Ứng dụng mạng Nơ-Ron trong nhận dạng biển số ô tô

1 BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG NGUYỄN VĂN LÂM ỨNG DỤNG MẠNG NƠ-RON TRONG NHẬN DẠNG BIỂN SỐ Ơ TƠ Chuyên ngành: KỸ THUẬT ĐIỆN TỬ Mã số: 60.52.70 TĨM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT Đà Nẵng - Năm 2011 2 Cơng trình được hồn thành tại ĐẠI HỌC ĐÀ NẴNG Người hướng dẫn khoa học: TS. Phạm Văn Tuấn Phản biện 1: ............................................................................. Phản biện 2: ............................................................................. Luận văn sẽ được bảo vệ trước Hội đồng chấm Luận văn tốt nghiệp thạc sĩ Kỹ Thuật điện tử họp tại Đại học Đà Nẵng vào ngày …...… tháng …...… năm …...…. Cĩ thể tìm hiểu luận văn tại: - Trung tâm Thơng tin-Học liệu, Đại học Đà Nẵng - Trung tâm Học liệu, Đại học Đà Nẵng 3 MỞ ĐẦU Với sự phát triển nhanh cơng nghiệp sản xuất phương tiện đã làm cho số lượng các phương tiện giao thơng phát triển nhanh chĩng về số lượng. Tại Việt Nam theo thống kê từ TRUNG TÂM ĐĂNG KIỂM 50-07V. Số lượng ơ tơ đang lưu hành tại Việt nam tính đến hết 31/01/2010 là 1.147.765 chiếc. Một con số đáng kể nếu so với tình hình giao thơng phức tạp như hiện nay của nước ta. Điều này địi hỏi nhiều hơn nguồn nhân lực từ các cơ quan quản lý để đảm bảo quá trình giao thơng diễn ra an tồn và thuận lợi. Xuất phát từ nhu cầu trên cĩ rất nhiều giải pháp đã được đưa ra để kiểm sốt các phương tiện giao thơng như sử dụng Chip chuyên dụng để gắn lên phương tiện, sử dụng định vị tồn cầu GPS... Nhưng các giải pháp này lại khá tốn kém, khĩ triển khai và nâng cấp, địi hỏi các thiết bị và kỹ thuật phức tạp. Khi kỹ thuật Xử Lý Ảnh ra đời và phát triển mạnh mẽ thì việc sử dụng kỹ thuật này vào hệ thống kiểm sốt phương tiện dựa trên cơ sở nhận dạng biển số phương tiện tỏ ra nhiều ưu điểm vượt trội như chi phí triển khai thấp. Các thiết bị đơn giản dễ lắp đặt, dễ mở rộng cho nhiều ứng dụng khác nhau như xây dựng trạm thu thuế, nhà giữ xe tự động, kiểm sốt vi phạm tại các nút giao thơng phức tạp. Cùng với sự phát triển của trí tuệ nhân tạo, việc ứng dụng mạng nơ-ron vào việc nhận dạng mẫu ký tự trong kỹ thuật xử lý ảnh trở nên hiệu quả và nhanh chĩng. Như vậy việc kết hợp kỹ thuật xử lý ảnh và ứng dụng mạng Nơ-ron để xây dựng hệ quyết định trong nhận dạng biển số phương tiện mà cụ thể ở đây là biển số Ơ tơ là giải pháp tối ưu nhất hiện nay. Với sự phát triển nhanh về tốc độ chụp, độ 4 phân giải của các thiết bị thu nhận ảnh, tốc độ tính tốn các bộ vi xử lý cũng như giá thành làm cho việc triển khai các ứng dụng xử lý ảnh trở nên dễ dàng, tin cậy chi phí thấp và tốc độ nhanh. 1. Mục đích nghiên cứu : • Nghiên cứu giải pháp nhận dạng biển số ơ tơ bằng mạng nơ-ron 2. Nội dung nghiên cứu • Nghiên cứu các kỹ thuật nhận dạng biển số ơ tơ dùng kỹ thuật xử lý ảnh và mạng nơ-ron. Đặt tiền đề nghiên cứu sâu hơn để đưa ra các ứng dụng cụ thể. • Xây dựng phương pháp và thuật tốn để thực hiện nhận dạng, qua đĩ nghiên cứu các hạn chế và nhược điểm của hệ thống để tiến hành tối ưu. • Viết phần mềm mơ phỏng quá trình nhận dạng biển số trên các ảnh được thu thập trên thực tế để tạo tiền đề cho việc xây dựng phần mềm nhận dạng trực tiếp qua Camera. 3. Đối tượng nghiên cứu Tập trung chính vào đối tượng nghiên cứu là kỹ thuật xử lý ảnh và mạng nơ-ron trên cơ sở nghiên cứu: • Thuật Tốn nhận dạng biển số 4. Phạm vi nghiên cứu Do các hạn chế về thời gian cũng như thiết bị, đề tài sẽ tập trung nghiên cứu trên một tập các ảnh số được thu thập theo nguyên tắc sau : Các ảnh được thu thập theo 3 thể loại : 5 - Tập 1 gồm các ảnh xe Ơ tơ cĩ biển số rõ nét, ảnh chất lượng cao và vùng biển số khơng bị nhiễu hay che khuất. - Tập 2 gồm các xe được chụp với gĩc lệnh ±200 so với máy ảnh. - Tập 3 gồm các ảnh xe cĩ biển số bị nhịe do được chụp ở khoảng cách xa hay bị mờ do quá trình di chuyển. - Đề tài sẽ tiến hành nghiên cứu xây dựng thuật tốn dựa trên các tiêu chí ảnh đầu vào được thu thập qua ba tập ảnh như trên. 5. Phương pháp nghiên cứu • Thu thập một số lượng hữu hạn các ảnh xe ơ tơ từ máy ảnh. • Tiến hành phân tích, xây dựng giải pháp nhận dạng gồm cĩ : - Tiền xử lý - Trích đặc trưng - Huấn luyện mơ hình - Kiểm thử trên cơ sở dữ liệu thu thập được gồm cơ sở dữ liệu chuẩn và ảnh tự chụp trong thực tế. 6. Ý nghĩa khoa học của đề tài Kiểm chứng tính khả thi và khả năng ứng dụng kỹ thuật xử lý ảnh và mạng nơ-ron vào bài tốn nhận dạng biển số. Đặt nền tảng nghiên cứu sâu hơn nhằm phát triển các ứng dụng thực tiễn. 7. Ý nghĩa thực tiễn của đề tài 6 Kỹ thuật xử lý ảnh đã và đang được ứng dụng rộng rãi trong các thiết bị từ dân dụng đến chuyên dụng. Việc sử dụng xử lý ảnh để nhận dạng biển số Ơ tơ sẽ gĩp phần giải quyết được một phần của bài tốn tắt nghẽn giao thơng như hiện nay và tự động hĩa một số cơng việc liên quan đến quản lý Ơ tơ. Tạo tiền đề cho việc phát triển và triển khai các giải pháp nhận dạng khác như biển số xe máy, nhận dạng tài liệu.. CHƯƠNG 1. TỔNG QUAN VỀ CÁC HƯỚNG NHẬN DẠNG DỰA TRÊN KỸ THUẬT XỬ LÝ ẢNH. Như chúng ta đã biết về các hệ thống nhận dạng biển số xe ơ tơ trong thực tế. Chương này sẽ tiến hành phân tích sâu hơn về các hệ thống này, quá trình phát triển nghiên cứu, các ưu nhược điểm của hệ thống nhận dạng biển số xe ơ tơ. 1.1 Sơ lượt về hệ thống nhận dạng biển số 1.2 Kiến trúc tổng quan của một hệ thống nhận dạng biển số ơ tơ Hệ thống nhận dạng biển số thường cĩ các bước sau : - Thu nhận ảnh ( Cĩ thể chụp từ Camera thường hay camera hồng ngoại). - Tách biển số cĩ trong ảnh, chỉnh sửa gĩc lệnh. - Phân đoạn các ký tự [10]. - Nhận dạng - Kiểm tra cú pháp. 7 1.3 Các ứng dụng liên quan đến hệ thống nhận dạng biển số Ơ tơ. Bài tốn nhận dạng biển số ơ tơ cĩ thể được áp dụng rộng rãi trong nhiều ứng dụng thực tế khác nhau như : - Hệ thống tự động thu thuế xe - Hệ thống bãi giữ xe thơng minh - Kiểm sốt và quản lý xe trên các điểm giao thơng - Nhiều ứng dụng khác... 1.4 Những khĩ khăn trong nhận dạng biển số ơ tơ - Độ phân giải ảnh quá thấp - Ảnh quá tối hay bị che khuất bởi các vật khác, do sự chĩi sáng hay phản chiếu đối với ánh sáng của biển số. Biển số bị dính bẩn hay biến dạng - Các kiểu Font khác nhau của các ký tự khác nhau. 8 1.5 Các giải pháp cơng nghệ CHƯƠNG 2. NGHIÊN CỨU PHƯƠNG PHÁP TIỀN XỬ LÝ, TÁCH VÙNG VÀ KÝ TỰ CỦA BIỂN SỐ. 2.1 Sơ đồ khối hệ thống 2.2 Tách vùng biển số Ở bước này ta định nghĩa một khu vực biển số dựa trên đặc tính của sự xuất hiện nhiều các cạnh ngang và cạnh dọc do biên của các ký tự trên biển số gây ra trên một diện tích nhỏ quanh biển số. 2.2.1 Các phép biến đổi cơ bản dùng để tách vùng biển số a. Ma trận tích chập phát hiện biên theo chiều ngang và chiều dọc           −−− = 111 000 111 hem ;           − − − = 101 101 101 vem b. Ma trận tích chập tìm biên Sobel           −−− = 121 000 121 xG ;           − − − = 101 202 101 veG c. Bộ Phép lọc làm trơn theo chiều ngang và chiều dọc Bộ lọc này dùng để làm trơn các cụm điểm ảnh cĩ độ sáng cao giống biển số để chúng ta cĩ thể nhĩm chúng lại được với nhau để thực hiện bước tiếp theo trong phát hiện vùng biển số. 9 (a) Ảnh Gốc (b) Ảnh làm trơn phương x (c) Ảnh làm trơn phương y (d) Ảnh phát hiện biên Sobel (e) Ảnh phát hiện biên theo phương y (f) Ảnh phát hiện biên theo phương x 2.2.2 Tìm biển số dựa vào đồ thị hình chiếu theo chiều ngang và chiều dọc Khi chiếu theo chiều ngang, chúng ta sẽ cĩ một đồ thị biểu diễn cường độ tổng thể của bức ảnh như ta thấy ở hình bên dưới. Hình 2.1 Hình chiếu theo phương y của ảnh 10 Phương pháp tìm khu vực biển số dựa trên phương pháp thơng kê này gồm cĩ 2 giai đoạn: - Giai đoạn đầu ta phải tìm được “dải ngang chứa biển số” cĩ kích thước lớn hơn kích thước của biển số thật. Sau đĩ vùng này sẽ được tìm gĩc lệch do vị trí của Camera gây ra. Chỉnh sửa gĩc lệch. Kết quả của bước này cho ta được một vùng chứa biển số nhưng cĩ kích thước lớn hơn kích thước biển số thật ở trên vùng đĩ. - Giai đoạn hai của quá trình này là ta phải tinh chỉnh vị trí của biển số, để vùng ảnh ta nhận được là chỉ cĩ vùng giới hạn trong đường biên của biển số với các ký tự mà thơi. a. Tìm dải ngang chứa biển số. Hình 2.3 Phân tích hình chiếu tìm dải ngang chứa biển số Giá trị lớn nhất của py(y) cĩ thể cho ta vị trí của “dải chứa biển số” và nĩ được tính như sau: ( ){ }ypy yyyybm 10maxarg ≤≤= Ta gọi yb0 và yb1 là tọa độ trên và tọa độ dưới của “dải ngang chứa biển số”. thì yb0 và yb1 sẽ được tính như sau: 11 ( ){ }bmyyyyyyb ypcypyy bm .)(|max00 ≤= ≤≤ ( ){ }bmyyyyyyb ypcypyy bm .)(|max 11 ≤= ≤≤ Với cy là hệ số để tìm chân của đỉnh py(y). cy là hệ số quan trọng trong việc tìm chiều cao của biển số. Ở đây với tọa trên của dải ta chọn c1=0.55, c2=0.44 (việc chọn này được dựa vào thực tế và được điều chỉnh để thích nghi với nhiều kích thước biển số khác nhau). b. Tìm biển số dựa vào dải ngang chứa biển số Ta dựa vào sự thay đổi từ đen thành trắng và từ trắng thành đen trên các biên của biển số. Hình vẽ biểu thị đồ thị hình chiếu dọc của ảnh được mơ tả như hình bên dưới. Và để phát hiện tọa độ biên, ở đây ta phải tìm cách sao cho các đặc tính này được hiển thị rõ. Giải pháp đưa ra ở đây là ta tìm vi phân của p(x, y) ta được p’(x,y). Vì đồ thị hình chiếu là khơng liên tục và số lượng mẫu khơng tiến đến vơ cùng, vì vậy ta đưa ra một hàm rời rạc với h là bước lấy vi phân (ví dụ ta chọn h = 4). Thì hàm rời rạc để tìm p’ được tính: h hxpxp xp xxx )()()(' −−= Với h = 4 thì ta cĩ ví dụ hình cụ thể như bên dưới. Biên trái và biên phải của biển số cĩ thể được phát hiện bằng cách phân tích vi phân của p’ như sau: 12 Hình 2.4 Phân tích hình chiếu tìm biển số c. Phân tích đặc tính để trích chọn biển số. Để lựa chọn được đối tượng ảnh biển số ta phải xác định các trọng số mơ tả đặc tính của nĩ. Và để làm điều này ta phải xác định được biểu thức để tính tốn trọng số mơ tả đặc tính của từng đối tượng. Cĩ rất nhiều đặc tính ràng buộc để đánh giá. Nhưng ta chỉ dựa và một số đặc tính được tính như sau: 421 .4.0.4.0.25.0.15.0 3 ααααα +++= 13 Bảng 2.3. Bảng thơng tin trích chọn đặc tính Đặc tính Ảnh minh họa Mơ tả 101 bb yy −=α Chiều cao của dải. Các dải cĩ chiều cao nhỏ hơn sẽ được xem xét tiếp )( 1 2 bmy yp =α py(ybm): Giá trị đỉnh của đồ thị hình chiếu theo trục y. Các dải cĩ giá trị lớn nhất lớn hơn giá trị này sẽ được xem xét. ∑ = = 1 0 )( 1 3 b b y yy y yp α ` Đặc tính này tương tự đặc tính trên. Tuy nhiên ở đây khơng chỉ xét giá trị đỉnh mà cịn xét cả vùng được giới hạn bỏi yb0 và yb1. 10 10 4 − − − = bb pp yy xx α Trên hầu hết các quốc gia thì biển số một hàng này cĩ tỉ số chiều rộng và chiều cao là 5. Nên ta sẽ lấy tỉ số này làm đặc tính để đánh giá. 14 2.3 Giải thuật tìm gĩc lệnh 2.3.1 Phát hiện gĩc lệch Thực hiện tách biên ảnh, sau đĩ dùng biến đổi Hough để tìm đường thẳng cĩ mật độ cao nhất : Hình 2.11. Tìm gĩc lệnh cho biển số 2.3.2 Chỉnh gĩc lệch Dùng ma trận tích chập Shear để chỉnh gĩc lệch           − =           = 100 010 0)tan(1 100 01 01 θ x y S S A Hình 2.13. Ảnh biển số được xoay 15 2.4 Phân đoạn các đối tượng trên biển số 2.4.1 Phân đoạn dùng hình chiếu dọc 2.4.2 Tách các đối tượng ký tự bằng phân đoạn theo chiều dọc Dựa vào đồ thị hình chiếu của biển số và khoảng cách trống giữa các ký tự giúp ta cĩ thể phân đoạn các ký tự một cách dễ dàng. Hình 2.14. Phân đoạn biển số Sau khi biển số được phân đoạn dựa vào đồ thị hình chiếu thì các phân đoạn ta thu được luơn chứa thêm các phần tử khơng mong muốn như nhiễu hay biên biển số, các phân đoạn khơng chứa ký tự…Vì vậy ta phải tiền hành loại bỏ các đối tượng này. Bước 1. Tách khối dùng thuật tốn kết nối nhãn 16 Hình 2.15 Phân đoạn ký tự 2.4.3 Phân tích đặc tính của các đối tượng được tách để tìm ký tự chính. Nếu chúng ta giả thiết rằng các mẫu ký tự khơng cĩ sự khác biệt về độ chĩi và độ tương phản quá nhiều thì ta cĩ thể loại bỏ các đối tượng cĩ độ chĩi và độ tương phản quá giá trị trong dải cho phép. Với f(x,y) là đối tượng thứ i trong các mẫu được phân đoạn thì chúng ta sẽ định nghĩa các đặc tính tĩnh như sau: Độ sáng tồn cục: ∑∑ = = = i iw x h y i b yxfp 0 0 )( ),( Độ tương phản tồn cục cĩ thể được tính như độ lệch chuẩn của độ sáng tồn cục: ii w x h oy i b i c hw yxfp p i i . )),(( 0 2)( )( ∑∑ = = − = Mẫu 0 Mẫu 1 Mẫu 2 Mẫu 3 17 Thường ảnh được chụp và lưu trữ ở khơng gian màu RGB vì vậy ta sẽ chuyển RGB sang khơng gian HSV[13] và xem Hue như một đặc tính để lựa chọn. Chúng ta tính Hue, Saturation tồn cục bằng cơng thức: ∑∑ = = = i iw x h y i h yxhp 0 0 )( ),( ∑∑ = = = i iw x h y i s yxsp 0 0 )( ),( Để xác định các giá trị ngưỡng hợp lệ của các đối tượng ta phải tiến hành tính trung bình các giá trị tìm được trên tập các mẫu thực tế. Ví dụ ∑ − = = 1 0 )( _ n i i bb pp , với n là số mẫu. Một đối tượng khơng được cĩ sai số quá 16% so với giá trị pb trung bình. Theo đĩ ta cĩ các giá trị ngưỡng để loại bỏ đối tượng là: - Độ sáng: 16.0 _ _ )( < − b b i b p pp - Tương phản (CON): 1.0 _ _ )( < − c c i c p pp - HUE: 1.0 _ _ )( < − h h i h p pp 45 - Saturation(SAT): 24.0 _ _ )( < − s s i s p pp - Chiều Cao (HEI): 2.0 _ _ )( < − h hh ii 18 - Tỉ số Chiều Rộng vào Cao(WHR): 92.01.0 << i i h w Nếu đối tượng được tách khơng thỏa một trong các điều kiện trên thì sẽ được xem là khơng hợp lệ. 2.5 Phân ngưỡng thích nghi và chuẩn hĩa ký tự\ 2.5.1 Chuẩn hĩa độ sáng và độ tương phản 2.5.2 Chuẩn hĩa kích thước và phương pháp thay đổi kích thước ảnh 2.5.3 Phân Tích đặc tính để tiến hành lựa chọn ký tự CHƯƠNG 3. ỨNG DỤNG MẠNG NƠ-RON ĐỂ NHẬN DẠNG KÝ TỰ 3.1 Trích chọn đặc tính ảnh ký tự để đưa vào mạng Nơ-ron. 3.1.1 Trích chọn trực tiếp Cách đơn giản nhất để trích chọn các đặc tính từ ảnh bitmap là dựa vào độ sáng của ảnh. Ta sẽ biến ma trận các điểm ảnh thành vectơ mơ tả ảnh để đưa vào mạng nơ-ron. Hình 3.1. Trích chọn trực tiếp 19 3.1.2 Hình thành vectơ đầu vào bằng phát hiện kiểu biên của ký tự Cấu trúc của vectơ đặc tính được mơ tả bởi biểu thức sau: )@,...@,@,....@,...@,@,@,...@,@( 110 111110111110010100 44444 344444 214444 34444 214444 34444 21 − −−−−−− = ρ ρηρρηη rvùngrvùngrvùng rhrhrhrhrhrhrhrhrhx ij rh @ cĩ nghĩa là số lần xảy ra của kiểu biên hj trên vùng ri 3.2 Tìm xương ảnh ký tự và phân loại ảnh ký tự dựa vào cấu trúc xưng. 3.2.1 Khái niệm xương ảnh 3.2.2 Thuật tốn tìm xương 3.2.3 Hình thành vectơ đặc tính dựa vào phân tích cấu trúc xương của các ký tự Bảng 3.1. Bảng thống kê cấu trúc ký tự dựa trên đặc tính xương SL Điểm cuối Vịng kép kín Điểm giao 0 BDO08 CEFGHIJKLMNSTUVWXYZ123457 CDGIJLMNOSUVWZ 012357 1 PQ69 ADOPQR09 EFKPQTXY469 2 ACGIJLMNRSUVWZ123457 B8 ABHR8 20 3 EFTY 4 HKX 3.3 Mạng Nơ-ron 3.4 Thuật tốn Lan truyền ngược (Back-propagation) 3.5 Cách tổ chức mạng và thơng tin huấn luyện. 3.5.1 Số lớp của mạng Mạng nơ-ron được chọn ở đây gồm cĩ 3 lớp: Lớp 1: Với ảnh 8*13 thì số nơ-ron đầu vào ( Lớp 1) là 8*13=104 nơ-ron. Lớp 3: Ta thấy bài tốn nhận dạng của ta gồm cĩ các ký tự: 0123456789abcdefghijklmnopqrstuvwxyz. Ta thiết kế sao cho 1 nơ-ron đầu ra sẽ mang giá trị của một ký tự. Vì vậy ta cĩ 36 nơ-ron ở đầu ra. Khi huấn luyện mạng, đầu ra mong muốn cho một ký tự sẽ cĩ giá trị là 1. 3.5.2 Chọn các thơng số mạng Tại số Nơ-ron ẩn là 20 thì cho lỗi phản hồi thấp nhất so với các vùng lân cận. Vì vậy ta chọn số lớp ẩn là 20 lớp. Ta lựa chọn mức ngưỡng của lớp đầu ra là 1. Với đầu vào ta thấy ảnh là ảnh nhị phân nên đầu vào của nĩ là 0 hoặc 1. Mạng được huấn luyện với các thơng số: 21 - Số vịng lặp = 8000, - Mức lỗi 0.01, - Số Nơ-ron ẩn 50 - Tốc độ học 0.8Tập mẫu huấn luyện 3.6 Phân tích cú pháp biển số CHƯƠNG 4. KIỂM TRA VÀ ĐÁNH GIÁ KẾT QUẢ 4.1 Xây dựng tập ảnh 4.2 Tính tốn độ chính xác của phép nhận dạng 4.2.1 Hàm đánh giá theo kiểu đúng hoặc sai. 4.2.2 Hàm đánh giá theo kiểu trọng số. 4.3 Sơ đồ khối quá trình nhận dạng 4.4 Kết quả nhận dạng và đánh giá Từ các thuật tốn nhận dạng đã đưa ra ở các mục trên. ở đây ta sẽ kiểm tra tính ổn định và các ưu nhược điểm của thuật tốn để cĩ thể nâng cao tính ổn định vào hướng phát triển tiếp theo của đề tài. 4.4.1 Độ chính xác của thuật tốn Khi thực hiện trên tập ảnh mẫu được thu thập ở trên, ta cĩ được kết quả theo đánh giá R(S) như sau: Bảng 4.1 Bảng kết quả kiểm thử Số biển Tổng số ký R(S) theo R(S) theo 22 số tự Gtf(P) Gw(P) Tập 1 68 470 69.21% 87.2% Tập 2 52 352 41,32% 46.87% Tập 3 40 279 48,53% 51.64% Trung bình 177 1254 53.02% 73.02% Từ bảng kết quả kiểm thử ở trên ta thấy hệ thống nhận dạng tốt đối với ảnh rõ tuy nhiên trong mơi trường ảnh bị mờ hoặc bị xoay thì tỉ lệ nhận dạng khơng tốt vì các yếu tố của mơi trường tác động làm cho hệ thống dễ sai nhầm. 4.4.2 Phân tích lỗi nhận dạng a. Lỗi do mạng Nơ-ron. Việc cấu hình một mạng nơ-ron đạt kết quả tốt đặt ra rất nhiều yêu cầu. Từ [7] ta thấy rằng cấu hình mạng cần một số lượng mẫu nhận dạng lớn.Tổ chức và huấn luyện tốt. Tuy nhiên từ các yêu cầu về thời gian, các điều kiện khách quan mà việc huấn luyện mạng chưa đạt được kết quả tốt. b. Lỗi do tìm vị trí của biển số. Thuật tốn tìm biển số như ta đã đưa ra ban đầu cĩ ưu điểm là cĩ thể tìm hết tất cả các biển số cĩ thể trên ảnh. Tuy nhiên nĩ lại 23 làm cho thuật tốn chiếm nhiều thời gian hơn nếu đồ thị hình chiếu của ảnh cĩ nhiều đỉnh.( Hình 4.4). Hình 4.4. Đồ thị hình chiếu cĩ nhiều đỉnh Ở đây ta thấy rằng vị trí của biển số khơng phải là đỉnh cĩ giá trị cao nhất trên đồ thị hình chiếu. Nếu đỉnh do biển số gây ra là đỉnh cĩ giá trị đứng sau các đỉnh khác, khi các đỉnh cao hơn càng nhiều thì việc phân tích các đỉnh cao này sẽ tốn nhiều thời gian. a. Lỗi do tìm gĩc nghiêng Đối với bài tốn nhận dạng biển số xe, các xe ta chụp phải tuân theo các tiêu chuẩn ở đầu bài. Tuy nhiên với các ảnh được chụp cĩ kích thước biển số lớn và biển số bị lệch sẽ làm cho biển số ta tách được cĩ đường biên nhỏ. 24 Hình 4.2. Ảnh bị nghiêng Ở đây vì kích thước của ảnh lớn. Các thơng số về tách dải ngang chứa biển số và biển số khơng phù hợp sẽ làm biển số ta tách ra được chứa một ít về biên: Số đo gĩc lệch : -0.14288194 Hình 4.6 Tìm gĩc lệch lỗi 25 Ta thấy gĩc lệch tìm được là -0.14288194. Đây là một gĩc lệch sai. Nhìn vào hình ta nhận ra rằng khi thơng tin về các ký tự đậm và rõ nét cộng thêm các đường biên bị đứt cĩ thể gây ra lỗi. b. Lỗi do các vít cố định biển số. Với các biển số được cố định bằng vít mà vị trí của nĩ làm cho 2 ký tự trên biển số bị dính liền thì sẽ gây ra lỗi. Ví dụ ta cĩ hình sau: Hình 4.7. Lỗi do vít định vị biển số Từ ảnh trên ta thấy 2 ký tự 9 và 9 dính với nhau. Chính điều này làm cho thuật tốn phân đoạn dựa vào đồ thị hình chiếu sẽ bị lỗi. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI Sau thời gian thực hiện đề tài, luận văn đã hồn thành được các cơng việc cơ bản sau đây: - Nghiên cứu lý thuyết về hệ thống nhận dạng biển số, trình bày các ứng dụng cũng như những khĩ khăn gặp phải khi áp dụng hệ thống nhận dạng biển số vào thực tế. 26 - Nghiên cứu lý thuyết mạng nơ-ron. Xây dựng mơ hình thuật tốn nhận dạng bằng mạng lan truyền ngược nhiều lớp. Thực hiện huấn luyện mạng để kiểm thử. - Nghiên cứu các thuật tốn tách biển số ra khỏi ảnh cũng như thiết lập các ràng buộc để lựa chọn biển số. - Phân tích thành cơng sự khác biệt của các ký tự dựa trên cấu trúc xương của ký tự. Qua đĩ làm cho việc nhận dạng trở nên dễ dàng hơn bằng cách phân loại được nhĩm ký tự cần nhận dạng. - Xây dựng được thuật tốn cĩ thể thích nghi với sự thay đổi của mơi trường nhiễu nhỏ. Gĩc nghiêng so với camera trong khoảng ±200. Đề tài đã giải quyết được vấn đề cơ bản của bài tốn nhận dạng biển số ơ tơ. Tuy nhiên việc xử lý các vấn đề xảy ra trong thực tế nhận dạng nhiều hơn rất nhiều. Do đĩ cần nghiên cứu phát triển thêm: - Tổng hợp 1 cơ sở dữ liệu lớn hơn, thu thập mẫu các ký tự trong tất cả các trường hợp. - Xem xét tất cả các trường hợp ghi nhận biển số xấu như hỏng, dính liền ký tự, biển số bị mờ…để xây dựng thuật tốn nhận dạng phù hợp. - Nghiên cứu sử dụng thêm các thuật tốn mới vào cơng nghệ nhận dạng ảnh. - Thực hiện trên các camera hồng ngoại thay bằng camera bình thường như trong đề tài.