Алгоритм идентификации автомобиля по его регистрационному номеру на автопарковке Текст научной статьи по специальности «Компьютерные и информационные науки»

Решетневские чтения. 2013

h( p) =

h( p) =

p| < a,

- "3'a < |p| <3a'

0,|p\ < 3a.

1,|P\ < 1, 1 <| p\ < 2,

2 <| p\ < 3,

3 < |p\ < 4,

(8)

(9)

где p - расстояние между узлами карты; t - номер итерации; a - заранее определенная константа (обычно a = 2).

Критерии останова обучения или параметры скорости обучения нейронной сети. Основными критериями выступают: максимальное количество итераций, при котором система считается обученной, и минимальная точность, рассчитываемая как сумма средних изменений весов в итерации обучения [3].

Определение данных компонентов, аспектов и настроек позволяет адаптировать технологию восстановления пропусков в данных для решения прикладной задачи реконструкции поврежденного изображения.

На основе данного исследования был реализован программный продукт MultiаgentImаgeRestorer, в кото-

ром используется механизм на основе адаптированного алгоритма карт Кохонена и мультиагентной платформы.

Библиографические ссылки

1. Гонсалес Р., Вудс Р. Цифровая обработка изображений : пер. с англ. под ред. П. А. Чочиа. М. : Техносфера, 2006. 1072 с.

2. Форсайт Д. А., Понс Дж. Компьютерное зрение. Современный подход. М. : Вильямс, 2004. 928 с.

3. Яне Б. Цифровая обработка изображений : пер. с англ. М. : Техносфера, 2007. 584 с.

4. Kohonen T. Self-Organizing Maps. New York : Springer Series in Information Sciences, 2001. 501 p.

References

1. Gonsales R. Cifrovaja obrabotka izobrazhenij [Tekst] : Per. s angl. pod red. P. A. Chochia / R. Gonsales, R. Vuds. M. : Tehnosfera, 2006. 1072 s.

2. Forsajt D.A. Komp'juternoe zrenie. Sovremennyj podhod / D.A. Forsajt, Dzh. Pons. M. : izdatel'skij dom «Vil'jams», 2004. 928 s.

3. Jane, B. Cifrovaja obrabotka izobrazhenij [Tekst]: Per. s angl. / B. Jane. M. : Tehnosfera, 2007. 584 s.

4. Kohonen, T. Self-Organizing Maps [Text] / T. Kohonen. New York : Springer Series in Information Sciences, 2001. 501 p.

© Болгов А. Н., 2013

УДК 004.93

АЛГОРИТМ ИДЕНТИФИКАЦИИ АВТОМОБИЛЯ ПО ЕГО РЕГИСТРАЦИОННОМУ НОМЕРУ НА АВТОПАРКОВКЕ

К. М. Болдырев, М. А. Лаптева

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Россия, 660014, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31

Е-mail: [email protected]

Разрабатывается программный продукт для обеспечения безопасности на закрытой автопарковке. Безопасность осуществляется путем идентификации автомобилей по регистрационному номеру.

Ключевые слова: номера автомобилей, безопасность, идентификация с помощью нейронной сети. IDENTIFY ALGORITHM OF THE VEHICLE BY ITS REGISTRATION NUMBER IN THE PARKING

K. M. Boldyrev, M. A. Lapteva

Siberian State Aerospace University named after academician M. F. Reshetnev 31, "Krasnoyarsky Rabochy" Av., Krasnoyarsk, 660014, Russia. E-mail: [email protected]

The developed software provides the security into the closed parking areas. Security is carried out by identifying the vehicle based on its registration number.

Keywords: license plate vehicle, security, neural network identification.

Технология идентификации автомобильных номеров давно перестала быть экзотикой и постепенно становится частью нашей будничной жизни также, как когда-то это произошло с автомобилем. Постоянно растущее число транспортных средств требует от

разработчиков эффективных решений для обеспечения безопасности и комфорта автовладельцев. Одним из результатов интенсивных исследований в этой области стали современные интеллектуальные системы для «считывания» номерных знаков, которые могут

Программные редктва и информационные технологии

успешно применяться практически во всех сферах, так или иначе связанных с автотранспортом.

Актуальной задачей, решаемой с помощью систем считывания государственных регистрационных знаков, является пропускная система на закрытую территорию и обеспечение безопасности.

Интеграция систем идентификации с комплексами видеофиксации обеспечивает надежный контроль на охраняемом объекте: идентификация машин по номеру позволяет не пропускать посторонних на закрытую территорию.

Процесс идентификации номерного знака состоит из нескольких этапов [1]:

1. Выделение номерной пластины в кадре.

2. Наложение сетки на выделенную область.

3. Распознавание текста.

На первом этапе работы алгоритма происходит выделение номерной пластины в кадре. Для этого используется особенность номерного знака, которая заключается в резких скачках яркости от белого к черному. Строится график зависимости яркости от координаты изображения X. Номерная пластина будет находиться в области, где на графике наблюдаются резкие выбросы.

Для нахождения вертикальных краев номерной пластины находится вторая производная функции. Исходя из данных, полученных на графике яркости, выделяется примерная область расположения пластины. Далее на выделенную область накладывается сетка - шаблон. В случае их совпадения выделенная область считается номерной пластиной. Для перехода к этапу распознавания текста на номерной пластине необходимо применить к полученному изображению ряд фильтров, чтобы изображение было более четким. Данный алгоритм определения положения номерной пластины довольно устойчив к помехам, единственное, что может помешать определить положение номерного знака - это полное его загрязнение или его отсутствие.

На втором этапе работы алгоритма осуществляется распознавание текста на номерном знаке. Этот этап содержит в себе три подэтапа: создание бинарной матрицы символов, векторизация бинарной матрицы, распознавание символа по составленному набору векторов.

На последнем этапе работы алгоритма производится сравнение полученного набора векторов с набором эталонных векторных описаний символов. Сравнение производится с использованием расстояния Левенштейна, что позволяет с большой точностью и при небольших затратах времени и ресурсов распознать символы [2].

По сравнению с другими алгоритмами идентификации номерных знаков данный алгоритм отличается простотой реализации, высокой производительностью. Основным его преимуществом является то, что при его использовании неважен размер распознаваемого символа, т. е. он является универсальным для видеокамер с любой разрешающей способностью.

Библиографические ссылки

1. Гашников М. В., Глумов Н. И., Ильясова Н. И. Методы компьютерной обработки изображений. М., 2003, 784 с.

2. Гаганов В., Конушин А. Сегментация движущихся объектов в видеопотоке [Электронный ресурс]. URL: http://cgm.graphicon.ru (дата обращения: 14.09.2013).

References

1. Gashnikov M. V., Glumov N. I., Il'jasova N. I. Metody komp'juternoj obrabotki izobrazhenij. M., 2003, 784 s.

2. Gaganov V., Konushin A. Segmentacija dvizhushhihsja ob#ektov v video potoke [Jelektronnyj resurs]. URL: http://cgm.graphicon.ru (data obrashhenija: 14.09.2013).

© Болдырев К. М., Лаптева М. А., 2013

УДК 004.932.4

СТАБИЛИЗАЦИЯ ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЕЙ, ПОЛУЧЕННЫХ С МОБИЛЬНЫХ УСТРОЙСТВ

В. В. Буряченко, А. Г. Зотин, А. И. Пахирка

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Россия, 660014, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31 Е-шаП: [email protected]

Рассмотрены особенности стабилизации видеоданных, полученных при использовании мобильных устройств. Предложен алгоритм сглаживания движения, основанный на блочной оценке движения. Разработан алгоритм восстановления границ кадра на основе интерполяции ключевых кадров видеопоследовательности.

Ключевые слова: стабилизация видеопоследовательности, мобильные камеры, сглаживание движения.