Розробка методу обробки зображення реєстраційного номеру транспортного засобу при зніманні камерою смартфону

Автор(и)

  • Геннадій Володимирович Худов Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0002-3311-2848
  • Олександр Миколайович Маковейчук Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0003-4425-016X
  • Дмитро Леонідович Місюк Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0002-7759-1780
  • Геннадій Володимирович Пєвцов Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0002-0426-6768
  • Ірина Анатоліївна Хижняк Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0003-3431-7631
  • Юрій Станіславович Соломоненко Харківський національний університет Повітряних Сил імені Івана Кожедуба, Україна https://orcid.org/0000-0002-6503-7475
  • Ірина Юріївна Юзова Інститут цивільної авіації, Україна https://orcid.org/0000-0002-0013-5808
  • Володимир Миколайович Чернега Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0001-6190-3252
  • Валерій Васильович Власюк Національна академія Національної гвардії України, Україна https://orcid.org/0000-0002-2140-3250
  • Владислав Геннадійович Худов Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0002-9863-4743

DOI:

https://doi.org/10.15587/1729-4061.2022.252310

Ключові слова:

обробка зображення, реєстраційний номер, транспортний засіб, розпізнавання символів, камера смартфону

Анотація

Удосконалено метод обробки зображення реєстраційного номеру транспортного засобу при зніманні камерою смартфону. Основні етапи методу обробки зображення реєстраційного номеру транспортного засобу наступні:

– введення вихідних даних;

– розкадрування потокового відео;

– попередня обробка зображення реєстраційного номеру транспортного засобу;

– знаходження області реєстраційного знаку транспортного засобу;

– уточнення розпізнавання символів з використанням сигнатури реєстраційного знаку транспортного засобу;

– уточнення розпізнавання символів з використанням об’єднання результатів кадрів потокового відео;

– отримання результату обробки.

Проведені експериментальні дослідження щодо обробки зображень реєстраційного номеру транспортного засобу. При проведенні експериментальних досліджень розглядався реєстраційний номер військового автомобіля (Україна). У якості вихідного розглядалося кольорове зображення транспортного засобу. Наведені результати експериментальних досліджень. Проведено порівняння якості розпізнавання символів реєстраційного номеру. Встановлено, що удосконалений метод з використанням об’єднання результатів кадрів потокового відео якісно працює в кінці послідовності. Удосконалений метод з використанням об’єднання результатів кадрів потокового відео працює з числовими векторами імовірностей.

Проведено оцінювання помилок першого та другого роду при обробці зображення реєстраційного номеру. Загальна точність знаходження області реєстраційного номеру відомим методом становить 61 %, удосконаленим методом становить 76 %. Встановлено, що мінімізація похибок першого роду є важливішою, ніж зменшення похибок другого роду. При хибному знаходженні реєстраційного номеру ці результати, безумовно, будуть відкинуті на етапі розпізнавання символів

Біографії авторів

Геннадій Володимирович Худов, Харківський національний університет Повітряних Сил імені Івана Кожедуба

Доктор технічних наук, професор, начальник кафедри

Кафедра тактики радіотехнічних військ

Олександр Миколайович Маковейчук, Харківський національний університет радіоелектроніки

Доктор технічних наук, доцент

Кафедра електронних обчислювальних машин

Дмитро Леонідович Місюк, Харківський національний університет Повітряних Сил імені Івана Кожедуба

Викладач

Кафедра тактичної і тактико-спеціальної підготовки

Геннадій Володимирович Пєвцов, Харківський національний університет Повітряних Сил імені Івана Кожедуба

Доктор технічних наук, професор, заступник з наукової роботи

Ірина Анатоліївна Хижняк, Харківський національний університет Повітряних Сил імені Івана Кожедуба

Кандидат технічних наук

Кафедра тактики радіотехнічних військ

Юрій Станіславович Соломоненко, Харківський національний університет Повітряних Сил імені Івана Кожедуба

Кандидат технічних наук, заступник начальника кафедри

Кафедра тактики радіотехнічних військ

Ірина Юріївна Юзова, Інститут цивільної авіації

Кандидат технічних наук, викладач

Кафедра інформаційних технологій

Володимир Миколайович Чернега, Національний університет оборони України імені Івана Черняховського

Кандидат технічних наук, доцент

Кафедра застосування інформаційних технологій та інформаційної безпеки

Валерій Васильович Власюк, Національна академія Національної гвардії України

Кандидат військових наук, доцент

Кафедра тактики

Владислав Геннадійович Худов, Харківський національний університет радіоелектроніки

Кандидат технічних наук, молодший науковий співробітник

Кафедра безпеки інформаційних технологій

Посилання

  1. OSCE Special Monitoring Mission to Ukraine (SMM) Daily Report 11/2022 issued on 18 January 2022. Organization for Security and Co-operation in Europe. Available at: https://www.osce.org/special-monitoring-mission-to-ukraine/510200
  2. Nechepurenko, I., Higgins, A. (2022). In Kazakhstan’s Street Battles, Signs of Elites Fighting Each Other. The New York Times. Available at: https://www.nytimes.com/2022/01/07/world/asia/kazakhstan-protests.html
  3. Lee, H., Kim, D., Kim, D., Bang, S. Y. (2003). Real-Time Automatic Vehicle Management System Using Vehicle Tracking and Car Plate Number Identification. 2003 International Conference on Multimedia and Expo. ICME '03. Proceedings (Cat. No.03TH8698). doi: https://doi.org/10.1109/icme.2003.1221626
  4. Kirpichnikov, A. P., Lyasheva, S. A., Obukhov, A. V., Shleymovich, M. P. (2015). Avtomaticheskoe raspoznavanie avtomobil'nyh nomerov. Vestnik tekhnologicheskogo universiteta, 18 (4), 218–222. Available at: https://cyberleninka.ru/article/n/avtomaticheskoe-raspoznavanie-avtomobilnyh-nomerov
  5. Viola, P., Jones, M. (2001). Rapid Object Detection Using a Boosted Cascade of Simple Features. Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. CVPR 2001. doi: https://doi.org/10.1109/cvpr.2001.990517
  6. Gholami, R., Fakhari, N. (2017). Support Vector Machine: Principles, Parameters, and Applications. Handbook of Neural Computation, 515–535. doi: https://doi.org/10.1016/b978-0-12-811318-9.00027-2
  7. Awad, M., Khanna, R. (2015). Support Vector Machines for Classification. Efficient Learning Machines, 39–66. doi: https://doi.org/10.1007/978-1-4302-5990-9_3
  8. Jun, Z. (2021). The Development and Application of Support Vector Machine. Journal of Physics: Conference Series, 1748 (5), 052006. doi: https://doi.org/10.1088/1742-6596/1748/5/052006
  9. Hung, K.-M., Hsieh, C.-T. (2010). A Real-Time Mobile Vehicle License Plate Detection and Recognition. Tamkang Journal of Science and Engineering, 13 (4), 433–442. doi: https://doi.org/10.6180/jase.2010.13.4.09
  10. Hassanein, A. S., Mohammad, S., Sameer, M., Ragab, M. E. (2015). A Survey on Hough Transform, Theory, Techniques and Applications. International Journal of Computer Science Issues, 12 (1 (2)), 139–156. Available at: https://www.researchgate.net/publication/272195556_A_Survey_on_Hough_Transform_Theory_Techniques_and_Applications
  11. Ruban, I., Khudov, H., Makoveichuk, O., Khizhnyak, I., Lukova-Chuiko, N., Pevtsov, H. et. al. (2019). Method for determining elements of urban infrastructure objects based on the results from air monitoring. Eastern-European Journal of Enterprise Technologies, 4 (9 (100)), 52–61. doi: https://doi.org/10.15587/1729-4061.2019.174576
  12. Yoo, S. B., Han, M. (2020). Temporal matching prior network for vehicle license plate detection and recognition in videos. ETRI Journal, 42 (3), 411–419. doi: https://doi.org/10.4218/etrij.2019-0245
  13. Wang, D., Tian, Y., Geng, W., Zhao, L., Gong, C. (2020). LPR-Net: Recognizing Chinese license plate in complex environments. Pattern Recognition Letters, 130, 148–156. doi: https://doi.org/10.1016/j.patrec.2018.09.026
  14. Li, H., Wang, P., Shen, C. (2019). Toward End-to-End Car License Plate Detection and Recognition With Deep Neural Networks. IEEE Transactions on Intelligent Transportation Systems, 20 (3), 1126–1136. doi: https://doi.org/10.1109/tits.2018.2847291
  15. Raghunandan, K. S., Shivakumara, P., Jalab, H. A., Ibrahim, R. W., Kumar, G. H., Pal, U., Lu, T. (2018). Riesz Fractional Based Model for Enhancing License Plate Detection and Recognition. IEEE Transactions on Circuits and Systems for Video Technology, 28 (9), 2276–2288. doi: https://doi.org/10.1109/tcsvt.2017.2713806
  16. Chen, S.-L., Tian, S., Ma, J.-W., Liu, Q., Yang, C., Chen, F., Yin, X.-C. (2021). End-to-end trainable network for degraded license plate detection via vehicle-plate relation mining. Neurocomputing, 446, 1–10. doi: https://doi.org/10.1016/j.neucom.2021.03.040
  17. Astawa, I., Gusti Ngurah Bagus Caturbawa, I., Made Sajayasa, I., Made Ari Dwi Suta Atmaja, I. (2018). Detection of License Plate using Sliding Window, Histogram of Oriented Gradient, and Support Vector Machines Method. Journal of Physics: Conference Series, 953, 012062. doi: https://doi.org/10.1088/1742-6596/953/1/012062
  18. Zhao, Y., Gu, J., Liu, C., Han, S., Gao, Y., Hu, Q. (2010). License Plate Location Based on Haar-Like Cascade Classifiers and Edges. 2010 Second WRI Global Congress on Intelligent Systems. doi: https://doi.org/10.1109/gcis.2010.55
  19. Gou, C., Wang, K., Yao, Y., Li, Z. (2016). Vehicle License Plate Recognition Based on Extremal Regions and Restricted Boltzmann Machines. IEEE Transactions on Intelligent Transportation Systems, 17 (4), 1096–1107. doi: https://doi.org/10.1109/tits.2015.2496545
  20. Khan, K., Imran, A., Rehman, H. Z. U., Fazil, A., Zakwan, M., Mahmood, Z. (2021). Performance enhancement method for multiple license plate recognition in challenging environments. EURASIP Journal on Image and Video Processing, 2021 (1). doi: https://doi.org/10.1186/s13640-021-00572-4
  21. Khudov, H., Khudov, V., Yuzova, I., Solomonenko, Y., Khizhnyak, I. (2021). The Method of Determining the Elements of Urban Infrastructure Objects Based on Hough Transformation. Studies in Systems, Decision and Control, 247–265. doi: https://doi.org/10.1007/978-3-030-87675-3_15
  22. Stepanenko, A., Oliinyk, A., Deineha, L., Zaiko, T. (2018). Development of the method for decomposition of superpositions of unknown pulsed signals using the second­order adaptive spectral analysis. Eastern-European Journal of Enterprise Technologies, 2 (9 (92)), 48–54. doi: https://doi.org/10.15587/1729-4061.2018.126578
  23. Ruban, I., Khudov, H. (2019). Swarm Methods of Image Segmentation. Studies in Computational Intelligence, 53–99. doi: https://doi.org/10.1007/978-3-030-35480-0_2
  24. Ruban, I., Khudov, H., Makoveichuk, O., Khizhnyak, I., Khudov, V., Podlipaiev, V. et. al. (2019). Segmentation of optical-electronic images from on-board systems of remote sensing of the earth by the artificial bee colony method. Eastern-European Journal of Enterprise Technologies, 2 (9 (98)), 37–45. doi: https://doi.org/10.15587/1729-4061.2019.161860
  25. Dorigo, M., Stützle, T. (2018). Ant Colony Optimization: Overview and Recent Advances. International Series in Operations Research & Management Science, 311–351. doi: https://doi.org/10.1007/978-3-319-91086-4_10
  26. Ruban, I., Khudov, H., Makoveichuk, O., Chomik, M., Khudov, V., Khizhnyak, I. et. al. (2019). Construction of methods for determining the contours of objects on tonal aerospace images based on the ant algorithms. Eastern-European Journal of Enterprise Technologies, 5 (9 (101)), 25–34. doi: https://doi.org/10.15587/1729-4061.2019.177817
  27. Khudov, H., Oleksenko, O., Lukianchuk, V., Herasymenko, V., Yaroshenko, Y. et. al. (2021). The Determining the Flight Routes of Unmanned Aerial Vehicles Groups Based on Improved Ant Colony Algorithms. International Journal of Emerging Technology and Advanced Engineering, 11 (9), 23–32. doi: https://doi.org/10.46338/ijetae0921_03
  28. Gonzalez, R. C., Woods, R. E. (2018). Digital Image Processing. Pearson. Available at: https://www.codecool.ir/extra/2020816204611411Digital.Image.Processing.4th.Edition.www.EBooksWorld.ir.pdf
  29. Khudov, H., Ruban, I., Makoveichuk, O., Pevtsov, H., Khudov, V., Khizhnyak, I. et. al. (2020). Development of methods for determining the contours of objects for a complex structured color image based on the ant colony optimization algorithm. EUREKA: Physics and Engineering, 1, 34–47. doi: https://doi.org/10.21303/2461-4262.2020.001108
  30. Top-hat transform. Wikipedia. Available at: https://en.wikipedia.org/wiki/Top-hat_transform
  31. Choudhary, R., Gupta, R. (2017). Recent Trends and Techniques in Image Enhancement using Differential Evolution- A Survey. International Journal of Advanced Research in Computer Science and Software Engineering, 7 (4), 106–112. doi: https://doi.org/10.23956/ijarcsse/v7i4/0108
  32. Tesseract Open Source OCR Engine (main repository). Available at: https://github.com/tesseract-ocr/tesseract
  33. Hunter LPR Prohramnyi modul dlia rozpiznavannia avtomobilnykh nomeriv. Available at: https://elsy.com.ua/uk/videoanalitika/13-hunter-lpr-programnij-modul-dlya-rozpiznavannya-avtomobilnikh-nomeriv.html

##submission.downloads##

Опубліковано

2022-02-25

Як цитувати

Худов, Г. В., Маковейчук, О. М., Місюк, Д. Л., Пєвцов, Г. В., Хижняк, І. А., Соломоненко, Ю. С., Юзова, І. Ю., Чернега, В. М., Власюк, В. В., & Худов, В. Г. (2022). Розробка методу обробки зображення реєстраційного номеру транспортного засобу при зніманні камерою смартфону. Eastern-European Journal of Enterprise Technologies, 1(2(115), 6–21. https://doi.org/10.15587/1729-4061.2022.252310

Номер

Том 1 № 2(115) (2022): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2022 Hennadii Khudov, Oleksandr Makoveichuk, Dmytro Misiuk, Hennadii Pievtsov, Irina Khizhnyak, Yuriy Solomonenko, Iryna Yuzova, Volodymyr Cherneha, Valerii Vlasiuk, Vladyslav Khudov

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.