ژئوماتیکسنجش از دورفتوگرامتری

تشخیص هوشمند و اتوماتیک پلاک خودرو/قسمت اول

پلاک خودرو,پردازش تصاویر
آموزش نقشه برداری آپسیس

تشخیص هوشمند و اتوماتیک پلاک خودرو/قسمت اول

یکی از مباحثی که امروزه در زمینه پردازش تصویر مورد توجه قرار گرفته است، مساله تشخیص هوشمند و اتوماتیک پلاک خودرو می‌باشد. از آنجا که پلاک برای خودرو شناسه ای منحصربه فرد و یکتاست، می‌توان کاربردهای مختلف و مهمی را برای استفاده از سیستم هوشمند شناسایی پلاک معرفی نمود. به طور نمونه، استفاده از سیستم در پیاده سازی پارکینگ‌های هوشمند که با شناسایی پلاک، درب ورودی برای اتومبیل‌های مجاز، باز و بسته شود یا در عملیات کنترل سرعت و با محاسبه سرعت متوسط خودرو مابین دو پایگاه، همچنین مدیریت و کنترل خودروها از طریق نصب پایگاه‌ها در سطح شهر به منظور جلوگیری از تردد اتومبیل‌های ممنوعه و مسروقه، ایجاد سامانه هوشمند اخذ عوارض، ردیابی و شناسایی خودروهای متخلف با نصب سیستم در محل‌های دارای چراغ راهنمایی، محدوده های طرح ترافیک، چهارراه‌ها و خیابان‌های یک طرفه و به طور کلی مناطقی که نیاز به کنترل مداوم پلیس دارند و غیره را می‌توان از کاربردهای یک سیستم دقیق شناسایی و قرائت پلاک خودرو دانست.
در حال حاضر پایگاههای کنترل سرعت در سطح اتوبا نها و بزرگراههای مهم کشور پس از شناسایی خودروهای مختلف و تندرو از آن‌ها عکس تهیه می‌کنند، عموما این پایگاهها به مرکز داده ای متصل نبوده و دارای حافظه محلی می‌باشند. از آن جا که تصویر با کیفیت بالا و مطلوب تهیه شده و کیفیت تصویر همواره با حجم آن ارتباط مستقیم دارد،بنابراین می‌توان چنین نتیجه گرفت که این پایگاه‌ها همواره دچار محدودیت حافظه هستند. یک سیستم شناسایی پلاک خودرو با استخراج شماره پلاک، اطلاعات چند مگابایتی یک تصویر را به چند بایت تقلیل داده و قادر به رفع مشکل محدودیت حافظه در پایگاه دوربین‌های کنترل سرعت می‌باشد، از سویی دیگر شناسایی وسایل نقلیه متخلف و اعمال قانون در محل تخلف نتایج بهتری را در مورد پیشگیری از تصادفات و تخلفات و مقابله با بزه حاصل می‌کند.

شناسائی شماره‌ی پلاک خودرو شامل سه گام عمده می‌باشد: تشخیص محل پلاک، جداسازی نویسه‌ها، و تشخیص نویسه‌ها. از تکنیک‌های استفاده شده در سیستم‌های پیشنهادی، می‌توان به تکنیک گستراندن بافت نگار تصویر برای بهبود کیفیت و تکرنگ سازی تصویر، تکنیک شمارش تعداد دفعات تغییر رنگ سطح برای تشخیص محل پلاک، روش‌های مورفولوژیکی و روش‌های آماری برای حذف نویز، روش دنبال کردن پیوستگی با ساختار تکثیر ویروسی و برچسب گذاری برای جداسازی اشکال نویسه های پلاک، و شبکه‌ی عصبی MLP برای تشخیص الگوی نویسه های پلاک، اشاره کرد. در این مقاله به بررسی روش‌های تشخیص محل پلاک خودرو پرداخته و در مقاله بعدی در مورد الگوریتم‌های تشخیص نویسه های پلاک خواهیم پرداخت.

بررسی مختصر چند الگوریتم برای تشخیص محل پلاک خودرو

در سیستم شناسایی اتوماتیک پلاک خودرو مه‌ترین مرحله تشخیص محل پلاک خودرو می‌باشد . زیرا تا پیدا نکردن محل پلاک هرگز نمی‌توان پلاک را شناسایی کرد. بنابراین در این قسمت به بررسی چند الگوریتم برای پیدا کردن محل پلاک می‌پردازیم.

روشی سریع برای پیدا کردن محل پلاک خودرو از تصاویر پیچیده بر اساس عملیات مورفولوژی

در این بخش روشی بلادرنگ و سریع برای پیدا کردن پلاک خودرو در تصاویر پیچیده معرفی می‌شود. در الگوریتم پیشنهادی ابتدا با استفاده از عملگر سوبل اقدام به یافتن لبه های عمودی تصویر می‌کنیم، سپس با استفاده از تحلیل هیستوگرام و ترکیبی از عملگر های مورفولوژیکی پلاک خودرو را از تصویر استخراج می‌کنیم. در این الگوریتم بعد از بهبود تصویر، لبه های عمودی با عملگر سوبل استخراج می‌شوند ، سپس با الگوریتمی خاص لبه های نویزی و مربوط به پس زمینه حذف شده و در نهایت به کمک یک پنجره مستطیلی جستجویی برای یافتن پلاک در نواحی باقی مانده انجام می‌گردد.
روشی که در این الگوریتم ارائه می‌شود ترکیبی از لبه یابی، تحلیل هیستوگرام و عملیات مورفولوژی است . ساختار روش به گونه ای است که زمان پردازش زیادی را طلب نمی‌کند . از آنجا که در روش پیشنهادی از اطلاعات رنگ به رای استخراج پلاک استفاده نمی‌شود، لذا سیستم شناسایی قادر به تشخیص پلاک‌ها با رنگ‌های مختلف است. و هم چنین تصویر خاکستری از ورودی را در تصویر ۱ مشاهد می‌کنید.

تصویر خاکستری ورودی

تصویر ۱ : تصویر خاکستری ورودی

پیدا کردن لبه های عمودی تصویر

پلاک به دلیل حروف و اعداد نوشته بر روی آن دارای لبه های عمودی بسیار زیادی می‌باشد . از همین ویژگی برای یافتن محل آن در تصویر خاکستری ورودی استفاده می‌شود . در این الگوریتم از ماسک عمودی سوبل برای پیدا کردن لبه های عمودی استفاده می‌شود . با فرض اینکه تصویر ورودی چرخش بیش از اندازه نداشته باشد ، در تصویر ۲ نتیجه عمل لبه یابی حاصل از ماسک عمودی سوبل را نمایش می‌دهد.

لبه های عمودی تصویر بعد از اعمال ماسک عمودی سوبل

تصویر ۲: لبه های عمودی تصویر بعد از اعمال ماسک عمودی سوبل

تحلیل هیستوگرام برای پیدا کردن تصویر کاندید

بعد از پیدا کردن لبه های عمودی تصویر ، از تحلیل هیستوگرام کمک گرفته و هیستوگرام افقی لبه تصویر را می‌یابیم . بدین منظور برای هر سطر از تصویر تعداد نقاط با سطح خاکستری یک را شمرده و نموداری را تشکیل می‌دهیم که محور افقی آن سطرهای تصویر و محور عمودی آن همان تعداد نقاط شمارش شده می‌باشد . در شکل ۳ هیستوگرام افقی تصویر را می‌بینیم.

هیستوگرام افقی تصویر لبه های عمودی

شکل ۳: هیستوگرام افقی تصویر لبه های عمودی

به طور کلی سطرهایی که پلاک خودرو در آن‌ها قرار دارد، دارای بیشترین هیستوگرام افقی هستند لذا مرحله بعدی پیدا کردن سطرهایی است که %c بالای هیستوگرام را تشکیل می‌دهند. بدین ترتیب سطرهای کاندیدای محل پلاک تعیین می‌شوند. برای این که اثر نویز تا حددی کاهش یابد، سطری به عنوان کاندید در نظر گرفته می‌شود که اولا شرط بالا را داشته باشد و ثانیا تعداد نقاط روشن سطر بعدی‌اش %d تعداد نقاط روشن خود سطر باشد. مقادیر نوعی برای c و d بعد از شبیه سازی ۱۵ و ۷۰ به دست آمده است . برای هر سطر کاندید، f سطر قبل و بعد از آن را هم به عنوان کاندید در نظر گرفته و ادامه پردازش را بر روی تصویر به دست آمده از سطر های کاندید دنبال می‌کنیم. در شکل ۴ تصویر کاندید شده را نشان می‌دهد. در شکل ۵ هم، این سطرها از تصویر اصلی خاکستری برش خورده است.

تصویر کاندید دو سطحی به دست آمده از تصویر لبه

شکل ۴ : تصویر کاندید دو سطحی به دست آمده از تصویر لبه

تصویر سطر های کاندید که از تصویر خاکستری شکل 1 برش خورده است.

شکل ۵ : تصویر سطر های کاندید که از تصویر خاکستری شکل ۱ برش خورده است.

تشخیص منطقه پلاک در ناحیه نخمین زده شده

اینک روی تصویر دو سطحی کاندید شکل ‏۴، یکبار دیگر در جهت افقی و بار دیگر در جهت عمودی عمل گسترش انجام می‌دهیم و اشتراک این دو را به دست می‌آوریم. تصویر حاصل شده را بار دیگر در جهت افقی گسترش می‌دهیم نتیجه شکل ۶ را نمایش می‌دهد.

car06

شکل ۶ : تصویر حاصل از بخش قبلی

برای حذف نواحی اضافی و خارج از پلاک پس از پر کردن حفره های احتمالی، از عملیات سایش استفاده می‌کنیم . عملیات سایش را با استفاده از یک باریکه افقی انجام می‌دهیم. بدین ترتیب نواحی از تصویر نقاط کاندید که این باریکه در آن جای نمی‌شود حذف می‌گردند و بدین ترتیب قسمت بیشتر تصویر سایش یافته، شامل نواحی داخل پلاک است. برای اینکه نقاط خارج از پلاک احتمالی را هم حذف کنیم، به تصویر فیلتر میانه را اعمال می‌کنیم. تصویری که در این مرحله حاصل می‌شود بخش میانی پلاک را در بر خواهد داشت. شکل ۷ تصویر به دست آمده را نشان می‌دهد.

car07

شکل۷

 استخراج پلاک

در این مرحله مستطیل محیطی تصویر فیلتر شده را به دست می‌آوریم. این مستطیل را به طور تجربی بزرگتر می‌کنیم، از xmin به میزان f/2 کاسته و به xmax مقدار ۳f/2 اضافه می‌کنیم، از ymin به میزان ۱۱f/10 کاسته و همین مقدار را به ymax اضافه می‌کنیم مستطیل به دست آمده همان پلاک خودرو می‌باشد. شکل ۸ پلاک استخراج شده را نمایش می‌دهد. (فرجی وهمکاران، ۱۳۸۵)

پلاک,پردازش تصاویر

شکل ۸ : پلاک استخراج شده از تصویر خاکستری ورودی از تصویر ۱

روش جدید مکان یابی پلاک خودرو در تصاویر رنگی

عموم روش‌های مورد استفاده و متداول در تشخیص مکان پلاک خودرو ، دارای هزینه های بالای محاسباتی بوده و نامزدهای بسیاری را به عنوان مکان پلاک معرفی می‌کنند، متعاقبا تشخیص اینکه یک نامزد واقعا پلاک است یا خیر ، خود چالش بزرگی بوده و بار پردازشی اضافی به سیستم تحمیل می‌کند . روش پیشنهادی در این بخش ، برای مکان یابی پلاک، دارای هزینه اندک محاسباتی و سرعت بالاست ، همچنین نامزد های مکان پلاک، محدود و در اغلب مواقع تنها یک نامزد که همان مکان اصلی پلاک است تعیین خواهد شد بنابراین دقیق، سریع و کارا عمل خواهد کرد.

روش شناسایی مکان پلاک

روش ارائه شده برای شناسایی مکان یابی پلاک خودرو مشابه روش تطبیق الگو می‌باشد و به نوعی می‌توان بهبود یافته یا بهینه روش تطبیق الگو دانست. الگوریتم تطبیق الگو با استفاده از الگوی ذخیره شده که شامل تصویر شی یا توصیفی از شی است، به جستجو در تصویر پایه پرداخته و تصویر را تا پیدا نمودن الگو، جاروب می‌کند. در این روش، ثابت بودن اندازه الگو از کارائی سیستم می‌کاهد، این بدین معناست که در تصاویر مختلف اندازه الگو باید تغییر کرده و به اندازه شی مورد نظر جستجو در آید، این در حالی است که روش جدید ارائه شده در این بخش در قید و بند اندازه نبوده و شی مورد جستجو در تصویر را (که در این جا پلاک است) در هر اندازه و شرایطی خواهد یافت.
برای تشخیص پلاک خودرو در یک تصویر نیاز به یافتن یک ویژگی ثابت در کلیه پلاک‌ها بوده که به عنوان الگو در نظر گرفته شود، این ویژگی را می‌توان در پلاک‌های ملی جدید ، که مطابق با استاندارد های جهانی تهیه شده‌اند، قسمت آبی کناری در نظر گرفت. هم چنین پلاک خودروهای اروپائی نیز دارای یک نوار آبی ثابت همانند پلاک ملی ایران می‌باشد که امکان بسط این روش را حداقل برای خودروهای کشورهای اروپائی ، می‌دهد. شکل ۹ نمونه ای از پلاک‌های ملی را نمایش می‌دهد.

پلاک خودرو,تشخیص پلاک خودرو,پردازش تصاویر

شکل ۹ : نمونه پلاک خودروها در ایران

با توجه به وجود ویژگی مذکور جهت شناسایی مکان پلاک خودرو ، برخلاف روش‌های قدیمی که نیاز به انتقال تصویر به سطح خاکستری یا باینری بود، از اطلاعات رنگی استفاده شده و تشخیص و پردازش، در محیطی رنگی و براساس ویژگی‌های رنگی پلاک ، انجام می‌شود .
یافتن یک شی در تصویر همیشه زمان بر و جزء عملیات‌های پر هزینه و سنگین پردازش تصویر شناخته می‌شود، در روش‌های معمول شناسایی الگو ، تکه تکه و پیکسل به پیکسل تصویر جاروب می‌شود و الگو، با تصویر اصلی مقایسه شده و خطا در تمام نقاط تصویر محاسبه می‌گردد، تا مکانی که شامل کمترین خطاست معرفی گردد این نوع جستجوها زمانبر و دارای سربار زیادی در پردازش تصویر می‌باشد، بنابراین راه حل جدیدی برای یافتن شی در تصویر ارائه شد که به اندازه شی و الگو وابسته نبوده و سرعت جاروب و جستجوی فوق العاده بالایی دارد . برای این منظور کافی است تصویر را به ۸ رنگ اصلی مکعب RGB یا فضای رنگی دیگر مانند HSV یا Lab برده و به صورت دوره ای از بالا به پایین مورد پیمایش قرار گیرد شکل پیمایش ستونی را نمایش می‌دهد.

پیمایش ستونی برای یافتن نوار آبی رنگ پلاک ملی

شکل۱۰: پیمایش ستونی برای یافتن نوار آبی رنگ پلاک ملی

همان طور که در شکل ‏۱۱ مشاهده می‌شود هنگامی که به رنگ آبی رسیده و در ادامه رنگ سبز و سفید و قرمز را در عرض و تعداد پیکسل یکسان یافت و مجدد به رنگ و زمینه آبی با نسبت ۱۱ برابر رنگ آبی زمینه اولیه رسید آن قسمت را به عنوان یک احتمال و نامزد مکان پلاک معرفی خواهد نمود.

car11

شکل ۱۱ : نسبت استاندارد های پلاک ملی

طبق روش گفته شده مکان‌هایی که حایز شرایط مذکور باشند ، مشخص شده و به عنوان نامزد اعلام می‌گردند. اما سوال این است که ، مکان مشخص شده واقعا پلاک است؟ یا فرضا برچسبی است که توسط راننده چسبانده شده و . . . ؟ ! معمولا روش ارائه شده در این بخش ، تنها یک نامزد که همان مکان اصلی پلاک خودرو است شناسایی کرده و به ندرت چندین نامزد معرفی می‌شوند، اما برای اطمینان هر مکانی که نامزد پلاک است از تصویر جدا شده و مورد پردازش قرار می‌گیرد، همان طور که درشکل ‏۱۲ مشاهده می‌شود، اندازه پلاک‌ها ثابت است بنابراین تنها با داشتن طول و یا عرض نوار آبی کناره پلاک، می‌توان طول و عرض کل پلاک را به دست آورد و پلاک را از درون تصویر استخراج و قیچی نمود.

تشخیص پلاک خودرو,پردازش تصاویر

شکل ۱۲ : نسبت طول پلاک به طول نوار آبی کناره

مسلما سیستم، هنگام جستجوی پلاک از بالا به پایین ، به عرض پلاک و طول نوار آبی دست یافته و تنها با داشتن نسبت طول پلاک به عرض آن، اندازه پلاک استخراج خواهد شد. بنابراین سیستم پیشنهادی برای مکان یابی در هیچ یک از مراحل، نیاز به تغییر اندازه تصویر ورودی نخواهد داشت، هر تصویر با هر اندازه ای قادر است به عنوان ورودی در نظر گرفته شود و پس از تشخیص مکان پلاک با استفاده از نسبت‌های طول به عرض پلاک، پلاک خودرو به استثنای نوار آبی کنار آن استخراج خواهد شد، پلاک استخراج شده پس از انجام مراحل مکان یابی مشابه شکل ۱۳ می‌باشد.

car13

شکل ۱۳ : پلاک استخراج شده پس از مکان یابی

پس از استخراج و برش کلیه نامزدها از تصویر اصلی، باید صحت هر نامزد تایید شود، برای این منظور پلاک جدا شده از تصویر ، به تابع تشخیص و شناسایی اعداد و حروف یا به نوعی به OCR ارجاع داده شده تا در صورتی که تصویر مانند شکل ‏۱۳ شامل به ترتیب از چپ به راست دو عدد و سپس یک حرف و در ادامه ۵ عدد بود، با اطمینان و قطعیت آن را پلاک دانسته و در خروجی سیستم نمایش دهد. در صورتی که سیستم شناسایی اعداد و حروف، موفق به شناسایی ۸ کاراکتر پلاک نشود، مکان یابی مردود و نامزد مورد نظر از لیست حذف می‌گردد. (اشتری و همکاران، ۱۳۸۹)

دیدگاهتان را بنویسید