Rozpoznávání SPZ z jednoho snímku

Abstract

Diplomová práce se zabývá analýzou a návrhem systému pro automatické rozpoznávání SPZ z jednoho snímku. Vstupní data pochází ze systému pro měření rychlosti na silnicích v emirátu Abu Dhabi (Spojené arabské emiráty). Cílem je rozpoznat číselný identi fikační údaj na SPZ a její typ. V práci jsou detailně rozebrány jednotlivé části systému rozpoznávání SPZ. Zvláštní důraz je kladen na segmentaci jednotlivých znaků a jejich seskupování, aby mohly být při rozpoznávání využity informace specifi cké pro SPZ z Abu Dhabi. Diplomová práce nabízí srovnání několika metod na rozpoznávání znaků - klasi fikátor minimální vzdálenosti, dopředné neuronové sítě a skryté Markovovy modely. Jednotlivé metody (a různé jejich modi fikace) jsou otestovány na reálných datech a porovnány podle procenta správně rozpoznaných číslic (číslice byly nejprve ručně klasi fikovány). Špatně rozpoznané SPZ jsou nežádoucí. Místo toho je v některých případech lepší označit SPZ jako "nerozpoznanou". Proto byly zavedeny so fistikované testy pro ověření věrohodnosti rozpoznaných číslic. Součástí práce je i zhodnocení vlastních výsledků.

The diploma thesis deals with analysis and design of an automatic system for a single-image license plate (LP) recognition. Input data came from a system for car speed measurement on the roads in the emirate of Abu Dhabi (the United Arab Emirates). A goal is to recognize a numeric identi cation code on a LP and a type of the LP. In details there are discussed individual parts of the system for LP recognition. A particular stress is put on segmentation and grouping of individual characters to be able to utilize specific information on the LP from Abu Dhabi during the character recognition. The diploma thesis compares several methods for character recognition - a minimum distance classi er, feed-forward neural networks and hidden Markov models. The methods (and some modifications of them) are tested on real data and compared according to the percentage of correctly recognized digits (at fi rst the digits were manually classi ffied). Wrongly recognized LPs are undesirable. Instead in some cases it is better to mark the LP as "unrecognized". That's why there were introduced sophisticated tests for recognized digits reliability veri cation. A summary of our own results is included.