terminais móveis, requer mais otimização de desempenho.

Embora o reconhecimento da placa de licença inclua seis processos principais, o algoritmo central está localizado apenas em três módulos: posicionamento da placa, segmentação de caracteres e reconhecimento de caracteres.

Posicionamento da placa de licença

A principal tarefa do posicionamento da placa de licença é encontrar a área da placa de licença da imagem estática ou do quadro de vídeo e separar a placa da imagem para o processamento subsequente do módulo de processamento. O posicionamento da placa de licença é um dos fatores importantes que afeta o desempenho do sistema. Atualmente, existem muitas maneiras de localizar placas de veículos, mas, em geral, elas podem ser divididas em dois métodos:

Primeiro, o método baseado em imagens gráficas.

Existem principalmente (1) métodos de localização baseados em cores, como algoritmo de borda de cor, distância de cor e algoritmo de similaridade, etc .; (2) métodos de localização baseados em textura, como textura wavelet, textura diferencial de gradiente horizontal, etc .; (3) Método de posicionamento baseado em detecção de borda; (4) Método de posicionamento baseado na forma matemática.

O método de posicionamento baseado em gráficos e tecnologia de imagem é suscetível a interferências causadas por informações de interferência externa e causa falha de posicionamento. Por exemplo, no método de posicionamento baseado em análise de cores, se a cor de fundo da placa de licença for semelhante à cor da placa de licença, é difícil extrair a placa de licença do fundo. No método baseado na detecção de borda, a mancha na borda da placa pode facilmente causar a falha de posicionamento. A interferência de informações de interferência externa também enganará o algoritmo de posicionamento, fazendo com que o algoritmo de posicionamento gere muitas regiões candidatas sem placa de licença, o que aumenta a carga do sistema.

Em segundo lugar, o método baseado no aprendizado de máquina.

Os métodos baseados em aprendizado de máquina incluem métodos de posicionamento baseados em engenharia de recursos e métodos de posicionamento baseados em rede neural. Por exemplo, podemos treinar um sistema de posicionamento de placa de licença por meio de um classificador em cascata com base nos recursos haar fornecidos pelo OpenCV. Mas este método é muito demorado para treinar, e a eficiência da classificação e posicionamento também é baixa. Portanto, na área de localização do alvo, os métodos baseados em rede neural são os métodos convencionais. Em métodos de localização baseados em rede neural, as redes neurais convolucionais são usadas principalmente para aprender recursos de destino. Como a rede neural convolucional tem invariância de tradução, ela pode ser complementada com regiões candidatas no processo de aprendizagem e classificar as regiões candidatas. A região candidata que está corretamente classificada é a localização do alvo. Existem muitos modelos de implementação para tais métodos, como RCNN, RCNN mais rápido, SSD e assim por diante.

Segmentação de caracteres

A tarefa da segmentação de caracteres é cortar cada caractere em uma imagem de caractere de várias colunas ou várias linhas de toda a imagem em uma única imagem de caractere. Os algoritmos de segmentação de caracteres tradicionais podem ser resumidos nas duas categorias a seguir: métodos de segmentação direta, métodos de segmentação baseados na morfologia da imagem. O método de segmentação direta é simples, com base em algum conhecimento prévio, como a distribuição de caracteres de placas de licença, e também auxilia alguns algoritmos básicos de projeção para alcançar a segmentação; o método de segmentação baseado em morfologia usa detecção de borda, expansão e corrosão para determinar a posição da imagem do personagem. Os algoritmos de segmentação de caracteres tradicionais também são sensíveis a distúrbios externos, como inclinação da placa de licença, incrustação de caracteres e adesão. A segmentação correta dos caracteres da placa é muito importante para o reconhecimento de caracteres. Somente quando a segmentação estiver correta, a precisão do reconhecimento pode ser garantida. Com o desenvolvimento contínuo da teoria da rede neural, a classificação de imagem ponta a ponta e a tecnologia de reconhecimento também fizeram grandes avanços, de modo que muitos softwares OCR gradualmente se livram do processamento de segmentação de caracteres tradicional e os caracteres múltiplos são reconhecidos diretamente pela rede de reconhecimento.

Reconhecimento de personagem

O reconhecimento de caracteres é o processo de extração da codificação de caracteres de uma imagem contendo um ou mais caracteres. O método típico de reconhecimento de caracteres é o método de classificação de imagens baseado no aprendizado de máquina. No método de classificação de imagem, uma imagem pode produzir apenas uma classificação, ou seja, uma imagem pode conter apenas uma imagem de caractere. Isso requer uma alta precisão de segmentação de caracteres. Outro método de reconhecimento é o método de reconhecimento de caracteres de ponta a ponta baseado em uma rede neural recorrente. Este método insere toda a imagem da placa de licença na rede, e a rede neural emitirá diretamente todos os caracteres. O método de ponta a ponta remove diretamente o processo de segmentação de caracteres e evita a perda de estabilidade causada pelo erro de segmentação de caracteres, mas o método de ponta a ponta também é sensível a outras perturbações, como inclinação da placa de licença.

Discutimos brevemente algumas tecnologias das três partes principais do sistema de reconhecimento de placas acima. No acompanhamento, faremos uma discussão detalhada de algumas tecnologias convencionais.

Recomendado para você
sem dados
Shenzhen Tiger Wong Technology Co., Ltd é o fornecedor líder de soluções de controle de acesso para sistema de estacionamento inteligente de veículos, sistema de reconhecimento de placas, catraca de controle de acesso de pedestres, terminais de reconhecimento facial e Soluções de estacionamento LPR .
sem dados
CONTACT US

Tecnologia Co. de Shenzhen TigerWong, Ltd

Tel:86 13717037584

O email: info@sztigerwong.com

Adicionar: 1º Andar, Edifício A2, Silicon Valley Power Digital Industrial Park, No. Estrada Dafu 22, Rua Guanlan, Distrito de Longhua,

Shenzhen, província de Guangdong, China  

                    

Direitos autorais©Tecnologia TigerWong Shenzhen 2021 Co.,Ltd  | Mapa do site
Contact us
skype
whatsapp
messenger
contact customer service
Contact us
skype
whatsapp
messenger
cancelar
Customer service
detect