雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际创新研究期刊》的研究在科学、工程和技术

菜单

ISSN在线(2319 - 8753)打印(2347 - 6710)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

自动车牌识别使用光学字符识别和模板匹配黄色牌照

Vandini沙玛1,普拉卡什Mathpal2,名叫Akanksha Kaushik2
  1. 打开学生,部门计算机科学工程ITM大学Sector-23A,古尔加翁,印度
  2. 应用科学工程系助理教授,ITM大学Sector-23A,古尔加翁、印度
相关文章Pubmed,谷歌学者

访问更多的相关文章国际创新研究期刊》的研究在科学、工程和技术

国际创新研究期刊》的研究在科学、工程和技术

文摘

自动车牌识别用于识别车牌的字符图像。广泛应用于各种交通控制等领域,抢劫和监视。该方法应用于黄色牌照。它有两个主要阶段。首先,确切位置的车牌检测从输入图像通过图像采集和光学字符识别和索贝尔边缘用于字符分割。其次,模板匹配是用来测试识别字符与模板。本文还提出了车辆检查车牌号码授权从数据库和电子邮件发送到管理员如果授权失败。

关键字
车牌自动识别(门禁),光学字符识别(OCR), Sobel边缘,模板匹配,道路运输办公室(RTO)。

介绍
门禁是交通管理系统的重要组成部分。汽车的数量已经急剧增加而增长的基础设施。门禁技术持续越来越受欢迎,尤其是在安全和交通管制。它还在其他众多应用程序中扮演不可或缺的角色,如交通执法[1],人数由警察和军事力量执行电子收费[2],[3]和停车。1976年门禁是在英国发明的警察科学发展分支。近期的目标是提取和识别车牌,无需人工参与。车牌和环境变化引起的问题检测汽车的牌照,如大小、字体样式、颜色、位置板的车辆和盘子上可能有不同的强度由于大灯或由于环境。
门禁使用图像处理软件来检查车辆的图像,提取车牌号码。的主要好处是识别车牌图像,可以实时静态图像或图像。最困难的工作就是身份的车牌图像。门禁的基本步骤是车牌提取、牌照字符分割、车牌字符识别。车牌提取非常重要的一步,因为它直接影响到进一步的水平。它是用来定位车牌。输入将包含车辆和车牌图像。图像采集和光学字符识别应用于检测输入图像的车牌。字符分割是车牌的字符使用区段。输入将车牌提取的输出。 Sobel Edge is used to separate the characters from extracted license plate. Character recognition is used to recognize the characters from each segmented characters. Template Matching is used to test the characters with Templates.
道路运输办公室(RTO)数据库注册车牌。车牌可以检查从数据库包含完整的关于车的信息。它帮助警察和军队找到被盗车辆和解决情况。本文识别字符检查车辆身份验证。如果没有验证注册登记号码,电子邮件是发送给管理员。

相关工作
有很多技术已经开发出的车牌提取。车牌的形状是长方形的。边缘检测方法用于定位一个图像的矩形[4][5]。这是非常简单和快速的技术。形态[9][10][11]用于从原始图像中提取车牌。它有助于从车牌删除不必要的一小部分。[7]中提出的混合方法是统计和形态学相结合的优势。找到车牌的准确性为99.6%。在[6]霍夫变换用于查找一个图像的直线。直线定位车牌。 It is boundary based extraction. It requires lot of computational time. To reduce the computational time Contour transform [16] is used with Hough transform. Sobel filters [4] [6] are used to find the edges due to the color change between license plate and car body. In [15] Horizontal and Vertical Projection is use for segmentation. Vertical Projection determines the starting and ending location of characters and then Horizontal Projection is applied to segment the characters. Images are made up of pixels. Pixels are connected in the binary license plate. Then it is analyzed and similar sizes are considered as candidates for license plate region [14]. In [13] Adaptive binarization is used to convert the intensity from evening to noon. In [17] fixed background color is used and it reduces the edge points and removes the fake regions. In [8] Optical Character Recognition is technique in image processing. It is used to classify/ scan alphanumeric text into computer – readable text to recognize the license plate. It requires preprocessing stage to remove the boundaries which helps in recognizing the characters. It process information more quickly, accurately and efficiently and also minimizes the errors. Template Matching [12] is used to test the characters with templates which are designed. It is useful for recognizing fixed size characters and non-broken. It finds small blocks of an image and match with template image. Template design is vital part of template matching. Template design must match templates to it corresponding image also have some amount of mismatch to other templates.
论文组织如下。第三部分包含的范围研究之后,提出的方法在本文的第四部分和讨论。实验结果提出了部分诉最后第六部分是结论。

研究的范围
近期有一个宽范围在法医研究部门和公路运输办公室(RTO)。拟议的方法很容易和快速识别车牌的面积和识别提取车牌上写的文本。识别字符比较的数据库验证车辆。它帮助警察当局和其他犯罪调查部门找到车牌是否授权。

提出方法和讨论
拟议的框架是用来识别车牌的字符图像。也验证并将电子邮件发送给管理员如果牌照号码没有登记到数据库中。在图5.1中黄色背景板的关键然后预处理完成从车牌删除不需要的区域。光学字符识别是用来帮助细分。字符分割Sobel边缘检测的基础上。字符的分割。最后,应用模板匹配识别字符。识别车牌后验证检查。如果授权失败电子邮件将被发送。
图像
该方法包含两个主要阶段:
1。提取和分割
2。模板匹配和身份验证
第一阶段由提取和分割图像。提取定位的车牌图像的面积。从车牌分割段的每个字符。阶段的详细说明如下:
•图像采集
车牌有黄色的背景。所以需要找到包含的区域在图像的强度三个指标即R(红色)G(绿色)B与黄色相对应的(蓝色)。然后计算领域的最近的值,考虑舞台一样黑。车牌是关键的基础上RGB指数。
•预处理
获得道具图像面积和极端点的跟踪对象的外部边界,找到每个区域的属性的对象。计算最大区域车牌退出使用基于坐标的方法。过滤器和形态学在图像应用以填补空白。
•光学字符识别
如果任何RGB图像在裁剪图像裁剪图像转换成灰度。基于阈值灰度图像转换成二进制图像。黑色像素是在白色像素和白色像素转换成黑色像素。现在的文本颜色是白色,背景色是黑色的。
•字符分割
字符分割块的形式找到最大的每一块使用Sobel边缘检测领域。
第二阶段包括模板匹配和提取车牌的身份验证。模板匹配识别车牌的字符和验证车牌。阶段的详细说明如下:
•模板匹配
字母数字文本的模板创建的数据库。然后加载数据库和计算模板和分段块之间的相关性。如果他们匹配调整大小的信模板。输出将牌照的数量。
•车牌认证
车牌匹配的数量从数据库如果车辆没有找到注册的电子邮件发送到管理员车牌的形象。输出的图像车牌和车辆和车牌没有找到信息。

实验结果
该方法测试图像的最大大小603 * 399。图片来自网络。图片是随机加载MATLAB。车牌的颜色是黄色的,如图2所示(一个)。图像的关键RGB指数的基础上,如图2所示(b),在图2 (c)预处理是为了找到图像面积及其属性的道具。协调方法是用来发现的最大区域车牌所在的基础上像素值,如图2所示(d),也纠正了车牌的位置。车牌的洞和破碎的部分是由使用形态。过滤器是用于去除噪声。这使得车牌平滑如图2所示(e)。然后反演图像阈值的基础上完成的。板上的字符数的颜色变成白色,背景颜色变成黑色,如图2所示(f)。这种技术有助于细分阶段。 For character segmentation Sobel edge detection is used. It detects the blocks that contain the characters. Block is separated on the basis of pixel change. When pixel changes from white to black in extracted image then required block is found. When pixel changes from black to white pixel then again new block is found. To recognize the characters from segmented characters is done by using technique known as template matching. It is used to test the characters with templates which are designed as shown in fig. 2 (g). When characters are recognized it is cross matched with the database. If vehicle number is not registered then message is send to the administrator through Electronic mail as shown in fig. 2 (h).
图像
图像

结论
本文的重点是对车辆的车牌号码的识别和身份验证号码。它可以帮助警察和军队来定位车牌号码登记与否。这项工作提出了车牌提取技术使用光学字符识别预处理,其次是Sobel边缘检测之前的字符分割。这增加了效率识别车牌号码。拟议的框架也有一些局限性。它是黄色的静态图像上实现单车牌。在未来的这种方法可以实现实时应用程序和多行车牌。

确认
和深深的感激之情,我想感谢我的值得主管普拉卡什·c·Mathpal博士。我最大的感谢那些祝福我的人成功尤其是我的父母,我的朋友。ITM大学最重要的是我呈现我的感激之情,古尔加翁提供软件工具来完成这项工作。

引用
  1. 戴维斯,P。,Emmott, N., and Ayland, N., “License Plate Recognition Technology for Toll Violation Enforcement”, Inst. Elect. Eng. Colloquium Image Analysis for Transport Applications, pp.7/1-7/5, 1990.
  2. Lotufo, r。,Morgan, A. D., Johnson, A.S., “Automatic Number-Plate Recognition”, Inst. Elect. Eng. Colloquium on Image Analysis for Transportation Applications, pp.6/1-6/6, 1990.
  3. 容:h . C。盟,k . H。,and Lai, A. H. S., “Recognition of Vehicle Registration Mark on Moving Vehicles in an Outdoor Environment”, IEEE international conference on intelligent transportation systems, pp.418-422, 1999.
  4. 郑,D。赵,Y。,and Wang, J., “An Efficient Method of License Plate Location”, Pattern Recognit. Lett.., vol.26, pp.2431-2438, 2005.
  5. Faradji F。,Rezaie,A. H., and Ziaratban, M., “A Morphological-Based License Plate Location”, IEEE Int. Conf. Image Process., vol.1, pp.57-60, 2007.
  6. 令Kamat, V。,and Ganesan, S., “An Efficient Implementation of the Hough Transform for Detecting Vehicle License Plates Using DSP'S”, IEEE Real Time Tech. Applicant. Symp., pp.58-69, 1995.
  7. 巴姨,H。,and Liu, C., “A Hybrid License Plate Extraction Method Based on Edge Stastics and Morphology”, IEEE, vol.2, pp.831-834, 2004.
  8. 卡,m . T。,and Asif, M., “Automatic Number Plate Recognition System for Vehicle Identification using Optical Character Recognition”, IEEE International Conference on Education Technology and Computer, pp.335-338, 2009.
  9. 纳尔逊,C。,and Babu,,K., ” A License Plate Localization using Morphology and Recognition”, IEEE India conference, pp.34-39, 2008.
  10. Dingyun, W。,Lihong, Z., and Yingbo, L., “A New Algorithm for License Plate Recognition Based on Improved Edge Detection and Mathematical Morphology”, IEEE International Conference on Information Science and Engineering , pp.1724-1727, 2010.
  11. 徐,Z。,and Zhu, H., “An Efficient Method of Locating Vehicle License Plate”, IEEE International conference on Natural Computation , vol.2, pp.180-183, 2007.
  12. 黄,Y。,P。,Lai, S. Y., and Chuang, W. P.,” A Template-Based Model for License Plate Recognition ”, IEEE International Conference on Networking, Sensing & Control, pp.737-742, 2004.
  13. Naito, T。,Tsukada, T., Yamada, K., Kozuka, K., and Yamamoto, S.,” Robust License-Plate Recognition Method for Passing Vehicles under Outside Environment”, IEEE transactions on vehicular technology, vol.49, 2000.
  14. Kanayama, K。,Fujikawa, Y., Fujimoto, K., and Horino, M., “Development of Vehicle-License Number Recognition System Using Real-Time Image Processing And its Application to Travel-Time Measurement”, IEEE Veh. Tech. Conf., pp.798–804, 1991.
  15. 张,S。,Zhang, M., and Ye, X., “Car Plate Character Extraction Under Complicated Environment,” IEEE Int. Conf. Syst. Man Cybern., vol..5, pp.4722–4726, 2004.
  16. 段,t D。,Du, T. L. H., Phuoc, T. V., and Hoang, N. V., “Building an Automatic Vehicle License-Plate Recognition System”, Int. Conf. Comput. Sci. RIVF, pp.59–63, 2005.
  17. 杨,y Q。,巴姨,J。,Tian, R. L., and Liu, N., “A Vehicle License Plate Recognition System Based on Fixed Color Collocation”, Proceedings of the Fourth International Conference on Machine Learning and Cybernetics, Guangzhou, 2005.