يادگيري واژه نامه براي آشكارسازي محل پلاك خودرو

Dictionary Learning for Car License Plate Detection

شناسايي پلاك خودرو در تصاوير همواره يكي از چالشهاي بزرگ در زمينه كنترل ترافيك و جرائم رانندگي مي باشد. در اين مقاله مساله آشكارسازي محل پلاك خودرو در تصاوير گرفته شده از خودروها در شرايط واقعي مورد مطالعه قرار مي گيرد. كيفيت پايين تصوير، فاصه زياد بين دوربين و خودرو و شرايط نامساعد جوي از جمله حالاتي است كه در تصاوير پايگاه داده مورد آناليز قرار مي گيرد. روش پيشنهادي در اين مقاله بر اساس يادگيري واژه نامه هاي جداساز براي طبقه بندي محل پلاك از ساير نواحي تصوير عمل مي كند. در اين روش، دو واژه نامه مربوط به پلاك و غيرپلاك، با استفاده از تصاوير آموزشي ساخته شده و سپس در مرحله آزمايش براي آشكارسازي محل پلاك مورد استفاده قرار مي گيرد. اين مرحله از الگوريتم پس از اجراي اعمال پيش پردازشي جهت ارتقاء كيفيت تصوير صورت مي گيرد. استفاده از روشهاي مبتني بر نمايش تنك در روش پيشنهادي باعث افزايش صحت الگوريتم و بهبود نتايج قبلي ارائه شده در اين زمينه مي باشد.

Car license plate detection has been always a challenging task in the context of traffic control and traffic offenses. In this paper، the problem of license plate detection from gray scale images taken in natural conditions is addressed. Our car plate database consists of images with severe imaging conditions such as low quality images، far distanced cameras، and severe weather conditions. The main proposed idea in this paper، is to learn discriminative dictionaries from plate and non-plate exemplars for the classification task. A well-known dictionary learning algorithm is employed for this purpose. However، initial preprocessing techniques for image enhancement are also applied. The achieved results reveal that sparse representation-based techniques in the proposed method can increase the detection accuracy and improve the previously reported results.