Применение сверточных нейронных сетей для выделения и распознавания автомобильных номерных знаков на изображениях со сложным фоном
| Parent link: | Известия Томского политехнического университета [Известия ТПУ]/ Томский политехнический университет (ТПУ).— , 2000- Т. 324, № 5 : Информационные технологии.— 2014.— [С. 85-92] |
|---|---|
| Prif Awdur: | |
| Awdur Corfforaethol: | |
| Crynodeb: | Заглавие с титульного листа Электронная версия печатной публикации Актуальность исследования обусловлена необходимостью разработки методов, алгоритмов и программ, обеспечивающих повышение эффективности распознавания автомобильных номерных знаков на изображениях со сложным фоном. Цель работы: повышение эффективности распознавания автомобильных номерных знаков на изображениях со сложным фоном за счёт создания методов, алгоритмов и программ, инвариантных к смещениям, поворотам, смене ракурса и прочим искажениям входных данных. Методы исследования: для решения поставленных задач использованы методы искусственного интеллекта, идентификации и распознавания образов на изображениях, теории искусственных нейронных сетей, сверточные нейронные сети, эволюционные алгоритмы, математическое моделирование, теория вероятности и математическая статистика с использованием программного обеспечения Visual Studio и MatLab. Результаты: разработана программная система, позволяющая распознавать автомобильные номерные знаки на изображениях со сложным фоном. Для выделения области расположения символов на изображении предложена сверточная нейронная сеть, состоящая из 7 слоев. Для выделения отдельных символов используется алгоритм, основанный на гистограммах средней интенсивности пикселей. Для распознавания символов реализована сверточная нейронная сеть, состоящая из 6 слоев. Представленная программная система позволяет распознавать автомобильные номерные знаки под большими углами наклона по вертикали, горизонтали и на плоскости при достаточно высоком быстродействии. The urgency of the discussed issue is caused by the need to develop methods, algorithms and programs to ensure efficiency of car number plate recognition on images with a complex background. The main aim of the study: to increase the efficiency of character recognition on images with a complex background by developing methods, algorithms and programs invariant to affine and projective transformations of the input data. The methods used in the study: To solve the task the author has used the methods of the artificial Intelligence, identification and pattern recognition in images, theory of artificial neural networks, convolutional neural networks, evolutionary algorithms, mathematical modeling, probability theory and mathematical statistics with the help of software Visual Studio and MatLab. The results: The author developed the software allowing the recognition of car number plates on images with a complex background. The seven-layer convolutional neural network for character area selection on images is proposed. The algorithm based on the average pixel intensity histograms for individual characters selection is used. The six-layer convolutional neural network for character recognition on images is implemented. The represented software system can recognize license plates with deviation horizontally, vertically and in a plane angels. The system has high speed work. |
| Iaith: | Rwseg |
| Cyhoeddwyd: |
2014
|
| Cyfres: | Интеллектуальные системы |
| Pynciau: | |
| Mynediad Ar-lein: | http://earchive.tpu.ru/bitstream/11683/5255/1/bulletin_tpu-2014-324-5-10.pdf |
| Fformat: | Electronig Pennod Llyfr |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=264355 |
MARC
| LEADER | 00000nla2a2200000 4500 | ||
|---|---|---|---|
| 001 | 264355 | ||
| 005 | 20240201181015.0 | ||
| 035 | |a (RuTPU)RU\TPU\book\287346 | ||
| 090 | |a 264355 | ||
| 100 | |a 20140618d2014 k y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drnn ---uucaa | ||
| 181 | 0 | |a i | |
| 182 | 0 | |a b | |
| 200 | 1 | |a Применение сверточных нейронных сетей для выделения и распознавания автомобильных номерных знаков на изображениях со сложным фоном |f А. А. Друки | |
| 203 | |a Текст |c электронный | ||
| 215 | |a 1 файл (560 Kb) | ||
| 225 | 1 | |a Интеллектуальные системы | |
| 300 | |a Заглавие с титульного листа | ||
| 300 | |a Электронная версия печатной публикации | ||
| 320 | |a [Библиогр.: с. 90-91 (20 назв.)] | ||
| 330 | |a Актуальность исследования обусловлена необходимостью разработки методов, алгоритмов и программ, обеспечивающих повышение эффективности распознавания автомобильных номерных знаков на изображениях со сложным фоном. Цель работы: повышение эффективности распознавания автомобильных номерных знаков на изображениях со сложным фоном за счёт создания методов, алгоритмов и программ, инвариантных к смещениям, поворотам, смене ракурса и прочим искажениям входных данных. Методы исследования: для решения поставленных задач использованы методы искусственного интеллекта, идентификации и распознавания образов на изображениях, теории искусственных нейронных сетей, сверточные нейронные сети, эволюционные алгоритмы, математическое моделирование, теория вероятности и математическая статистика с использованием программного обеспечения Visual Studio и MatLab. Результаты: разработана программная система, позволяющая распознавать автомобильные номерные знаки на изображениях со сложным фоном. Для выделения области расположения символов на изображении предложена сверточная нейронная сеть, состоящая из 7 слоев. Для выделения отдельных символов используется алгоритм, основанный на гистограммах средней интенсивности пикселей. Для распознавания символов реализована сверточная нейронная сеть, состоящая из 6 слоев. Представленная программная система позволяет распознавать автомобильные номерные знаки под большими углами наклона по вертикали, горизонтали и на плоскости при достаточно высоком быстродействии. | ||
| 330 | |a The urgency of the discussed issue is caused by the need to develop methods, algorithms and programs to ensure efficiency of car number plate recognition on images with a complex background. The main aim of the study: to increase the efficiency of character recognition on images with a complex background by developing methods, algorithms and programs invariant to affine and projective transformations of the input data. The methods used in the study: To solve the task the author has used the methods of the artificial Intelligence, identification and pattern recognition in images, theory of artificial neural networks, convolutional neural networks, evolutionary algorithms, mathematical modeling, probability theory and mathematical statistics with the help of software Visual Studio and MatLab. The results: The author developed the software allowing the recognition of car number plates on images with a complex background. The seven-layer convolutional neural network for character area selection on images is proposed. The algorithm based on the average pixel intensity histograms for individual characters selection is used. The six-layer convolutional neural network for character recognition on images is implemented. The represented software system can recognize license plates with deviation horizontally, vertically and in a plane angels. The system has high speed work. | ||
| 337 | |a Adobe Reader | ||
| 453 | |t Application of convolutional neural networks for extraction and recognition of car number plates on images with complex background |o translation from Russian |f A. A. Druki |c Tomsk |n TPU Press |d 2014 |d 2014 |a Druki, Aleksey | ||
| 453 | |t Bulletin of the Tomsk Polytechnic University | ||
| 453 | |t Vol. 324, № 5 : IT Technologies | ||
| 461 | 1 | |0 (RuTPU)RU\TPU\book\176237 |t Известия Томского политехнического университета [Известия ТПУ] |f Томский политехнический университет (ТПУ) |d 2000- | |
| 463 | 1 | |0 (RuTPU)RU\TPU\book\287138 |x 1684-8519 |t Т. 324, № 5 : Информационные технологии |v [С. 85-92] |d 2014 |p 184 с. | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a труды учёных ТПУ | |
| 610 | 1 | |a изображения | |
| 610 | 1 | |a обработка | |
| 610 | 1 | |a искусственный интеллект | |
| 610 | 1 | |a символы | |
| 610 | 1 | |a распознавание | |
| 610 | 1 | |a нейронные сети | |
| 610 | 1 | |a гистограммы | |
| 610 | |a image processing | ||
| 610 | |a artificial intelligence | ||
| 610 | |a character recognition | ||
| 610 | |a neural networks | ||
| 610 | |a histogram of average intensity | ||
| 700 | 1 | |a Друки |b А. А. |c специалист в области информатики и вычислительной техники |c ассистент Томского политехнического университета, инженер |f 1985- |g Алексей Алексеевич |3 (RuTPU)RU\TPU\pers\28638 |9 13454 | |
| 712 | 0 | 2 | |a Национальный исследовательский Томский политехнический университет (ТПУ) |b Институт кибернетики (ИК) |b Кафедра вычислительной техники (ВТ) |3 (RuTPU)RU\TPU\col\18699 |
| 801 | 2 | |a RU |b 63413507 |c 20190517 |g PSBO | |
| 856 | 4 | |u http://earchive.tpu.ru/bitstream/11683/5255/1/bulletin_tpu-2014-324-5-10.pdf | |
| 942 | |c CF | ||