Original title:
Automatické rozpoznávání registračních značek aut z málo kvalitních videosekvencí
Translated title:
Automated number plate recognition from low quality video-sequences
Authors:
Vašek, Vojtěch ; Franc, Vojtěch (advisor) ; Šikudová, Elena (referee) Document type: Master’s theses
Year:
2018
Language:
eng Abstract:
[eng][cze] The commercially used automated number plate recognition (ANPR) sys- tems constitute a mature technology which relies on dedicated industrial cam- eras capable of capturing high-quality still images. In contrast, the problem of ANPR from low-quality video sequences has been so far severely under- explored. This thesis proposes a trainable convolutional neural network (CNN) with a novel architecture which can efficiently recognize number plates from low-quality videos of arbitrary length. The proposed network is experimentally shown to outperform several existing approaches dealing with video-sequences, state-of-the-art commercial ANPR system as well as the human ability to recog- nize number plates from low-resolution images. The second contribution of the thesis is a semi-automatic pipeline which was used to create a novel database containing annotated sequences of challenging low-resolution number plate im- ages. The third contribution is a novel CNN based generator of super-resolution number plate images. The generator translates the input low-resolution image into its high-quality counterpart which preserves the structure of the input and depicts the same string which was previously predicted from a video-sequence. 1Komerčně používané systémy pro automatické rozpoznávání registračních značek představují vyspělou technologii, která se spoléhá na dedikované průmys- lové kamery schopné zaznamenávat kvalitní snímky. Problém rozpozpoznávání registračních značek z málo kvalitních videí je doposud naopak téměř nepro- zkoumaný. Tato diplomová práce navrhuje konvoluční neuronovou síť s novou architekturou, která efektivně rozpoznává registrační značky z málo kvalitních videosekvencí libovolné délky. Experimentálně dokazuje, že navrhovaná síť pře- konává několik existujících přístupů řešících rozpoznávání z videosekvencí, ko- merční state-of-the-art systém a také lidské schopnosti v rozpoznávání registrač- ních značek nízkého rozlišení. Druhým přínosem této práce je semi-automatický proces, který byl použit k vytvoření nové databáze anotovaných sekvencí ob- tížně čitelných registračních značek s nízkým rozlišením. Třetím přínosem je nový generátor superrezoluce registračních značek založený na konvolučních sí- tích. Generátor převádí vstupní obrázek s nízkým rozlišením na obdobný obrá- zek vysoké kvality tak, že zachovává strukturu vstupního a obsahuje text, který byl predikován z videosekvence. 1
Keywords:
automated number plate recognition; convolutional neural networks; image super-resolution; automatické rozpoznávání značek; konvoluční neuronové sítě; obrazová superrezoluce
Institution: Charles University Faculties (theses)
(web)
Document availability information: Available in the Charles University Digital Repository. Original record: http://hdl.handle.net/20.500.11956/101327