الگوریتم های مختلف برای شناسایی محل پلاک خودرو

با سلام .... http://www.eca.ir/forum2/Smileys/phpbb/icon_smile.gif

من میخواستم بدونم الگوریتم های مختلفی که برای شناسایی پلاک حودرو استفاده میشه رو پیدا کنم ...در واقع هدفم اینه یه چندتایی اش رو بررسی کنم و بهترینش رو انتخاب کنم ...خودم یه چیزایی پیدا کردم ....کم کم میزارم ....ولی من توی نوشتن برنامه مشکل دارم ....

فعلا از یه تصویر ساده میخوام شروع کنم مثلا یه تصویر مثل زیر :

http://www.pic.iran-forum.ir/images/...x8u1y32ry1.bmp

من خودم اولین الگوریتم رو که از داخل یه مقاله خوندم میگم حالا هر اندازه که توی نوشتن برنامه کمک کنید ممنون میشم ....

اولین الگوریتم :

براي تشخیص مکان پلاك درون تصویر، نیاز به یافتن یک ویژگی ثابت د ر کلیه پلا كها بوده که به عنوان الگو در نظرگرفته شو د، این ویژگی را میتوان در پلا كهاي ملی جدید، که مطابق با استانداردهاي جهانی تهیه شد ه اند، قسمت آبی کناري در نظر گرفت. از آن جا که تا پایان امسال (سال 87 ) کلیه پلاكهاي خودروهاي داخل کشور، پلاك ملی ایران خوا هند شد، بنابر این این ویژگی مطلوب به نظر میرسد.

همچنین پلاك خودروه اي اروپایی نیز دار اي یک نوار آ بی ثابت همانند پلاك ملی ایران میباشد که امکان بسط این روش را حداقل بر اي خودروهاي کشوره اي اروپایی (عضو اتحادیه اروپا)، میدهد.

نمونه هایی از این نوع پلاكها را نمایش میدهد.

http://www.pic.iran-forum.ir/images/...9liiejc1l7.png

باتوجه به وجود ویژگی مذکور جهت شناسایی مکان پلا ك، برخلاف رو شهاي قدیمی که نیاز به انتقال تصویر به سطح خاکستري یاباینري بود ، از اطلاعات رنگی استفاده شده و تشخیص و پردازش،درمحیطی رنگی و براساس ویژگی رنگی پلاك، انجام میشود.


برای این منظور کافی است تصویر را به 8 رنگ مکعب اصلی RGB یا فضای رنگی دیگر مانند HSV یا LAB برده و به

صورت دوره ای از بالا به پایین مورد پیمایش قرار گیرد . یه چیزی مثل شکل زیر :

http://www.pic.iran-forum.ir/images/...xxb66vap0u.png



http://www.pic.iran-forum.ir/images/...v9uc174uuc.png

هنگامی که به رنگ آ بی ر سیده و در ادامه رنگ سبز وسفید و قرمز را در عرض و تعداد پیکسل یکسان یافت و مجدد به رنگ و ز مینه آ بی با نسبت 11 برابر یکی از رنگه اي پرچم یا 11 برابر رنگ آبی ز مینه او لیه ر سید، آن قسمت را به عنوان یک احتمال و نامزد مکان پلاك معرفی خواهد نمود




معمولا روش ارائه شده در این مقاله، تنها یک نامزد که همان مکان اصلی پلاك خودرو است شناسایی کرده و به ندرت چندین نامزدمعرفی میشوند، اما براي اطمینان هر مکانی که نامز د پلاك است ازتصویر جدا شده و مورد پردازش قرار میگیرد، همانطور که در شکل زیر مشاهده میشود :

http://www.pic.iran-forum.ir/images/...3mlw6mkgcw.png

اندازه پلا كها ثابت است، بنابر این تنها با داشتن طول و یا عرض نوار آبی کناره پلاك، میتوان طول و عرض کل پلاك را به دست آورد و پلاك را از درون تصویر استخراج و قیچی نمو د.

http://www.pic.iran-forum.ir/images/...9jujujr44x.png

مسلما سیستم، هنگام جستجوي پلاك از بالا به پایین،به عرض پلاك و طو ل نوار آ بی دست یافته وتنها باداشتن نسبت طول پلاك به عرض آن، انداز ه پلاك استخراج خواهد شد. بنابر این سیستم پیشنهادي بر اي مکانیابی، در هیچ یک از مراحل، نیاز به تغییر اندازه تصویرِ ورودي نخواهد داشت، هر تصویر با هر انداز هاي قادر است به عنوان ورو دي در نظر گرفته شود و پس از تشخیص مکان پلاك با استفاده از نسبتهاي طول به عر ض پلا ك، پلاك خودرو به استثناي نوار آب ی کنار آن استخراج خواهد شد، پلاك استخراج شده پس از انجام مراحل مکانیابی مشابه زیر میشود .

خوب این فعلا یکی از الگوریتم ها بود الگوریتم های دیگه مثل تبدیل هاف ؛ لبه یابی ؛ جستجوی تصویر برای یافتن مکان های مستطیلی و ...........هست ....

1- خوب این الگوریتم خیلی واضح هست چی میگه ؛ من توی پیمایش ستونی ماتریس تتصویر مشکلی ندارم اما ما بقی اش رو نمدونم چه جوری بنویسم .... مثلا این که چه جوری بفهمم الان من به رنگ ابی بعد سبز و بعد سفیدو بعد قرمز و بعد ابی رسیدم ؟؟؟؟؟

2- خوب حالا مثلا مرحله قبلی رو فهمیدم بعد چه جوری مقدار y که در واقع طول نوار آبی رنگ هست رو پیدا کنم ؟

خوب اگه y رو پیدا کنم میتونیم با ضرب کردن در عدد 4.58 به طول پلاک بدون نوار ابی رنگ دست پدا کنیم ....

بعد هم میتونیم تصویر رو با این اصلاعات برش بزنیم .....

این روش ذکر شده تو عمل برای localize کردن پلاک میزان خطای بالایی داره feature رو که انتخاب کردید robust نیست. در بعضی از تصاویر که در شرایط مختلف جوی گرفته میشه نمیشه به نوار آبی و مخصوصاً به اون پرچم اتکا کنیم.
در ضمن از در LPR از رنگ صرف نظر کنید بهترین راه استفاده از گرادیان می باشد و اکثر دوربین های machine vision مخصوصاً lpr به شما تصویر grayscale می دن و در ضمن به ناحیه پلاک هم عکس العمل خاصی رو نشون می دن .

جواب سوال اولتون در حالت کلی و جامع اینه که از hmm استفاده کنید
جواب سوال دوم کل آبی رو که پیمایش میشه در در سطح عمود و به شرطیکه پرچم هر در این ناحیه باشد

با سلام .....:لبخندساده:

با تشکر از پاسختون ....:لبخندساده:

نقل قول:

---

این روش ذکر شده تو عمل برای localize کردن پلاک میزان خطای بالایی داره feature رو که انتخاب کردید robust نیست. در بعضی از تصاویر که در شرایط مختلف جوی گرفته میشه نمیشه به نوار آبی و مخصوصاً به اون پرچم اتکا کنیم.

---

ببخشید اگه منظورتون این که این روی همه عکس ها جواب نمیده ....و این عکس هم یه جورایی خیلی نرمال هست !!! :لبخند: خوب اره حق با شماست ...ولی من که نمیخوام کار پیشرفته بکنم :ناراحت: میخوانم در حد پروژه دانشجویی باشه ..

نقل قول:

---

در ضمن از در LPR از رنگ صرف نظر کنید بهترین راه استفاده از گرادیان می باشد و اکثر دوربین های machine vision مخصوصاً lpr به شما تصویر grayscale می دن و در ضمن به ناحیه پلاک هم عکس العمل خاصی رو نشون می دن .

---

منظورتون روش هایی که بر مبنای پیدا کردن لبه های تصویر هست ؟؟؟؟

نقل قول:

---

جواب سوال اولتون در حالت کلی و جامع اینه که از hmm استفاده کنید

---

ببخشید میشه یه خورده توضیح بدید این چیه ؟؟؟ :ناراحت: :گریه:

حالا انشالله بقیه اش رو هم بتونم مینویسم شما راهنمایی کنید کدامش بهتره .....:لبخندساده:

با سلام ....:لبخندساده:

برگرفته از مقاله

دومین الگوریتم ....

یکی دیگه از الگوریتم ها برای پیدا کردن محل پلا ک استفاده از لبه یابی و پیدا کردن اشکال مستطیل تصویر هست .

عملکرد خیلی خلاصه ...

ابتدا تصویر رو به گری تبدیل میکنیم ....با یکی از روش های لبه یابی لبه های تصویر رو پیدا میکنیم ....

حفره های درون تصویر رو پر میکنیم .... قاعدتا باید لبه های پلاک هم پیدا بشه و اون هم پر بشه !!!

حالا کلیه ابجکت های درون تصویر برچسب زده میشن ...

حالا با توجه به خصوصیات پلاک میتونیم از بین ابجکت های پیدا شده اونی که به پلاک شباهت بیشتری داره رو استخراج کنیم ....

مثلا این که نسبت طول به عرضش باید از یه حدی بیشتر باشه ....در یه پلاک استاندارد ملی نسبت طول به عرضش 5 برابر هست ...و مساحتش از یه حدی بیشتر باشه ....

حالا میتونیم مختصات ابجکتی که شرایط بالا رو داشته رو پیدا کنیم و اون رو از تصویر اصلی برش بزنیم ...

مثلا توی همین کد من اول اومدم مساحت تک تک ابجکت ها رو که برچسب زدم رو در ساختار g2 قرار دادم حالا با یه حلقه for همه اش رو تک تک با هم مقایسه کردم از طرفی شرط این که طول ابجکت از عر ض اون تقریبا 4 برابر بیشتر باشه رو هم گذاشتم در نهایت بزرگترین ابجکت تصویر رو پلاک میگیره میدونم کلا این جوری خیلی خطا داره

کاش نوشتنش هم مثل گفتنش بود !!! http://www.eca.ir/forum2/Smileys/phpbb/cry2.gif http://www.eca.ir/forum2/Smileys/phpbb/cry2.gif http://www.eca.ir/forum2/Smileys/phpbb/cry2.gif


حالا من یه سوال دارم ....

این پیدا کردن لبه ها خیلی خرت و پرت هم به عنوان لبه میگیره !!! از canny استفاده کردم ...ولی با همون سوبل هم خرت و پرت زیادی پیدا میکنه باید چی کارش کنم تا اون ابجکت های الکی قبل از برچسب زدن حذف بشن ؟چون تعداد ابجکت هایی که برچسب میزنه خیلی زیاده سرعت رو به شدت میاره پایین ..:ناراحت:

با موروگرافی میشه کاری کرد ؟؟؟ تا حدودی اشنایی دارم ....این برنامه ای که نوشتم ...

ضمیمه 74008

این عکس اصلی هست :

ضمیمه 74009

با کندی لبه گرفتم این جوری شد :

http://www.pic.iran-forum.ir/images/...mz6rcy6k62.png

بعد هم ابجکت ها رو پر کردم این جوری شد :

http://www.pic.iran-forum.ir/images/...r6itgicpz9.png

این هم بعد از چداسازی محل پلاک

ضمیمه 74007

بعد هم این کدی که نوشتم فقط روی همین تصویر جواب میده !!! http://www.eca.ir/forum2/Smileys/phpbb/f.gif http://www.eca.ir/forum2/Smileys/phpbb/f.gif چی کار کنم میخوام حداقل روی 50 عکس تو همین مایه ها جواب بده ...:ناراحت:

این هم بگم همه عکس هایی که میگیرم توی مایه همون عکس اولی هست یعنی پلاک به طور واضح مشخص هست زاویه نسبت به محور افق صفر هست ..کیفیت هم مطلوب هست ....اما من توی همین عکس فقط تونستم محل پلاک رو پیدا کنم مثلا همین برنامه رو به عکس زیر زدم که اصلا نتیجه نداد...

عکس اولیه :http://www.pic.iran-forum.ir/images/...nos2eshef1.jpg

این هم بعد از پر کردن ابجکت ها :


http://www.pic.iran-forum.ir/images/...yg2krheipu.png

https://barnamenevis.org/%3Ca%20href=...b8f7nkrb9t.jpg

نقل قول:

---

حفره های درون تصویر رو پر میکنیم .... قاعدتا باید لبه های پلاک هم پیدا بشه و اون هم پر بشه

---

چه تضمینی وجود داره که لبه های ایجاد شده برای پلاک یک لبه بسته باشه

نقل قول:

---

این پیدا کردن لبه ها خیلی خرت و پرت هم به عنوان لبه میگیره !!! از canny استفاده کردم ...ولی با همون سوبل هم خرت و پرت زیادی پیدا میکنه باید چی کارش کنم تا اون ابجکت های الکی قبل از برچسب زدن حذف بشن ؟چون تعداد ابجکت هایی که برچسب میزنه خیلی زیاده سرعت رو به شدت میاره پایین

---

بستگی داره معمولا opening و closing پیشنهاد میشه

در ضمن شما هر وقت میخاید لبه گیری کنید باید از تکنیک های حذف نویز مثل median استفاده کنید. البته canny خودش در ابتدا این کار رو با gaussian انجام میده همون مقدار sigma که از شما به عنوان ورودی می گیره.

شما وقتی که median رو اعمال می کنید این همه آبجکت زائد که تو صفحه وجود داره و کلی از زمان پردازش صرف اونا میشه در ابتدا حذف میشه و بهدش کلیه حروف داخل پلاک بر می شن . یه کار جالبی می تونید انجام بدید هر contour(blob) در کل مساحتش mean رئ چک کنید بایستی مقدار زیر 100 داشته باشی با این rule کلیه contour های بدست آمده روشن حذف میشن تنها چیزی که می مونه contour های مربوط به پلاک هستش.
حالا بایستی بیشتر تعداد contour هایی که top و down شون تقریبا با هم برابر رو پیدا کنید و حداکثر فاصله بینشون به اندازه میزان متوسط خود contour ها باشه به این ترتیب به راحتی rectangle مربوط به پلاک ها بدست میاد

با سلام ....:لبخندساده:

با تشکر از پاسختون ....:لبخندساده:

نقل قول:

---

چه تضمینی وجود داره که لبه های ایجاد شده برای پلاک یک لبه بسته باشه

---

اره دقیقا حق با شماست خودم هم بهش پی برده بودم که اصلا هیچ تضمینی نیست که حتما لبه پلاک بسته باشه برای همین هم من از canny استفاده کردم ولی باز هم مثل اینکه تضمینی براش نیست ....به نظرتون اگه حالا مثلا بیایم بعدش از موروگرافی و dilate استفاده کنیم البته از نوع line و با زوایای 0 و یه بار هم با زاویه 90 و با یه اندازه ای مثلا 10 ؛ به نظرتون خوبه ؟؟ منظورم این هست که مثلا امکان داره با این روش اگه احیانا لبه های پلاک بسته نبود بسته بشه ؟؟؟ میتونه مفید باشه ؟؟؟ و همچنین از تابع bridge استفاده کرد چون این تابع هم میاد پیکسل های جدا شده توسط فاصله تک پیکسلی رو بهم متصل میکنه مثلا این کار رو میتونیم n مرتبه تکرار کرد .... کلا به نظرتون این جوری فایده داره ؟؟؟:ناراحت:

نقل قول:

---

در ضمن شما هر وقت میخاید لبه گیری کنید باید از تکنیک های حذف نویز مثل median استفاده کنید. البته canny خودش در ابتدا این کار رو با gaussian انجام میده همون مقدار sigma که از شما به عنوان ورودی می گیره.

---

اره من از فیلتر gaussian با اندازه 5 استفاده کردم ولی خیلی تغییر محسوسی ندیدم ...به نظر شما اگه از فیلتر های بالاگذر مثل لاپلاسین استفاده بشه فایده ای داره ؟؟؟که مثلا لبه ها بهتر نمایان بشن ؟؟

بعد اومدم یه کار دیگه کردم که البته شاید خیلی خوب نباشه از تابع bwareaopen استفاده کردم که مثلا اگه ابجکت مساحتش از یه حدی کمتر بود اون رو جذف کنه این ظاهرش خیلی خوب بود ولی خوب قابل اعتماد نیست :ناراحت:

نقل قول:

---

یه کار جالبی می تونید انجام بدید هر contour(blob) در کل مساحتش mean رئ چک کنید بایستی مقدار زیر 100 داشته باشی با این rule کلیه contour های بدست آمده روشن حذف میشن تنها چیزی که می مونه contour های مربوط به پلاک هستش.
حالا بایستی بیشتر تعداد contour هایی که top و down شون تقریبا با هم برابر رو پیدا کنید و حداکثر فاصله بینشون به اندازه میزان متوسط خود contour ها باشه به این ترتیب به راحتی rectangle مربوط به پلاک ها بدست میاد

---

میشه یه لطفی کنید بفرمایید اون contour چیه ؟؟ اصلا متوجه منظورتون نشدم :ناراحت:

در کل میخوام بدونم نظرتون راجع به این روش چیه ؟؟ به نظرتون بدرد این تصاویر من که یه نمونه اش رو نشون دادم میخوره ؟؟

بهترین و سریع ترین روش در واقع روشیه که من برای تشخیص پلاک ابداع کردم
و ماژول قدرتمند خودمو ساختم که الان توسط شرکت های بزرگی در ایران و خارج از ایران داره استفاده میشه
در این روش نیازی به تشخیص محل پلاک نیست!!!
و حتی اگر پلاک رو با ماژیک روی کاغذ نوشته و بچسبونید روی شیشه ماشین، باز هم خونده میشه!!!
البته میتونید اونو محدود کنید که این کار رو نکنه
درثانی تغییرات شرایط ابو هوایی و کثیفی پلاک هم روی اون اثر نداره و همینطور تاریکی در حالی که با استفاده از فیلتر (کنی) مشکلات زیادی ایجاد میشه. که البته من در نسخه اول این راهو رفتم و در نسخه دوم (کنی) رو دور انداختم...
یک مزیت دیگه اینه که هرتعداد پلاک در تصویر موجود باشه، (فقط با یک بار پردازش) شناسایی میشه

روش:
در این روش روی (تصویر رنگی یا سیاه و سفید) مشتق با الگوریتم جدید انجام میشه
سپس تمام آبجکت ها استخراج میشن (محل و اندازه)
بعد آبجکت های نامتعارف فیلتر میشن
در آخر آبجکت هایی که بتونن الگوی پلاک رو (نیازی نیست پلاک ایران باشه) پیاده کنن پذیرفته میشن
بعد هم خوندن کاراکتر ها...

سرعت پردازش ماژول بنده حدود 150 تشخیص در ثانیه و 20 خواندن در ثانیه است

برای اطلاعات بیشتر و دانلود دمو به لینک زیر برید
قیمت ماژول از 4 تا 15 میلیون میباشد

http://golbafan.webs.com

به نظر شما وسط این تاپیک نیاز بود تبلیغ کنید.
فکر کنم سایت جایی برای تبلیغات هم در نظر گرفته باشه.

نقل قول:

---

نوشته شده توسط Delphi_CAT

به نظر شما وسط این تاپیک نیاز بود تبلیغ کنید.
فکر کنم سایت جایی برای تبلیغات هم در نظر گرفته باشه.

---

سلام
من تبلیغ نکردم و در مورد روش جدید تشخیص صحبت کردم
این قیمت دادن جهت اطلاع دوستان ذکر شد که اگر موفق شدند قیمت شکنی نکنند و بازارو خراب نکنند

با سلام ....:لبخندساده:

کلا دوستان بی خیال بشید دیگه !!! :لبخندساده:

انشالله شاهد موفقیت های بیشتر شما ها باشیم ....:لبخندساده:

خب من تازه این تاپیک رو دیدم
من چندوقت پیش می خواستم یه هم چین برنامه ای بنویسم بعد کاری پیش اومد و عقب افتاد این کار
حالا هم دارم مطالعه می کنم در مورد اینکار ولی در مورد پردازش تصویر چیزی نمی دونم (البته افکت روی تصاویر رو کار کردم که کلا فرق داره)
دوستان اگه راهنمایی کنین ممنون میشم

خوب من به همین سرعت دست به کار شدم

ضمیمه 76427ضمیمه 76428

نتیجش این شدش :
ضمیمه 76429ضمیمه 76430

خب حالا یکی بقیش رو توضیح بده بریم سراغ ادامه کار - فکر کنم این قسمت آسون ترینش بود
* - لازمه که توضیح بدم از الگوریتم Sobel برای پیدا کردن لبه های عمودی و افقی تصویر استفاده کردم تو کدی که نوشتم ماتریس رو در هر اندازه ای که بخوام می تونم بگیرم و اعدادش رو هم به دلخواه می تونم عوض کنم یعنی میتونم فقط لبه عمودی یا افقی یا هر دو رو مشخص کنم

چون نمی شد عکس بیشتری گذاشت این ها رو هم تو این تاپیک گذاشتم
ضمیمه 76433ضمیمه 76434ضمیمه 76435https://barnamenevis.org/images/misc/pencil.png

دوستان مرحله بعدی چیه؟
کسی نظری نداره؟

دوستان لااقل کسی میدونه مستطیل یا خط رو چطور میشه پیدا کرد؟

وقتی خطوطی که دارید زوایاشون به صورت k *pi/2 باشه شما می تونید به صورت projection خطوط رو تشخیص بدید
زمانیکه خطوط بتونن هر زوایه ای در صفحه داشته باشند بایستی از hough line detection برای یافتن خط استفاده کنید که در این حالت شما 2 accumulator دارید یکی مربوط به rho و teta که شما خطوطی رو که دارای teta یکسان هستند و دارای rho متقاوتی هستند رو مشخص کنید.

ممنون از جوابت دیشب کلی سرچ کردم و تو یه قسمت در مورد شبکه عصبی دیدم که در باره hough بحث کردی منم تو گوگل سرچ کردم ولی الگوریتمش رو نفهمیدم چطوره (زبانم در حد افتضاح هستش)
فقط یه کد سی پیداکردم و به دلفی تبدیل کردم به صورت کاملا مسخره کار میکنه و خطوط عمودی رو به هیچ وجه تشخیص نمی ده و یک خط رو 50 بار پیدا میکنه
الگه الگوریتمش رو میدونی بگو کدش رو بزنم
ممنون

راستی یادم رفته بود عکسش رو بزارم :
ضمیمه 76629

دوستان تا اینجا که تنهایی و بدون کمک اومدم جلو
لااقل تئوریش رو درست توضیح بدین که بتونم کدش رو بنویسم
به خدا ثواب داره

hough استاندار نسبت به حالت statistic hough دارای order بالاترییه
عملکرد حالت استاندار به صورت زیر می باشد :
کلیه نقاط ها نسبت به هم در صفحه باید بررسی شوند در این بررسی شما زاویه خطی که بین 2 نقطه ایجاد میشه رو بدست میارید پس در accumulator یک بعدش رو برای زاویه در نظر می گیریم که به اون teta گفته میشه گزینه بعدی که اینجا مطرحه فاصله
این خط تا مبداً مختصاته به این هم میگن rho پس کلیه نقاطی که یک خط رو تشکیل می دن دارای یک teta و یک rho یکسان هستند
پس حالا شما میاید ماکزیمم ها رو در این accumulator پیدا می کنید و از این طریق می توان پی برد که این peek مربوط به کدام خط است ( از روی اطلاعات rho و teta )
بقیه کاری که باید انجام بدید بیاد در صفحه کلیه نقاطی رو که در اون راستا وجود داره رو تحلیل کنید مثلا خطوط از کدام نقطه شروع میشه و به کدام نقطه ختم میشه و یا چه میزان gap رو مابین پاره خط هایی که یک خط را تشکیل می دهند صرف نظر کنید