Detail publikace
Geometric Alignment by Deep Learning for Recognition of Challenging License Plates
Sochor Jakub, Ing., Ph.D.
Juránek Roman, Ing., Ph.D. (UPGM)
Herout Adam, prof. Ing., Ph.D. (UPGM)
License Plate Recognition, CNN, License Plate Dataset, Image Alignment, Intelligent Transportation Systems
V tomto článku zkoumáme problém rozpoznání registračních značky vozidel v přirozeném prostředí (ve smyslu zachycení dat v neomezených podmínkách, pořízených z libovolných pohledů a vzdálenosti). Navrhujeme metodu automatického rozpoznání registračních značek v přirozeném prostředí na základě geometrického zarovnání (rektifikace) registračních značek. Zarovnání provádí konvoluční neuronová síť, která odhaduje kontrolní body pro opravu obrázku a je aplikováno jako krok předcházející rozpoznání značky holistickým způsobem. Krok rekfitikace je formulován tak, že celý proces zarovnání a rozpoznávání může být sestaven do jednoho výpočetního grafu stávajících frameworků pro neuronové sítě jako je Tensorflow. Experimenty ukazují, že použití zarovnávače značně pomáhá rozpoznávání: chyba klesla z 9,6% na 2,1% na reálných snímcích registračních značek. Pokusy také ukazují, že řešení je rychlé - je schopné pracovat v reálném čase i na vestavěných systémech a platformách s nízkým výkonem (Jetson TX2). Shromáždili jsme a přichystali datovou sadu poznávacích značek nazvanou CamCar6k, obsahující 6 064 snímků s anotovanými rohovými body a přepisy textů registračních značek. Tento dataset je veřejně dostupný.
@inproceedings{BUT155105,
author="Jakub {Špaňhel} and Jakub {Sochor} and Roman {Juránek} and Adam {Herout}",
title="Geometric Alignment by Deep Learning for Recognition of Challenging License Plates",
booktitle="2018 21st International Conference on Intelligent Transportation Systems (ITSC)",
year="2018",
number="21",
pages="3524--3529",
publisher="IEEE Intelligent Transportation Systems Society",
address="Lahaina, Maui",
doi="10.1109/ITSC.2018.8569259",
isbn="978-1-72810-321-1",
issn="2153-0017",
url="https://ieeexplore.ieee.org/document/8569259"
}