دانلود مقاله علمی

توضیحات محصول

ترجمه مقاله تشخیص پلاک خودرو تحت شبکه های عصبی مصنوعی

– Artificial neural networks based vehicle license plate recognition

 

تعداد صفحات فایل انگلیسی :    5صفحه pdf

تعداد صفحات فایل ترجمه : 9 صفحه word فونت 14  B Nazanin

تعداد کلمات فایل ترجمه :1799

چکیده

در سال های اخیر، ضرورت کار شخصی در کنترل ترافیک درحال افزایش است زیرا تعداد وسایل نقلیه در ترافیک در حال افزایش است. برای مقابله با این مشکل، سیستم های کنترل خودکار مبتنی بر کامپیوتر در حال توسعه هستند.

یکی از این سیستم ها سیستم تشخیص اتوماتیک پلاک وسیله نقلیه است. در این کار، شبکه های عصبی مصنوعی بر اساس سیستم خودکار تشخیص پلاک وسیله نقلیه ارائه شده است. در این سیستم،از 259 عکس خودرو استفاده شده است. این تصاویر خودرو از دوربین CCD گرفته شد و پس از آن ابعاد منطقه درپلاک 22050 x پیکسل از این تصویر با استفاده از الگوریتم های پردازش تصویر تعیین می شود. ویژگی ها از جمله حروف و شماره قرارگرفته در پلاک با استفاده از اپراتور تشخیص هوشمند و روش رنگ آمیزی لکه تعیین می شوند.

روش رنگ آمیزی لکه برای ROI  به منظورجداسازی ویژگی ها استفاده شد. درآخرین مرحله از این کار، ویژگی های موجود با استفاده از ​​فرمول متوسط انحراف مطلق استخراج شد.

ویژگی دیجیتالی سپس با استفاده از خوراک طبقه بندی شدند به جلو تماس تبلیغ چند عصبی پرسپترون لایه لایه

شبکه های. نرخ طبقه بندی صحیح در بخش آخر داده شد.

Abstract
In recent years, the necessity of personal working in traffic control is increasing because the numbers of vehicles in
traffic is increasing. To deal with this problem, computer based automatic control systems are being developed. One
of these systems is automatic vehicle license plate recognition system. In this work, the automatic vehicle license
plate recognition system based on artificial neural networks is presented. In this system, 259 vehicle pictures were
used. These vehicle pictures were taken from the CCD camera and then the license plate region dimensioned by
220×50 pixels is determined from this picture by using image processing algorithms. The characters including letters
and numbers placing in the license plate were located and determined by using Canny edge detection operator and
the blob coloring method. The blob coloring method was applied to the ROI for separation of the characters. In the
last phase of this work, the character features were extracted by using average absolute deviation formula. The
digitized characters were then classified by using feed forward back propagated multi layered perceptron neural
networks. The correct classification rates were given in last section.

دانلود مقاله رایگان انگلیسی

 

نظری بدهید

بیست − دو =