Optimisation of algorithm for segmentation and recognition of license plates

Abstract

В рамках данной работы получен модифицированный алгоритм сегментации и распознавания автомобильных номеров, позволяющий оптимизировать время и увеличить точность процесса идентификации автомобилей по их номерам. На первом этапе решается задача локализации автомобильного номера на изображении. Разработан метод, позволяющий использовать преимущества разных подходов, и достигать хороших показателей как по точности, так и по скорости обработки изображения. На втором этапе разработан алгоритм нормализации и поиска символов на номерной пластине. На третьем этапе обучена сверточная нейронная сеть для распознавания выделенных символов. Подобрана такая архитектура сверточной нейронной сети, при которой удается достигать наилучших результатов в соотношении скорости к качеству распознавания символов. Разработанное решение, благодаря своей высокой скорости обработки кадра, может использоваться на машинах, не обладающими большими вычислительными возможностями, например, на телефонах или видеорегистраторах.

In this work, a modified segmentation algorithm and recognition of car numbers was invented. It allows to optimize time and increase accuracy of license plate recognition. In the first stage solves the problem of segmentation of license plates in the image. Developed a method to use the advantages of different approaches, and to achieve good performance both on accuracy and speed of image processing. In the second stage the algorithm of normalization and finding the symbols on the plate was invented. In the third stage convolutional neural network for symbols recognition was trained. Matched architecture of the convolutional neural network, which allows to achieve the best results in the ratio of speed to the quality of character recognition. The developed solution, due to its high speed processing of the frame can be used on machines that do not possess large computing power, for example, on phones or DVRs.