Yapay zeka yöntemleri ile araç plaka tanıma sistemi
Yükleniyor...
Dosyalar
Tarih
2010-07-03
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Günümüzde teknolojideki hızlı gelişme insan hayatını büyük ölçüde kolaylaştırmaktadır. Özellikle güvenlik alanında teknolojinin kullanım oranı her geçen gün artmaktadır. Son yıllarda trafikte seyreden araç sayısının artmasıyla trafik denetlemesi yapan personel ihtiyacı artmaktadır. Bu ihtiyacı azaltmak amacıyla bilgisayar kontrollü otomatik denetleme sistemleri geliştirilmektedir. Bu sistemlerden bir tanesi de otomatik araç plaka tanıma sistemleridir. Bu sayede araçların belirleyici özelliği olan plakalar bir kamera yardımıyla bilgisayarlı sisteme iletilmekte ve plaka tanınmaktadır. Bu tanıma işlemi çeşitli yöntemler kullanılarak gerçekleştirilir. Araç plakası görüntü işleme algoritmaları kullanılarak tanınmaktadır. Bu çalışmada, insan gücünden tasarruf sağlamak ve güvenliği artırmak amacıyla görüntü işleme algoritmaları ve yapay sinir ağları ile plaka tanıma sistemi gerçekleştirilmiştir. Bu tezde gerçekleştirilen plaka tanıma sistemi bir kamera yardımıyla görüntüyü alıp sisteme bağlı bilgisayara iletmekte, alınan araç görüntüsü içersinde yer alan plaka bölgesi tespit edilmekte, plaka içersindeki karakterler ayrıştırılıp tanınmaktadır. Plaka bölgesinin tespiti aşamasında kenar bulma algoritması kullanılmıştır. Karakterlerin ayrıştırılması işleminde blob coloring yöntemi uygulanmıştır. Ayrıştırılan karakterler ileri beslemeli geri dönüşümlü çok katmanlı perseptron sinir ağı kullanılarak tanınmıştır. Gerçekleştirilen motorlu araçlar için plaka tanıma sistemi trafik denetleme, gişe otomasyonu ve denetimli saha giriş kontrolü (hastane, askeri tesis vb.) uygulamalarında kullanılabilir. Bu tez çalışmasında 259 araç görüntüsü kullanılarak plaka tanıma işlemi gerçekleştirilmiştir. Plaka yerinin tespitinde 259 araç görüntüsü içerisinden 255'inde plaka bölgesi doğru olarak tespit edilmiştir. Plaka bölgesi tespitinde başarı oranı %98,45 olarak elde edilmiştir. Doğru tespit edilen bu 255 plakanın karakterlerine ayrılması işleminde 3 plakanın karakterlerinin yanlış tespit edildiği gözlenmiştir. Karakterlere ayırma işleminde %98,82 başarı elde edilmiştir. Bu görüntülerden elde edilen plaka bölgesinde yer alan karakterler harf ve rakam olarak ayrıştırılmıştır. Ayrıştırma işlemi sonunda 1222 adet rakam, 597 adet harf elde edilmiştir. Elde edilen rakamlardan 200 tanesi yapay sinir ağının eğitim aşamasında, kalan 1022 adet rakam bilgisi test aşamasında kullanılmıştır. 597 adet harften ise 250 tanesi yapay sinir ağının eğitim aşamasında, kalan 347 adedi ise test aşamasında kullanılmıştır. Rakamların test edilmesi sonucunda 22 adet rakamın doğru sınıflandırılmadığı, kalan 1000 adet rakamın doğru sınıflandırıldığı gözlemlenmiştir. Dolayısıyla rakam için genel doğru sınıflandırma oranı %97,84 olmuştur. Harflerin test edilmesi sonucunda 3 adet harfin yanlış sınıflandırıldığı, kalan 344 adet harfin doğru sınıflandırıldığı gözlenmiştir. Dolayısıyla harfler için genel doğru sınıflandırma oranı %99,13 olmuştur. Genel anlamda 259 araç görüntüsünden 247 adedinin plakası tam ve doğru olarak tanınmıştır. Dolayısıyla genel başarı oranı 95,36 olmuştur.
The fast development in today's technology make human being life easier. Especially usage rates of technology in security feild is growing up day by day. In recent years, the necessity of personal working in traffic control is increasing because of inceasing of vehicle number. For this purpose, computer based automatic control systems are being developed. One of these systems is automatic vehicle plate recognition system. In these systems, the image of the plate which recognize the vehicles are taken by camera and this image send to computerized system and then the plate is identified. This identification can be implemented by using different methods. The vehicle plate can be identified by applying the images processing algorithms. In this work, for saving human force and increasing the security, the vehicle plate recognition system is developed by using image processing algorithms and artificial neural networks. The vehicle plate recognition system carried out in this thesis is transfers the vehicle pictures taken from the camera to the computer, then the plate region is determined by using image processing algorithms, then the characters placing in the plate are located and reconized. In determination of the plate region, the edge detection operators are used. The blob coloring method is applied for seperation of the characters. These seperated characters are classified by using feed forward back propagated multi layered perceptron neural networks. The implemented vehicle plate recognition system can be used in traffic control, toll automations and controlled area entry (hospital, car-parking etc.) applications. In this thesis study, 259 vehicle pictures is used in plate recognition system. In determination of the plate region, 255 of 259 vehicle pictures are determined correct. The success rate of determination of the plate region is 98,45 percent. In localization of the characters stage, 3 of 255 plate image is mislocalized. The success rate of the localization of the characters is 98,82 percent. The characters which determined form the plates, are categorized as letters and numbers. After this process, 1222 number and 597 letter is obtained. 200 of these numbers are used in training process of artificial neural networks and the rest (1022 numbers) is used in testing phase. 250 of the obtained letters are applied in training phase of the neural networks and the rest (347 letters) is used for testing the system performance. As a result of the testing processes, 22 of the numbers are misclassified and 3 of the letters are misclassified. Therefore, the correct classification rate for the numbers is 97,84 percent, the correct classification rate for the letters is 99,13 percent. In general, 247 of 259 vehicle pictures are classified correctly. Consequently, the overall success rate for this application is 95,36 percent.
The fast development in today's technology make human being life easier. Especially usage rates of technology in security feild is growing up day by day. In recent years, the necessity of personal working in traffic control is increasing because of inceasing of vehicle number. For this purpose, computer based automatic control systems are being developed. One of these systems is automatic vehicle plate recognition system. In these systems, the image of the plate which recognize the vehicles are taken by camera and this image send to computerized system and then the plate is identified. This identification can be implemented by using different methods. The vehicle plate can be identified by applying the images processing algorithms. In this work, for saving human force and increasing the security, the vehicle plate recognition system is developed by using image processing algorithms and artificial neural networks. The vehicle plate recognition system carried out in this thesis is transfers the vehicle pictures taken from the camera to the computer, then the plate region is determined by using image processing algorithms, then the characters placing in the plate are located and reconized. In determination of the plate region, the edge detection operators are used. The blob coloring method is applied for seperation of the characters. These seperated characters are classified by using feed forward back propagated multi layered perceptron neural networks. The implemented vehicle plate recognition system can be used in traffic control, toll automations and controlled area entry (hospital, car-parking etc.) applications. In this thesis study, 259 vehicle pictures is used in plate recognition system. In determination of the plate region, 255 of 259 vehicle pictures are determined correct. The success rate of determination of the plate region is 98,45 percent. In localization of the characters stage, 3 of 255 plate image is mislocalized. The success rate of the localization of the characters is 98,82 percent. The characters which determined form the plates, are categorized as letters and numbers. After this process, 1222 number and 597 letter is obtained. 200 of these numbers are used in training process of artificial neural networks and the rest (1022 numbers) is used in testing phase. 250 of the obtained letters are applied in training phase of the neural networks and the rest (347 letters) is used for testing the system performance. As a result of the testing processes, 22 of the numbers are misclassified and 3 of the letters are misclassified. Therefore, the correct classification rate for the numbers is 97,84 percent, the correct classification rate for the letters is 99,13 percent. In general, 247 of 259 vehicle pictures are classified correctly. Consequently, the overall success rate for this application is 95,36 percent.
Açıklama
Anahtar Kelimeler
Artificial intelligence, Yapay zeka, Character recognition, Karakter tanıma, Image processing, Görüntü işleme
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Çevik, K. K. (2010). Yapay zeka yöntemleri ile araç plaka tanıma sistemi. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.
