Recognizing License Plates in Real-Time

要約

ナンバー プレートの検出と認識 (LPDR) は、インテリジェントな輸送を可能にし、都市のセキュリティと安全を確保するために重要性を増しています。
しかし、LPDR は実際の環境で大きな課題に直面しています。
ナンバー プレートのサイズ、フォント、色は非常に多様であり、通常、ナンバー プレートの画像は、キャプチャ アングルのゆがみ、不均一な照明、オクルージョン、およびぼやけによって品質が低下します。
監視などのアプリケーションでは、多くの場合、高速処理が必要です。
リアルタイムで正確なナンバー プレート認識を可能にするために、この作業では一連の手法を提案します。
2) プレート上の文字のより正確なセグメンテーションを容易にするために、プレートの周りの偽の上下の境界線を効果的に削除する単純なゼロ 1 代替スキーム。
3) トレーニング データを増強し、SIFT 機能を CNN ネットワークに組み込み、転移学習を利用してより効果的なトレーニングのための初期パラメーターを取得するための一連の手法。
4) 低コストで正しいプレートを決定するための 2 段階の検証手順、不要な候補を迅速に除去するためのプレート検出段階での統計的フィルタリング、および追加の処理なしでさらなるプレート検証を実行するための CR プロセス後の正確な CR 結果。
当社のアルゴリズムに基づいて完全な LPDR システムを実装します。
実験結果は、システムがリアルタイムでナンバー プレートを正確に認識できることを示しています。
さらに、さまざまなレベルの照度と騒音下、および車の動きの存在下でも堅牢に機能します。
ピア スキームと比較して、当社のシステムは最も正確なシステムであるだけでなく、最も高速であり、他のシナリオにも簡単に適用できます。

要約(オリジナル)

License plate detection and recognition (LPDR) is of growing importance for enabling intelligent transportation and ensuring the security and safety of the cities. However, LPDR faces a big challenge in a practical environment. The license plates can have extremely diverse sizes, fonts and colors, and the plate images are usually of poor quality caused by skewed capturing angles, uneven lighting, occlusion, and blurring. In applications such as surveillance, it often requires fast processing. To enable real-time and accurate license plate recognition, in this work, we propose a set of techniques: 1) a contour reconstruction method along with edge-detection to quickly detect the candidate plates; 2) a simple zero-one-alternation scheme to effectively remove the fake top and bottom borders around plates to facilitate more accurate segmentation of characters on plates; 3) a set of techniques to augment the training data, incorporate SIFT features into the CNN network, and exploit transfer learning to obtain the initial parameters for more effective training; and 4) a two-phase verification procedure to determine the correct plate at low cost, a statistical filtering in the plate detection stage to quickly remove unwanted candidates, and the accurate CR results after the CR process to perform further plate verification without additional processing. We implement a complete LPDR system based on our algorithms. The experimental results demonstrate that our system can accurately recognize license plate in real-time. Additionally, it works robustly under various levels of illumination and noise, and in the presence of car movement. Compared to peer schemes, our system is not only among the most accurate ones but is also the fastest, and can be easily applied to other scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google