Οπτικές μέθοδοι για την ανίχνευση και αναγνώριση αριθμού πινακίδας οχημάτων
Visual methods for the detection and recognition of vehicle license plates
Μεταπτυχιακή διπλωματική εργασία
Συγγραφέας
Βλαμίδης, Κωνσταντίνος
Ημερομηνία
2024-09-27Επιβλέπων
Grammatikopoulos, LazarosΛέξεις-κλειδιά
Όραση υπολογιστών ; Μηχανική μάθηση ; Ανίχνευση αντικειμένου ; Εντοπισμός ; Αναγνώριση ; Ταξινόμηση ; Συνελικτικά Νευρωνικά Δίκτυα ; Βαθιά μάθηση ; Αλγόριθμος yolo ; Αριθμός κυκλοφορίας οχήματος ; Πινακίδες οχήματος ; Μη επανδρωμένο αεροσκάφος ; ΑεροφωτογραφίαΠερίληψη
Η διπλωματική αυτή εργασία με τίτλο «Μέθοδος και Τεχνική Ανίχνευσης και Αναγνώρισης Αριθμού Κυκλοφορίας Οχήματος» εκπονήθηκε στο πλαίσιο του Μεταπτυχιακού Προγράμματος «Γεωχωρικές Τεχνολογίες» του Τμήματος Μηχανικών Τοπογραφίας και Γεωπληροφορικής του Πανεπιστημίου Δυτικής Αττικής. Παρουσιάζει την όραση των υπολογιστών, που σε συνδυασμό με τη χρήση μεθόδων μηχανικής μάθησης, μπορούν να δημιουργήσουν εφαρμογές που αναγνωρίζουν μοτίβα, όπως πινακίδες οχημάτων. Αρχικά, γίνεται μία ιστορική αναδρομή στις επιστήμες της υπολογιστικής όρασης και της μηχανικής μάθησης, όπως και στην αναγνώριση αντικειμένων. Εν συνεχεία, περιγράφεται ο αλγόριθμος που αναπτύχθηκε και τα στάδια υλοποίησης του. Τέλος, ακολουθεί η εφαρμογή του, μέσω ενός από τους state-of-art αλγορίθμους, του αλγορίθμου YOLOv4, ο οποίος εκπαιδεύτηκε σε ένα σύνολο δεδομένων, όπου ανακτήθηκε από ανοικτές πηγές διαδικτύου και εφαρμόστηκε σε πραγματικά δεδομένα που λήφθησαν προς τον σκοπό αυτό, από Μη Επανδρωμένο Αεροσκάφος (Μ.Ε.Α).
Περίληψη
The Master Thesis “Visual Methods for the Detection and Recognition of Vehicle License Plates” was conducted in the framework of the Postgraduate Program “Geospatial Technologies” of the Department of Surveying and Geoinformatics Engineering of the University of West Attica. Initially, there is a throwback to the disciplines of computer vision and machine learning, in addition to the recognition of certain objects such as vehicle registration plate. Then, there is a deeper analysis in computer vision, by studying contour finding and convex hull algorithms, and the way they are improved through image processing. Finally, a certain state-of-art algorithm, YOLO v4, is being presented, which is the subject of the bachelor’s thesis. For the trained of it, images from open-source database, have been downloaded and the applicate being tested in real dataset, obtained for this purpose through an Unmanned Aerial Vehicle (UAV).