Motorlu araçlar için plaka tanıma sistemi

Abstract

ÖZET Motorlu araçlar için plaka tanıma sistemleri araç tanıma otomasyonunda kullanılan tekniklerden birisidir. Trafik denetleme, gişe otomasyonu ve denetimli saha giriş kontrolü (hastane, askeri tesis vb.) uygulamalarında verimli olarak kullanılırlar. Bu çalışmada, Türk Plaka Standartlarına uyan sivil plakaya sahip araçlar için bir plaka tanıma sistemi geliştirilmiştir. Çalışmada, bu işlem için geriye yaydım algoritması kullanan Yapay Sinir Ağlan (YSA) kullanılmıştır. Tanıma işlemi iki aşamada gerçekleşmektedir; araç görüntülerinden plakanın yerinin tespiti ve bu plakada karakterlerin tanınması. Plaka yer tespiti çeşitli görüntü işleme algoritmaları ve YSA kullanılarak yapılmıştır. Bulunan bu plakada karakter yer tespiti, karakter sayısı, boyutu ve türü çeşitli görüntü işleme rutinleri ile algılanmış, ardından belirlenen karakter bölgeleri, plakalarda kullanılan 22 harf ve 10 rakamı tanımaya eğitilmiş YSA'lara beslenmiş ve plaka tanıma gerçekleştirilmiştir. Sistemin plaka yer tespitinde %88.6 ve plaka tanımadaki başarı oranları %76.8 olarak belirlenmiştir. 2003, 87 sayfa Anahtar Kelimeler: Plaka tanıma, geriye yaydım algoritması, görüntü işleme, karakter tanıma, yapay sinir ağı

II ABSTRACT Vehicle Licence Plate Recognition Systems are used for automated recognition of vehicles. They can be efficiently employed for traffic monitoring of roads, automated till collection, entry surveillance of hospitals, military bases, official buildings, etc. In this thesis, a licence plate recognition system for the vehicles that have licence plates that conform to Turkish Civil Licence Plate Standards has been developed. Backpropagation Error Artificial Neural Networks (ANN) have been used within the system. The recognition process can be done in two major steps; licence plate localization within an image and character recognition within licence plate region. Licence Plate localization has been achieved by using various image processing algorithms and ANN. Localization, number, dimensions and type of the characters within a plate have been identified by using image processing algorithms, plate recognition has been done by feeding the character regions to the ANN's that were trained to recognize 22 letters and 10 numbers. The system's performance has been calculated as 88.6% for plate localization and 76.8% for plate recognition. 2003, 87 pages Key Words: Licence plate, recognition, back propagation error, image processing, character recognition, artificial neural networks