Разработка системы распознавания автомобильных номерных знаков на основе нейросетей

ВВЕДЕНИЕ 4
РАЗДЕЛ 1. ВВЕДЕНИЕ В ИССКУСТВЕННЫЕ НЕЙРОННЫЕ СЕТИ 7
1.1 Предисловие 7
1.2 Нейронные сети 7
1.3 Нейрон МакКаллока-Питтса 8
1.4 Персептрон 9
1.5 Сети с прямым распространением 10
1.6 Сверточные нейронные сети 13
1.7 Сети Кохонена 17
1.8 Сравнение нейросетевых архитектур 27
1.9 Выводы к первому разделу 27
РАЗДЕЛ 2. ОСОБЕННОСТИ ДЕТЕКЦИИ И РАСПОЗНАВАНИЯ 28
2.1 Предисловие 28
2.2 Особенности детектирования номерной пластины 29
2.3 Обнаружение границ и ранговая фильтрация 30
2.3.1. Матрица свертки 30
2.3.2. Обнаружение горизонтальных и вертикальных границ 31
2.3.3. Обнаружение границ с помощью оператора Собеля 31
2.3.4. Горизонтально и вертикально ориентированные ранговые фильтры 31
2.4 Горизонтальные и вертикальные проекции изображения 32
2.5 Двухфазный статистический анализ изображений 34
2.6 Метод Виолы-Джонса 34
2.7 Машины опорных векторов 36
2.8 Нейросетевой подход детекции 37
2.9 Общая идея распознавания символов 38
2.10 Выводы ко второму разделу 44
РАЗДЕЛ 3. РАЗРАБОТКА ОБЩЕГО АЛГОРИТМА РАСПОЗНАВАНИЯ НОМЕРНОЙ ПЛАСТИНЫ АВТОМОБИЛЯ 45
3.1 Бинаризация изображения 45
3.2 Оператор Собеля 46
3.3 Гистограммный анализ регионов, содержащих номер 47
3.4 Нормализация вырезанного номера 51
3.5 Сегментация символов номерной пластины 52
3.6 Распознавание символов с помощью нейросети 54
3.7 Выводы к третьему разделу 58
РАЗДЕЛ 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ 59
4.1 Выбор языка программирования и среды разработки 59
4.2 Разработка приложения 60
4.3 Структура проекта. 62
4.4 Функции детекции и распознавания 63
4.5 Алгоритм взаимодействия с программой 67
4.6 Оценка работоспособности программы 75
4.7 Выводы к четвертому разделу 80
РАЗДЕЛ 5. ОХРАНА ТРУДА 81
5.1 Правовые и организационные вопросы обеспечения безопасности труда 81
5.2 Производственная безопасность 82
5.3 Безопасность в чрезвычайных ситуациях 86
5.4 Выводы к пятому разделу 87
ЗАКЛЮЧЕНИЕ 88
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ 89
ПРИЛОЖЕНИЕ А. БЛОК-СХЕМА 92
ПРИЛОЖЕНИЕ B. ЛИСТИНГ ПРОГРАММЫ №1 93
ПРИЛОЖЕНИЕ C. ЛИСТИНГ ПРОГРАММЫ №2 107

Весь текст будет доступен после покупки

Такое явление как распознавание играет для человечества существенную роль в его выживании. Так как большую часть информации мы познаем с помощью органов зрения. Мы буквально познаем этот мир глазами. Неудивительно, что такую функцию мы пожелали внедрить искусственному интеллекту. От части это сделано, чтобы облегчить нашу жизнь, а также узнать нечто новое об окружающем мире.
Сегодня мы не до конца знакомы с тем, как устроен наш собственный мозг и поэтому полное понимание совместной работы органов зрения и головного мозга по распознаванию у нас отсутствует. Это сказалось и на работу искусственных систем распознавания при их разработке. С одной стороны, с каждым годом растет качество этих систем, а с другой нам еще очень далеко до создания совершенного искусственного интеллекта, который смог бы выполнить абсолютно любую задачу. Современные устройства распознавания очень узконаправлены, каждое решает свою конкретную задачу и не всегда правильно, а таких задач тысячи, если не миллионы.
И одна из таких задач – распознавание номерных знаков.
Актуальность темы. В связи с внедрением цифровых технологий в повседневную жизнь, появилась проблема искусственного распознавания автомобильных номеров, так как повышается автомобильный трафик и необходимость его эффективного контроля. Данная система может быть полезна в контроле въезда и выезда транспортных средств с территории предприятий, парковок, контроля потока автотранспорта. Так же данная система может быть размещена в автосервисах, на контрольно-пропускных пунктах, пунктах контроля скорости.

Весь текст будет доступен после покупки

РАЗДЕЛ 1. ВВЕДЕНИЕ В ИССКУСТВЕННЫЕ НЕЙРОННЫЕ СЕТИ

1.1 Предисловие

Перед тем как рассматривать теоретическую особенность детектирования номерной пластины и распознавания на ней символов стоит провести углубленное изучение нейронных сетей начиная с самых азов. Данные сети всего лишь математический инструмент, который и поможет нам в распознавании номера автомобиля.

1.2 Нейронные сети

Чтобы лучше понять искусственные нейронные сети, сначала необходимо рассмотреть структуру и функции биологических нейронов [1]. Человеческий мозг представляет собой нейронную сеть из более чем 10 миллиардов взаимосвязанных нейронов. Каждый нейрон - это клетка, которая обрабатывает и передает информацию с помощью химических процессов. Каждая клетка имеет тело размером в несколько микрометров, содержащее тысячи "входов", называемых дендритами. Имеется также один выходной проводник, называемый аксоном, длина которого может достигать нескольких метров. Поток данных в биологических нейронных сетях можно представить как серию электрических сигналов, передаваемых по аксонам (рис. 1.1).

Весь текст будет доступен после покупки

1. Осовский С. Нейронные сети для обработки информации. — М.: Финансы и статистика, 2002. — 244 с.
2. Хайкин С. Нейронные сети: полный курс. — М.: Вильямс, 2006. — 1104 с.
3. Кохонен Т. Самоорганизующиеся карты. — М.: БИНОМ. Лаборатория знаний, 2008. — 655 с.
4. Паклин Н. Б., Орешков В. И. Бизнес-аналитика: от данных к знаниям. — СПб.: Питер, 2013. — 704 с.
5. Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. — М.: ДМК Пресс, 2015. — 400 с.
6. Анализ данных и процессов / А. А. Барсегян, М. С. Куприянов, И. И. Холод, М. Д. Тесс, С. И. Елизаров. — СПб.: БХВ-Петербург, 2009. — 512 с.
7. Gersho A., Gray R. M. Vector Quantization and Signal Compression. — Springer, 1992. — 732 p.
8. Препарата Ф., Шеймос М. Вычислительная геометрия: Введение. — М.: Мир, 1989. — 478 с.
9. Beale M. H., Hagan M. T., Demuth H. B. Neural Network Toolbox. User's Guide. — Natick: Math Works, Inc., 2015. — 406 p.
10. Ondrej Martinsky, ALGORITHMIC AND MATHEMATICAL PRINCIPLES OF AUTOMATIC NUMBER PLATE RECOGNITION SYSTEMS, BRNO UNIVERSITY OF TECHNOLOGY, 2007

Весь текст будет доступен после покупки