หลักการทำงานของการจดจำแผ่นป้ายทะเบียน

โดย: เซินเจิ้น TGW เทคโนโลยีจำกัด

เทคโนโลยีการจดจำแผ่นป้ายทะเบียนจะขึ้นอยู่กับการแบ่งส่วนภาพทฤษฎีการรับรู้ภาพเทคโนโลยีนี้ใช้ในการวิเคราะห์ภาพที่มีแผ่นตัวเลขเพื่อกำหนดตำแหน่งของแผ่นป้ายทะเบียนและสารสกัดเพิ่มเติมและตระหนักถึงตัวอักษรข้อความ

กระบวนการรับรู้แผ่นป้ายทะเบียนทั่วไปรวมถึงการได้มาซึ่งภาพการประมวลผลภาพล่วงหน้าการวางตำแหน่งป้ายทะเบียนการแบ่งส่วนตัวละครการจดจำตัวอักษรและผลลัพธ์ต่อกระบวนการประกอบกันกระบวนการทั้งหมดต้องให้แน่ใจว่ามีประสิทธิภาพสูงและความสามารถในการป้องกันการแทรกแซงสูงเฉพาะในลักษณะนี้การประมวลผลการระบุสามารถบรรลุผลที่น่าพอใจ

มีสองวิธีหลักในการใช้ระบบการจดจำแผ่นป้ายทะเบียนการจดจำภาพนิ่งและอีกวิธีหนึ่งคือการรับรู้สตรีมวิดีโอแบบไดนามิกการรับรู้ภาพจะถูกจำกัดโดยปัจจัยต่างๆเช่นคุณภาพของภาพการทำให้เสียโฉมป้ายทะเบียนและการเอียงป้ายทะเบียนการรับรู้สตรีมวิดีโอแบบไดนามิกต้องใช้ความเร็วในการจดจำที่เร็วขึ้นซึ่งถูกจำกัดด้วยตัวชี้วัดประสิทธิภาพของโปรเซสเซอร์โดยเฉพาะอย่างยิ่งเมื่อเราต้องการตระหนักถึงการจดจำแผ่นป้ายทะเบียนแบบเรียลไทม์บนเทอร์มินัลเคลื่อนที่, จะต้องมีการเพิ่มประสิทธิภาพประสิทธิภาพมากขึ้น

แม้ว่าการรับรู้แผ่นป้ายทะเบียนจะมีหกกระบวนการที่สำคัญแต่อัลกอริทึมหลักจะอยู่ในสามโมดูลเท่านั้น: การวางตำแหน่งป้ายทะเบียนการแบ่งส่วนตัวอักษรและการจดจำอักขระ

ตำแหน่งป้ายทะเบียน

งานหลักของการจัดตำแหน่งป้ายทะเบียนคือการหาพื้นที่ของป้ายทะเบียนจากภาพนิ่งหรือกรอบวิดีโอและแยกแผ่นป้ายทะเบียนออกจากภาพเพื่อประมวลผลโมดูลที่ตามมาการวางตำแหน่งแผ่นป้ายทะเบียนเป็นปัจจัยสำคัญอย่างหนึ่งที่มีผลต่อประสิทธิภาพของระบบปัจจุบันมีหลายวิธีในการค้นหาป้ายทะเบียนแต่โดยทั่วไปสามารถแบ่งออกได้เป็นสองวิธีคือ

ประการแรกวิธีการตามภาพกราฟิก

ส่วนใหญ่มี (1) วิธีการแปลสีตามเช่นอัลกอริทึมขอบสีระยะทางสีและอัลกอริทึมความคล้ายคลึงกันฯลฯ; (2) วิธีการแปลภาษาแบบพื้นผิวเช่นพื้นผิวเวฟเล็ตพื้นผิวที่แตกต่างกันของการไล่ระดับสีในแนวนอนฯลฯ (3) วิธีการระบุตำแหน่งตามขอบ (4) วิธีการระบุตำแหน่งตามรูปแบบทางคณิตศาสตร์

วิธีการจัดตำแหน่งบนพื้นฐานของเทคโนโลยีกราฟิกและภาพมีความไวต่อการแทรกแซงที่เกิดจากข้อมูลการแทรกแซงภายนอกและทำให้เกิดความล้มเหลวในการวางตำแหน่งตัวอย่างเช่นในการวิเคราะห์สีตามวิธีการวางตำแหน่งถ้าสีพื้นหลังของป้ายทะเบียนจะคล้ายกับสีของป้ายทะเบียน, เป็นการยากที่จะดึงแผ่นป้ายทะเบียนออกจากพื้นหลังในวิธีการตามการตรวจจับขอบคราบบนขอบของแผ่นป้ายทะเบียนสามารถทำให้เกิดความล้มเหลวในตำแหน่งได้อย่างง่ายดายการแทรกแซงของข้อมูลการแทรกแซงภายนอกจะหลอกลวงอัลกอริทึมการวางตำแหน่งทำให้อัลกอริทึมการวางตำแหน่งสร้างพื้นที่ผู้สมัครที่ไม่ใช่ใบอนุญาตมากเกินไปซึ่งจะเพิ่มภาระของระบบ

ประการที่สองวิธีการขึ้นอยู่กับการเรียนรู้ของเครื่อง

วิธีการเรียนรู้ด้วยเครื่องรวมถึงวิธีการจัดตำแหน่งตามวิศวกรรมและวิธีการจัดตำแหน่งตามเครือข่ายประสาทตัวอย่างเช่นเราสามารถฝึกอบรมระบบจัดตำแหน่งป้ายทะเบียนผ่านตัวแบ่งประเภทตามคุณลักษณะ Haar ที่ OpenCV จัดเตรียมไว้แต่วิธีการนี้ใช้เวลานานมากในการฝึกอบรมและประสิทธิภาพของการจำแนกและการวางตำแหน่งยังต่ำดังนั้นในพื้นที่ของการแปลเป้าหมายวิธีการตามเครือข่ายประสาทเป็นวิธีการหลักในวิธีการแปลภาษาท้องถิ่นตามเครือข่ายประสาทส่วนใหญ่จะใช้เพื่อเรียนรู้คุณลักษณะเป้าหมายเนื่องจากเครือข่ายประสาทที่ซับซ้อนมีความไม่แปรผันของการแปลจึงสามารถเสริมด้วยภูมิภาคผู้สมัครในกระบวนการเรียนรู้และจำแนกภูมิภาคผู้สมัครได้ภูมิภาคผู้สมัครที่จัดได้อย่างถูกต้องคือตำแหน่งของเป้าหมายมีรูปแบบการใช้งานจำนวนมากสำหรับวิธีการดังกล่าวเช่น rcnn, rcnn เร็วขึ้น, SSD และอื่นๆ

การแบ่งส่วนตัวละคร

งานของการแบ่งส่วนของตัวละครคือการตัดอักขระแต่ละตัวในภาพอักขระหลายคอลัมน์หรือหลายบรรทัดจากภาพทั้งหมดลงในภาพตัวอักษรเดียวอัลกอริทึมการแบ่งส่วนตัวละครแบบดั้งเดิมสามารถสรุปได้เป็นสองประเภทต่อไปนี้: วิธีการแบ่งส่วนโดยตรงวิธีการแบ่งส่วนตามสัณฐานวิทยาของภาพวิธีการแบ่งส่วนโดยตรงเป็นเรื่องง่ายขึ้นอยู่กับความรู้ก่อนหน้านี้เช่นการกระจายตัวของป้ายทะเบียนและยังช่วยให้อัลกอริทึมการฉายขั้นพื้นฐานบางอย่างเพื่อให้บรรลุการแบ่งส่วน; วิธีการแบ่งส่วนตามสัณฐานวิทยาใช้การตรวจจับขอบการขยายตัวและการกัดกร่อนเพื่อกำหนดตำแหน่งภาพตัวละครอัลกอริทึมการแบ่งส่วนตัวละครแบบดั้งเดิมยังมีความไวต่อการรบกวนภายนอกเช่นการเอียงแผ่นป้ายทะเบียนการเปรอะเปื้อนของตัวอักษรและการยึดเกาะการแบ่งส่วนที่ถูกต้องของตัวอักษรป้ายทะเบียนเป็นสิ่งสำคัญมากสำหรับการจดจำอักขระเฉพาะเมื่อการแบ่งส่วนที่ถูกต้องสามารถรับประกันความถูกต้องของการรับรู้ด้วยการพัฒนาอย่างต่อเนื่องของทฤษฎีเครือข่ายประสาทการจำแนกภาพแบบ end-to-end และเทคโนโลยีการรับรู้ยังได้สร้างนวัตกรรมที่ยอดเยี่ยมซอฟต์แวร์ OCR จำนวนมากจึงค่อยๆกำจัดการประมวลผลการแบ่งส่วนของตัวละครแบบดั้งเดิม, และหลายตัวอักษรได้รับการยอมรับโดยตรงจากเครือข่ายการรับรู้

การรับรู้ตัวละคร

การรู้จำอักขระคือกระบวนการแยกการเข้ารหัสอักขระจากภาพที่มีอักขระหนึ่งตัวหรือมากกว่าวิธีการทั่วไปของการรับรู้ตัวละครคือวิธีการจำแนกภาพตามการเรียนรู้ของเครื่องในวิธีการจำแนกภาพภาพหนึ่งภาพสามารถส่งออกได้เพียงหนึ่งประเภทนั่นคือภาพเดียวสามารถมีภาพตัวละครได้เพียงภาพเดียวเท่านั้นนี้ต้องมีความแม่นยำสูงของการแบ่งส่วนตัวอักษรอีกวิธีหนึ่งคือวิธีการจดจำอักขระแบบ end-to-end ขึ้นอยู่กับเครือข่ายประสาทที่เกิดขึ้นใหม่วิธีนี้จะทำให้ภาพป้ายทะเบียนทั้งหมดเข้าสู่เครือข่ายและเครือข่ายประสาทจะส่งออกอักขระทั้งหมดโดยตรงวิธีการ end-to-end โดยตรงเอากระบวนการแบ่งกลุ่มตัวละครและหลีกเลี่ยงการสูญเสียเสถียรภาพที่เกิดจากข้อผิดพลาดการแบ่งส่วนตัวอักษร, แต่วิธีการ end-to-end ยังมีความไวต่อการรบกวนอื่นๆเช่นการเอียงป้ายทะเบียน

เราได้กล่าวถึงเทคโนโลยีบางอย่างของสามส่วนหลักของระบบการจดจำแผ่นป้ายทะเบียนข้างต้นในการติดตามผลเราจะทำการอภิปรายอย่างละเอียดเกี่ยวกับเทคโนโลยีหลักบางอย่าง