به گزارش ایسنا، مساله شناسایی خودکار پلاک خودرو به صورت بلادرنگ، در سالهای اخیر مورد توجه محققان حوزه بینایی کامپیوتر قرار گرفته است که یکی از علتهای آن تاثیر و نقش بسزای این فناوری در سیستم حمل و نقل هوشمند است. در نقاط مختلف دنیا، این سیستمها در حال استفاده هستند، اما هنوز هم عملکرد آنها دچار چالش است.
فریده سادات جمالی که این پژوهش در قالب پایاننامه کارشناسی ارشد وی در رشته مهندسی مکاترونیک انجام شده است، با این مقدمه در ادامه به برخی از چالشهای سیستم شناسایی پلاک خودرو اشاره کرد و گفت: شرایط روشنایی، شرایط آب و هوایی، زاویه دید دوربین نسبت به پلاک، تعداد پلاک در تصویر، وجود شی مشابه مانند پلاک، وجود مانع و یا مخدوش کردن پلاک، جعل لاک و غیره از جمله چالشهای غیر قابل کنترلی هستند که سیستم شناسایی پلاک خودرو با آنها مواجه است.
وی در خصوص پژوهش انجام شده، افزود: در این پژوهش علاوه بر طراحی و پیادهسازی مدلی بلادرنگ برای شناسایی خودکار پلاک، مدلی برای شناسایی مدل خودرو نیز طراحی شده است. به این طریق خطای تشخیص پلاک به حداقل مقدار ممکن رسیده و از موارد پیش آمده ناشی از تشخیص اشتباه پلاک جلوگیری میشود.
مهندس جمالی تشریح کرد: با توجه به پیشرفتهایی که در زمینه یادگیری عمیق و شبکههای عصبی رخ داده است، در این پژوهش شبکههای عصبی پیچشی مورد استفاده قرار گرفته است. در روش پیشنهادی این پژوهش، شناسایی پلاک خودرو و شناسایی مدل خودرو هر دو در دو مرحله انجام شدهاند. برای شناسایی پلاک خودرو در مرحله اول، مستطیل پلاک در تصویر ورودی تشخیص داده شده است. سپس پلاک خودرو از تصویر ورودی جدا شده و در مرحله بعد شناسههای پلاک تشخیص داده شده است. برای هر دو مرحله از این بخش، از مدلهای یولو که مبتنی بر شبکه عصبی پیچشی است، استفاده شده است.
وی اظهار کرد: این مدل با متوسط دقت ۹۵.۵ درصد و زمان استنتاج ۴۳.۳ میلی ثانیه بر روی کامپیوتر نتایج خوبی را بدست آورده است. با توجه به سرعت استنتاج بالای مدل ارائه شده و حجم کم آن، مدل مورد نظر قابلیت استقرار بر روی دستگاه روی لبه را دارد.
مهندس جمالی اضافه کرد: مدل پیشنهادی برای شناسایی بلادرنگ پلاک خودرو، بر روی برد پیشرفته جتسون نانو پیادهسازی شده که سرعت استنتاج آن حدود ۶ فریم در ثانیه برآورد شده است.
وی در خصوص مراحل شناسایی مدل خودرو، گفت: شناسایی مدل خودرو نیز در دو مرحله تشخیص نمای جلویی خودرو و شناسایی مدل خودرو از تصویر برش داده شده مرحله قبل انجام شده است. برای مرحله اول این فرآیند از مدل یولو و برای شناسایی نهایی مدل خودرو از شبکه عصبی پیچشی سیامی با ویژگی اجرایی متناسب، استفاده شده است. این مدل نیز با متوسط دقت ۹۲.۲ درصد و زمان پاسخدهی۸۵.۶ میلی ثانیه بر روی کامپیوتر نتایج قابل قبولی را ثبت کرده است.
به نقل از دانشگاه تربیت مدرس، این پژوهش در قالب پایاننامه کارشناسی ارشد فریده سادات جمالی با راهنمایی دکتر مجید ساده دل عضو هیأت علمی گروه طراحی کاربردی دانشکده مهندسی مکانیک دانشگاه تربیت مدرس انجام شده است.
انتهای پیام
نظرات