Алгоритм распознавания номерных знаков для приложений интеллектуальных транспортных систем

В данной работе предложен новый алгоритм идентификации автомобильных номерных знаков, основанный на новой адаптивной технике сегментации изображения (скользящие концентрические окна) и анализе связанных компонент в сочетании с нейронной сетью для распознавания символов. Алгоритм был протестирован на 1 334 изображениях транспортных средств в естественных сценах в градациях серого с различным фоном и уровнем освещённости. Камера была сфокусирована на номере, тогда как угол обзора и расстояние до автомобиля варьировались в зависимости от экспериментальной установки. Правильно сегментированных номерных знаков оказалось 1 287 из 1 334 входных изображений (96,5%). Система оптического распознавания символов представляет собой двухслойную вероятностную нейронную сеть (PNN) с топологией 108-180-36, производительность которой при распознавании полного номера достигла 89,1%. PNN обучена идентифицировать буквенно-цифровые символы с автомобильных номерных знаков на основе данных, полученных в результате алгоритмической обработки изображений. Совместное применение указанных двух показателей даёт общий коэффициент успешности алгоритма распознавания номерных знаков 86,0%. Обзор соответствующей литературы, представленный в статье, показывает, что лучшие показатели (90%–95%) сообщались при введении ограничений по расстоянию, углу обзора, условиям освещения и при низкой сложности фона.