Применение МКВ-классификатора для распознавания символов автомобильных номеров
В статье предлагается решение задачи распознавания символов автомобильных номерных знаков на основе ранее предложенного МКВ-классификатора и алгоритма его получения с использованием обучающего набора. Объединение 8 свойств в виде МКВ-классификатора позволило получить качество распознавания в среднем...
Gespeichert in:
| Veröffentlicht in: | Штучний інтелект |
|---|---|
| Datum: | 2011 |
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | Russian |
| Veröffentlicht: |
Інститут проблем штучного інтелекту МОН України та НАН України
2011
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/60291 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Применение МКВ-классификатора для распознавания символов автомобильных номеров / К.В. Мурыгин // Штучний інтелект. — 2011. — № 4. — С. 203-206. — Бібліогр.: 4 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-60291 |
|---|---|
| record_format |
dspace |
| spelling |
Мурыгин, К.В. 2014-04-13T20:02:04Z 2014-04-13T20:02:04Z 2011 Применение МКВ-классификатора для распознавания символов автомобильных номеров / К.В. Мурыгин // Штучний інтелект. — 2011. — № 4. — С. 203-206. — Бібліогр.: 4 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/60291 004.89:004.93 В статье предлагается решение задачи распознавания символов автомобильных номерных знаков на основе ранее предложенного МКВ-классификатора и алгоритма его получения с использованием обучающего набора. Объединение 8 свойств в виде МКВ-классификатора позволило получить качество распознавания в среднем по всем классам принятого алфавита – 95% и увеличить скорость выполнения операции классификации по сравнению с методом сопоставления с эталоном более чем в 10 раз. Низкая вычислительная сложность в сочетании с высокой эффективностью работы классификатора позволяет использовать его для решения широкого круга прикладных задач распознавания изображений. У статті пропонується вирішення задачі розпізнавання символів автомобільних номерних знаків на основі раніше запропонованого МКВ-класифікатора й алгоритму його одержання з використанням навчального набору. Об’єднання 8 властивостей у вигляді МКВ-класифікатора дозволило одержати якість розпізнавання в середньому по всіх класах прийнятого алфавіту – 95% і збільшити швидкодію виконання операції класифікації порівняно з методом зіставлення з еталоном більш ніж в 10 разів. Низька обчислювальна складність разом з високою ефективністю роботи класифікатора дозволяє використовувати його для вирішення широкого кола прикладних задач розпізнавання зображень. The paper is devoted to the problem of recognition of car license plate symbols on a basis of MKV-classifier. Association of 8 properties in the form of the MKV- classifier has allowed to receive quality of recognition on the average on all classes of the accepted alphabet – 95%, and to increase speed of performance of operation of classification in comparison with the template matching method more than in 10 times. Low computing complexity in a combination to high overall performance of the classifier allows to use it for the decision of a wide range of applied problems in images recognition area. ru Інститут проблем штучного інтелекту МОН України та НАН України Штучний інтелект Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений Применение МКВ-классификатора для распознавания символов автомобильных номеров Застосування МКВ-класифікаторів для розпізнавання символів автомобільних номерів Car License Plate Symbols Recognition Based on MKV-Classifier Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Применение МКВ-классификатора для распознавания символов автомобильных номеров |
| spellingShingle |
Применение МКВ-классификатора для распознавания символов автомобильных номеров Мурыгин, К.В. Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений |
| title_short |
Применение МКВ-классификатора для распознавания символов автомобильных номеров |
| title_full |
Применение МКВ-классификатора для распознавания символов автомобильных номеров |
| title_fullStr |
Применение МКВ-классификатора для распознавания символов автомобильных номеров |
| title_full_unstemmed |
Применение МКВ-классификатора для распознавания символов автомобильных номеров |
| title_sort |
применение мкв-классификатора для распознавания символов автомобильных номеров |
| author |
Мурыгин, К.В. |
| author_facet |
Мурыгин, К.В. |
| topic |
Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений |
| topic_facet |
Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений |
| publishDate |
2011 |
| language |
Russian |
| container_title |
Штучний інтелект |
| publisher |
Інститут проблем штучного інтелекту МОН України та НАН України |
| format |
Article |
| title_alt |
Застосування МКВ-класифікаторів для розпізнавання символів автомобільних номерів Car License Plate Symbols Recognition Based on MKV-Classifier |
| description |
В статье предлагается решение задачи распознавания символов автомобильных номерных знаков на основе ранее предложенного МКВ-классификатора и алгоритма его получения с использованием обучающего набора. Объединение 8 свойств в виде МКВ-классификатора позволило получить качество распознавания в среднем по всем классам принятого алфавита – 95% и увеличить скорость выполнения операции классификации по сравнению с методом сопоставления с эталоном более чем в 10 раз. Низкая вычислительная сложность в сочетании с высокой эффективностью работы классификатора позволяет использовать его для решения широкого круга прикладных задач распознавания изображений.
У статті пропонується вирішення задачі розпізнавання символів автомобільних номерних знаків на основі раніше запропонованого МКВ-класифікатора й алгоритму його одержання з використанням навчального набору. Об’єднання 8 властивостей у вигляді МКВ-класифікатора дозволило одержати якість розпізнавання в середньому по всіх класах прийнятого алфавіту – 95% і збільшити швидкодію виконання операції класифікації порівняно з методом зіставлення з еталоном більш ніж в 10 разів. Низька обчислювальна складність разом з високою ефективністю роботи класифікатора дозволяє використовувати його для вирішення широкого кола прикладних задач розпізнавання зображень.
The paper is devoted to the problem of recognition of car license plate symbols on a basis of MKV-classifier. Association of 8 properties in the form of the MKV- classifier has allowed to receive quality of recognition on the average on all classes of the accepted alphabet – 95%, and to increase speed of performance of operation of classification in comparison with the template matching method more than in 10 times. Low computing complexity in a combination to high overall performance of the classifier allows to use it for the decision of a wide range of applied problems in images recognition area.
|
| issn |
1561-5359 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/60291 |
| citation_txt |
Применение МКВ-классификатора для распознавания символов автомобильных номеров / К.В. Мурыгин // Штучний інтелект. — 2011. — № 4. — С. 203-206. — Бібліогр.: 4 назв. — рос. |
| work_keys_str_mv |
AT muryginkv primeneniemkvklassifikatoradlâraspoznavaniâsimvolovavtomobilʹnyhnomerov AT muryginkv zastosuvannâmkvklasifíkatorívdlârozpíznavannâsimvolívavtomobílʹnihnomerív AT muryginkv carlicenseplatesymbolsrecognitionbasedonmkvclassifier |
| first_indexed |
2025-11-25T22:51:34Z |
| last_indexed |
2025-11-25T22:51:34Z |
| _version_ |
1850574988301565952 |
| fulltext |
«Штучний інтелект» 4’2011 203
4М
УДК 004.89:004.93
К.В. Мурыгин
Институт проблем искусственного интеллекта МОН Украины и НАН Украины, г. Донецк
kir@iai.donetsk.ua
Применение МКВ-классификатора
для распознавания символов
автомобильных номеров
В статье предлагается решение задачи распознавания символов автомобильных номерных знаков на
основе ранее предложенного МКВ-классификатора и алгоритма его получения с использованием
обучающего набора. Объединение 8 свойств в виде МКВ-классификатора позволило получить качество
распознавания в среднем по всем классам принятого алфавита – 95% и увеличить скорость выполнения
операции классификации по сравнению с методом сопоставления с эталоном более чем в 10 раз.
Низкая вычислительная сложность в сочетании с высокой эффективностью работы классификатора
позволяет использовать его для решения широкого круга прикладных задач распознавания изображений.
Введение
Распознавание символов автомобильного номера является последним этапом
в решении задачи автоматического распознавания автомобильных номеров. На вход
алгоритма распознавания символов поступают изображения символов номерного
знака, для определения положения которых используются результаты решения задач
обнаружения автомобильного номера [1], нормализации изображения номерного знака,
сегментации символов автомобильного номера [2].
Для решения задачи распознавания символов используются различные методы
классификации, начиная от сопоставления с эталоном и заканчивая сопоставлением
векторных представлений символов, полученных в ходе предварительной обработки
их изображений.
Как показали предварительные исследования [3], метод сопоставления с эталоном
позволяет добиться удовлетворительных показателей качества классификации при
условии правильного выбора шаблонов и метода их сопоставления с изображением.
В то же время следует отметить два важных его недостатка: высокая вычислительная
сложность – для получения результата необходимо выполнить сопоставление изобра-
жения символа с шаблонами всего алфавита классов; сложность учета возможных
вариаций изображений символа одного класса, которые могут быть достаточно суще-
ственны, что обусловлено различиями в ракурсе съемки, освещении и неточностями
алгоритма автоматической сегментации. Последний недостаток может быть устранен
в рамках метода сопоставления с эталоном за счет расширения числа шаблонов для
каждого класса или при переходе в пространство главных компонент, что в свою
очередь еще в большей степени увеличит вычислительную сложность метода.
В статье [4] предлагается алгоритм построения МКВ-классификатора, основан-
ного на объединении бинарных свойств, позволяющего решать как двухклассовую, так
и многоклассовую задачи классификации. Результирующий классификатор допускает
представление в виде дерева решений, что увеличивает вычислительную эффективность
Мурыгин К.В.
«Искусственный интеллект» 4’2011 204
4М
процесса классификации, а также позволяет учесть внутриклассовую изменчивость
объектов распознавания за счет полного описания расположения обучающих объектов
в вершинах, порождаемого набором бинарных свойств, многомерного гиперкуба.
Целью данной работы является разработка и реализация метода классифи-
кации символов автомобильного номерного знака на основе МКВ-классификатора.
Обучение МКВ-классификатора для распознавания
символов автомобильного номера
Обучение МКВ-классификатора для задачи распознавания символов автомобиль-
ного номерного знака было выполнено согласно алгоритму, предложенному в [4]. В ка-
честве модельной задачи использовалась задача распознавания цифр. Исходные данные
для обучения и тестирования представляли собой изображения цифр, полученные путем
автоматической сегментации символов на номере (рис. 1).
Рисунок 1 – Примеры изображений символов обучающего и тестового наборов
Общее количество изображений цифр равнялось 4300, среди которых каждая
из цифр встречалась приблизительно с одинаковой частотой. Случайным образом наборы
изображений каждой цифры были разделены на равные части, одна из которых исполь-
зовалась для обучения, вторая – для тестирования обученного МКВ-классификатора.
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
1 2 3 4 5 6 7 8
Число ЭК
О
ш
и
бк
а
к
л
ас
си
ф
и
к
ац
и
и
Рисунок 2 – Зависимость ошибки от числа свойств,
полученная в процессе обучения
В ходе обучения был построен древовидный МКВ-классификатор, использу-
ющий прямоугольные свойства, аналогичные используемым в [4]. Число свойств рав-
нялось 8. Свойства комбинировались до достижения средней ошибки по всем классам
менее 0,01. Зависимость ошибки от числа свойств, полученная в ходе обучения, при-
ведена на рис. 2.
После обучения число вершин куба, в которые попадали обучающие объекты и
которые получили атрибут класса, было равно 136 (из 256). При тестировании клас-
сификатора на обучающем наборе была получена следующая матрица принимаемых
решений.
Применение МКВ-классификатора для распознавания символов...
«Штучний інтелект» 4’2011 205
4M
В табл. 1 приведены относительные частоты принятия соответствующих реше-
ний. Строкам соответствуют классы, подаваемые на вход классификатора, столбцам –
принятые решения. Диагональные элементы соответствуют относительным частотам
принятия правильных классифицирующих решений.
Таблица 1 – Матрица принятых классификатором решений на обучающем наборе
Классы 0 1 2 3 4 5 6 7 8 9
0 1 0 0 0 0 0 0 0 0 0
1 0 0,99 0 0 0,005 0 0 0 0 0,005
2 0 0 0,986 0 0 0 0,005 0,009 0 0
3 0 0 0,005 0,976 0 0,005 0 0,015 0 0
4 0 0 0 0 1 0 0 0 0 0
5 0 0 0 0,005 0 0,995 0 0 0 0
6 0 0 0 0 0,006 0 0,994 0 0 0
7 0,004 0 0,004 0 0 0 0 0,991 0 0
8 0 0 0 0 0 0 0,009 0 0,991 0
9 0 0,005 0 0 0 0,01 0 0 0,01 0,976
Тестирование полученного МКВ-классификатора
для распознавания символов автомобильного номера
Для тестирования полученного классификатора использовался тестовый набор
изображений символов автомобильного номера, не пересекающийся с обучающим
набором. В табл. 2 приведена матрица принятых решений, полученная в ходе про-
веденного тестирования.
Таблица 2 – Матрица принятых классификатором решений на тестовом наборе
Классы 0 1 2 3 4 5 6 7 8 9
0 0,988 0,006 0,003 0 0 0 0 0 0,003 0
1 0,029 0,951 0 0,005 0,005 0,005 0 0 0 0,005
2 0,019 0 0,92 0,005 0 0 0,009 0,042 0,005 0
3 0,024 0,005 0,005 0,941 0 0,01 0 0,015 0 0
4 0,016 0,005 0 0 0,974 0 0 0 0,005 0
5 0,014 0 0 0,024 0,005 0,948 0 0 0,009 0
6 0,025 0 0 0 0,019 0 0,944 0 0,012 0
7 0,018 0,018 0,004 0,009 0 0 0 0,952 0 0
8 0,026 0 0 0,009 0 0,018 0,004 0 0,939 0,004
9 0 0,024 0 0 0 0,019 0 0 0,01 0,947
Приведенные в табл. 1 и 2 результаты говорят о достижении в ходе обучения
высокой эффективности предложенного классификатора и достаточно высокие харак-
теристики обобщения классовых особенностей по обучающему набору. Использование
восьми свойств позволило получить процент правильного распознавания в среднем
по всем классам – 0,95.
Мурыгин К.В.
«Искусственный интеллект» 4’2011 206
4М
Выводы
Рассмотренный в статье подход к решению задачи распознавания символов
автомобильного номера показал возможность успешного его применения в реальных
системах автоматического определения номерных знаков автомобилей на основе
анализа визуальной информации. Объединение 8 свойств в виде МКВ-классифика-
тора позволило получить качество распознавания в среднем по всем классам принятого
алфавита – 95% и увеличить скорость выполнения операции классификации по
сравнению с методом сопоставления с эталоном более чем в 10 раз. Низкая вычис-
лительная сложность в сочетании с высокой эффективностью работы классифика-
тора позволяет использовать его для решения широкого круга прикладных задач
распознавания изображений.
Литература
1. Мурыгин К.В. Обнаружение автомобильных номеров на основе смешанного каскада классифика-
торов / К.В. Мурыгин // Искусственный интеллект. – 2010. – № 2. – С. 147-152.
2. Мурыгин К.В. Нормализация изображения автомобильного номера и сегментация символов для по-
следующего распознавания / К.В. Мурыгин // Искусственный интеллект. – 2010. – № 3. – С. 364-369.
3. Мурыгин К.В. Получение шаблонов для распознавания символов автомобильного номера на основе
взвешивания обучающего набора / К.В. Мурыгин // Искусственный интеллект. – 2011. – № 2. –
С. 164-170.
4. Мурыгин К.В. Комбинирование бинарных свойств в виде МКВ-классификатора / К.В. Мурыгин //
Искусственный интеллект. – 2010. – № 1. – С. 108-113.
Literatura
1. Murygin K.V. Iskusstvennyj intellekt. № 2. 2010. S. 147-152.
2. Murygin K.V. Iskusstvennyj intellekt. № 3. 2010. S. 364-369.
3. Murygin K.V. Iskusstvennyj intellekt. № 2. 2010. S. 164-170.
4. Murygin K.V. Iskusstvennyj intellekt. № 1. 2010. S. 108-113.
К.В. Муригін
Застосування МКВ-класифікаторів для розпізнавання символів автомобільних номерів
У статті пропонується вирішення задачі розпізнавання символів автомобільних номерних знаків на
основі раніше запропонованого МКВ-класифікатора й алгоритму його одержання з використанням
навчального набору. Об’єднання 8 властивостей у вигляді МКВ-класифікатора дозволило одержати
якість розпізнавання в середньому по всіх класах прийнятого алфавіту – 95% і збільшити швидкодію
виконання операції класифікації порівняно з методом зіставлення з еталоном більш ніж в 10 разів.
Низька обчислювальна складність разом з високою ефективністю роботи класифікатора дозволяє
використовувати його для вирішення широкого кола прикладних задач розпізнавання зображень.
K.V. Murygin
Car License Plate Symbols Recognition Based on MKV-Classifier
The paper is devoted to the problem of recognition of car license plate symbols on a basis of MKV-classifier.
Association of 8 properties in the form of the MKV- classifier has allowed to receive quality of recognition
on the average on all classes of the accepted alphabet – 95%, and to increase speed of performance of
operation of classification in comparison with the template matching method more than in 10 times. Low
computing complexity in a combination to high overall performance of the classifier allows to use it for the
decision of a wide range of applied problems in images recognition area.
Статья поступила в редакцию 20.04.2011.
|