MỘT GIẢI PHÁP TRONG XÂY DỰNG HỆ THỐNG HỖ TRỢ GIỮ XE THÔNG MINH

Nguyễn Thái Nghe * , Nguyễn Văn Đồng và Võ Hùng Vĩ

* Tác giả liên hệ (ntnghe@cit.ctu.edu.vn)

Article Sidebar

Full Text: PDF

Ngày nhận bài: 27-05-2014
Ngày duyệt đăng: 29-12-2014
Ngày xuất bản: 31-12-2014
Title: A solution for building intelligent parking support system
Lượt xem
176
Downloads
156
Trích dẫn
Nghe, N. T., Đồng, N. V., & Vĩ, V. H. (2014). MỘT GIẢI PHÁP TRONG XÂY DỰNG HỆ THỐNG HỖ TRỢ GIỮ XE THÔNG MINH. Tạp chí Khoa học Đại học cần Thơ, (35), 17-30. Truy vấn từ https://ctujsvn.ctu.edu.vn/index.php/ctujsvn/article/view/1358
Số báo
Số. 35 (2014)
Chuyên mục
Công nghệ thông tin

Abstract

In this study, we propose a solution for building an Intelligent Parking Support System (IPSS). The IPSS uses three recognition techniques including automatic recognition for motorcycle license plate (using cascade of Boosting with Haar-like features and Support Vector Machines - SVM), barcode recognition, and semi-recognition via surveillance cameras. Experimental results show that the models work well in three stages. In the license plate area recognition stage, the model gets 99% of accuracy when we use 750 images for training and 243 images for testing. In the letter area recognition stage, the model achieves 95.88% of accuracy when we use 11866 and 4755 images for training and testing, respectively. In the last stage, we train the SVM model on 2603 records and test it on 1550 records. The outcome result is the accuracy of 98.99%. This is a full-fledged system and can be applied in practice.
Keywords: Intelligent parking support system, motorcycle license plate recognition, Haar-like feature, barcode

Tóm tắt

Bài viết này giới thiệu một giải pháp trong xây dựng “Hệ thống hỗ trợ giữ xe thông minh - IPSS”. Nhằm tăng độ an toàn cho bãi xe, IPSS kết hợp các kỹ thuật nhận dạng gồm: Nhận dạng và rút trích biển số tự động (dùng giải thuật Boosting phân tầng cùng với đặc trưng Haar-like và sau đó là giải thuật máy học SVM), nhận dạng mã vạch, và nhận dạng bán tự động qua các camera quan sát. Thực nghiệm cho thấy kết quả nhận dạng khá tốt ở cả ba giai đoạn: Định vị biển số đạt độ chính xác 99% khi dùng 750 ảnh để huấn luyện và 243 ảnh để kiểm thử. Định vị ký tự chính xác 95.88% khi dùng 11866 ảnh cho huấn luyện và 4755 ảnh để kiểm thử. Phân loại ký tự bằng giải thuật SVM chính xác 98.99% khi sử dụng 2603 phần tử cho huấn luyện và 1550 phần tử cho đánh giá. Hệ thống đã được cài đặt hoàn chỉnh và có thể đưa vào ứng dụng trong thực tế.
Từ khóa: Hệ thống giữ xe thông minh, Nhận dạng biển số xe, Đặc trưng Haar-like, Mã vạch

Article Details

Tài liệu tham khảo

Paul A. Viola and Michael J. Jones, 2001. Rapid Object Detection using a Boosted Cascade of Simple Features. IEEE Conference on Computer Vision and Pattern Recognition, pages 511-518.

Paul A. Viola and Michael J. Jones, 2004. Robust real-time face detection. International Journal of Computer Vision, pages 137-154.

Freund, Y. and Schapire, R., 1995. A decision-theoretic generalization of on-line learning and an application to boosting. Computational Learning Theory, pp. 23-37.

Q-N. Tran, T-N. Do, F. Poulet, N-K. Pham, 2008. Vehicle license plate classification. in proc. The National conference in computer science, pp. 79-85.

V. Kamat and S. Ganesan, 1995. An efficient implementation of the Hough transform for detecting vehicle license plates using dsp’s. In RTAS ’95: Proceedings of the Real-Time Technology and Applications Symposium, page 58, Washington, DC, USA. IEEE Computer Society.

J-W Hsieh, S-H Yu, and Y-S Chen, 2002. Morphology-based license plate detecttion from compex scenes. In Proceedings of the International Conference on Pattern Recognition, 3:30-176, IEEE Press, Washington, USA.

K. I. Kim, K. Jung, and J. H. Kim, 2002. Color texture-based object detection: An application to license plate localization. In proceedings of the First International Workshop on Pattern Recognition with Suppor Vector Machines, Springer-Verlag, London, UK, pp. 293-309.

L. Dlagnekov, 2005. Car license plate, make, and model recognition. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, San Diego, CA.

H. Mahini, S. Kasaei, F. Dorri, and F. Dorri, 2006. An efficient features – based license plate localization method. In ICPR (2), pages 841–844. IEEE Computer Society.

C. Schmid and R Mohr, 1997. Local gray value invariants for image retrieval. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19(5): 530–535.

D-G. Lowe, 1999. Object Recognition from Local Scale Invariant Features. In Proceedings of the 7th International Conference on Computer Vision, Kerkyra, Greece, pp. 1150–1157.

D-G. Lowe, 2004. Distinctive Image Features from Scale Invariant Keypoints. In International Journal of Computer Vision, pp. 91–110.

M. Turk and A. Pentland, 1991. Face recognition using eigenfaces, IEEE Conference on Computer Vision and Pattern Recognition, pp. 586–591.

Schneiderman H. and Kanade T., 2000. A statistical method for 3D object detection applied to faces and car, In International Conference on Computer Vision.

Cortes, Corinna and Vladimir Vapnik, 1995. Support-Vector Networks. Machine Learning 20: 273–297.

Đỗ Thanh Nghị, 2011. Khai mỏ dữ liệu - Minh hoạ bằng ngôn ngữ R. Nhà xuất bản Đại học Cần Thơ.