Original title: Re-identifikace vozidla pomocí rozpoznání jeho registrační značky
Translated title: Re-Identification of Vehicles by License Plate Recognition
Authors: Špaňhel, Jakub ; Juránková, Markéta (referee) ; Herout, Adam (advisor)
Document type: Master’s theses
Year: 2015
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [cze] [eng]
Tato práce se zabývá návrhem algoritmů detekce a rozpoznání registrační značky vozidla, které by byly použitelné pro re-identifikaci vozidla v obraze, a vytvořením jednoduchého systému analýzy dopravy. Byly navrženy a otestovány jednotlivé části toho systému. Konkrétně se jedná o detekci vozidel, detekci a rozpoznání registrační značky vozidla a systém samotný. Detekce vozidel je prováděna pomocí metody odečítání pozadí a vytváření ohraničení těchto oblastí s úspěšností ~92%. Registrační značka je detekována pomocí kaskády klasifikátoru a dosahuje úspěšnosti 81.72% a přesnosti 94.42%. Rozpoznání poznávací značky pomocí metody Template matching  dosahuje úspěšnosti 60.55%. Proto byl představen zcela nový princip rozpoznávání registrační značky vozidla pomocí jejího skenování užitím principu sliding window  a rozpoznáváním neuronovou sítí. Neuronová síť dosahuje úspěšnosti 64.47% pro testovací datovou sadu při použití pěti příznaků. Malou úspěšnost neuronové sítě však ovlivňuje nedostatek vzorků některých znaků registrační značky. This thesis aims at proposing vehicle license plate detection and recognition algorithms, suitable for vehicle re-identification. Simple urban traffic analysis system is also proposed. Multiple stages of this system was developed and tested. Specifically - vehicle detection, license plate detection and recognition. Vehicle detection is based on background substraction method, which results in an average hit rate of ~92%. License plate detection is done by cascade classifiers and achieves an average hit rate of 81.92% and precision rate of 94.42%. License plate recognition based on Template matching results in an average precission rate of 60.55%. Therefore the new license plate recognition method based on license plate scanning using the sliding window principle and neural network recognition was introduced. Neural network achieves a precision rate of 64.47% for five input features. Low precision rate of neural network is caused by small amount of training sample for some specific license plate characters.
Keywords: Background substraction; Cascade classifier; Computer vision; License plate detection; License plate recognition; License plate scanning; Neural network; Re-identification of vehicles; Sliding window; Template matching; Urban traffic; Urban traffic analysis; Vehicle detection; analýza dopravy; detekce registrační značky; detekce vozidel; doprava; kaskáda klasifikátorů; neuronová síť; odečítání pozadí; Počítačové vidění; re-identifikace vozidel; rozpoznání registrační značky; skenování registrační značky; sliding window; template matching

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/64033

Permalink: http://www.nusl.cz/ntk/nusl-264932


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses