In recent age, a need for automatic

In recent age, a need for automatic car recognition
system has increased much. Interesting applications of the
system include but not limit to traffic monitoring system,
parking system, vehicular crime prevention and
investigation. Many researches of CLP recognition have
been published as following. Yasuharu, Masahiro and
Daisuke [1] proposed extraction and tracking of the license
plate using Hough Transform and Voted Block Matching.
Yuntao and Qian [2] proposed Markov Random Field
(MRF) and Genetic algorithm to extracting of CLP from
video. E.R. Lee, P.K. Kim and H.J. Kim [3] used Neural
Network for color extraction and a template matching to
recognize characters. In Thailand, there are many
researches proposing different methods for license plate
recognition. Thanongsak and Kosin[4] presented the FourLayer
Backpropagation Neural Network method for CLP
recognition on 70 samples of CLP, of which 80.81% were
accurately recognized. The problem still exists that dirt and
a screw on license plate may lead to lower recognition
accuracy. Ekarat and Wutipong [5] presented Thai vehicle
license plate automatic recognition using Characters Cut
and Classification method. The experimental result showed
that 70.59% from 85 samples of Thai CLP images were
correctly recognized.
This paper presents an approach to recognize off-line
entire Thai CLP using Hausdorff Distance technique for
similarity measurement. In Thailand, Sanan Srisuk [6]
presented the recognition method using Hausdorff Distance
for Thai characters in document file, resulting 100%
accuracy rate on 66,771 Thai characters images at 15% of
disturbing signals.
The next section demonstrates an overview of the
proposed system structure. Then line segmentation and character segmentation of the upper line will be described
in details. Feature extraction used in this study will also be
explained, following by our proposed recognition process
using Hausdorff Distance technique. Finally, experimental
results and future work will be addressed.

ผลลัพธ์ (ไทย) 1:

ในยุคล่าสุด ต้องการรถอัตโนมัติระบบมีเพิ่มมากขึ้น สนใจงานนี้ระบบรวมถึง แต่ไม่จำกัดการตรวจสอบระบบ การจราจรระบบจอดรถ ยานพาหนะคิรีอาชญากรรมการป้องกัน และตรวจสอบ มีงานวิจัยจำนวนมากของ CLP รู้การเผยแพร่ดังต่อไปนี้ Yasuharu มะ และไดซุเกะ [1] แยกและติดตามใบอนุญาตในการนำเสนอจานที่ใช้ Hough แปลงและตรงบล็อกโหวตนำเสนอ Markov สุ่มฟิลด์ Yuntao และเคียน [2](MRF) และอัลกอริทึมทางพันธุกรรมเพื่อแยกของ CLP จากวิดีโอ ใช้ Neural E.R. ลี คิมพีเค และ H.J. Kim [3]เครือข่ายสำหรับการสกัดสีและแบบจับคู่เพื่อรู้จักตัวอักษร ในประเทศไทย มีมากมายงานวิจัยเสนอวิธีสำหรับแผ่นป้ายทะเบียนการรับรู้ นำเสนอ FourLayer โน่และลูกชิ้น [4]วิธีโครงข่ายประสาท Backpropagation CLPการรับรู้ในตัวอย่าง 70 ของ CLP ที่ 80.81% มีรับรู้อย่างถูกต้อง ปัญหายังคงอยู่ที่สิ่งสกปรก และ สกรูบนป้ายอาจทำให้ลดการรับรู้ความถูกต้อง เอกและ Wutipong [5] แสดงรถไทยป้ายรู้โดยอัตโนมัติโดยใช้อักขระตัดและวิธีการจัดประเภท ผลการทดลองแสดงให้เห็นว่า70.59% จากตัวอย่างที่ 85 ของ CLP ไทยภาพได้รับรู้อย่างถูกต้องเอกสารนี้นำเสนอวิธีการจดจำ off-lineCLP ไทยทั้งหมดโดยใช้เทคนิค Hausdorff ระยะการวัดความคล้ายคลึงกัน ในประเทศไทย พลตรีสนั่นสุข [6]นำเสนอวิธีการที่ใช้ระยะทาง Hausdorffสำหรับตัวอักษรภาษาไทยในไฟล์เอกสาร ผลลัพธ์ 100%อัตราความถูกต้องในไทย 66,771 ชื่อตัวละครในภาพที่ 15% ของสัญญาณรบกวน ส่วนถัดไปแสดงให้เห็นถึงภาพรวมของการนำเสนอระบบโครงสร้าง แล้ว แบ่งบรรทัดและอักขระแบ่งบรรทัดด้านบนจะกล่าวในรายละเอียด แยกคุณลักษณะที่ใช้ในการศึกษานี้จะอธิบาย ต่อกระบวนการการนำเสนอของเราการใช้เทคนิค Hausdorff ไกล สุดท้าย ทดลองจะได้รับผลลัพธ์และการทำงานในอนาคต

ผลลัพธ์ (ไทย) 2:

ในยุคที่ผ่านมาความต้องการสำหรับการรับรู้รถอัตโนมัติระบบได้เพิ่มขึ้นมาก
โปรแกรมที่น่าสนใจของระบบรวมถึง แต่ไม่ จำกัด กับระบบการตรวจสอบการจราจร, ระบบที่จอดรถ, การป้องกันอาชญากรรมยานพาหนะและการตรวจสอบ หลายงานวิจัยได้รับการยอมรับ CLP ได้รับการตีพิมพ์ดังต่อไปนี้ Yasuharu, มาซาฮิโรและไดสุเกะ[1] ที่นำเสนอการสกัดและการติดตามของใบอนุญาตแผ่นโดยใช้Hough Transform และบล็อกโหวตจับคู่. Yuntao และเควน [2] เสนอมาร์คอฟสนามสุ่ม(MRF) และขั้นตอนวิธีทางพันธุกรรมเพื่อการสกัดของ CLP จากวิดีโอ ER ลี PK คิมฮยอนจุงและคิม [3] ที่ใช้ประสาทเครือข่ายในการสกัดสีและแม่แบบการจับคู่ที่จะรู้จักตัวละคร ในประเทศไทยมีหลายงานวิจัยที่นำเสนอวิธีการที่แตกต่างกันสำหรับแผ่นป้ายทะเบียนได้รับการยอมรับ Thanongsak และโกสินทร์ [4] นำเสนอ FourLayer backpropagation วิธีโครงข่ายประสาทเทียมสำหรับ CLP การรับรู้ใน 70 ตัวอย่าง CLP ซึ่ง 80.81% กำลังได้รับการยอมรับอย่างถูกต้อง ปัญหาที่เกิดขึ้นยังคงมีอยู่ว่าสิ่งสกปรกและสกรูบนจานใบอนุญาตอาจนำไปสู่การรับรู้ที่ต่ำกว่าความถูกต้อง เอกรัฐและ Wutipong [5] ไทยนำเสนอรถแผ่นป้ายทะเบียนรับรู้โดยอัตโนมัติโดยใช้ตัวอักษรตัดและวิธีการในการจัดหมวดหมู่ ผลการทดลองพบว่า 70.59% จาก 85 ตัวอย่างของภาพ CLP ไทยได้รับการยอมรับอย่างถูกต้อง. บทความนี้นำเสนอวิธีการที่จะรับรู้แบบ off-line ทั้งไทย CLP ใช้เทคนิคดอร์ฟระยะทางสำหรับการวัดความคล้ายคลึงกัน ในประเทศไทยสนั่นศรีสุข [6] นำเสนอวิธีการรับรู้โดยใช้ระยะทางดอร์ฟสำหรับตัวอักษรไทยในแฟ้มเอกสารผล 100% อัตราความถูกต้องใน 66771 ภาพตัวอักษรภาษาไทยที่ 15% ของสัญญาณรบกวน. ส่วนถัดไปแสดงให้เห็นถึงภาพรวมของโครงสร้างระบบที่นำเสนอ. การแบ่งส่วนเส้นจากนั้นตัวละครและการแบ่งส่วนของเส้นบนจะอธิบายในรายละเอียด ดึงมาใช้ในการศึกษาครั้งนี้ยังจะได้อธิบายต่อไปโดยกระบวนการการรับรู้ของเราที่นำเสนอโดยใช้เทคนิคทางดอร์ฟ ในที่สุดการทดลองผลและการทำงานในอนาคตจะได้รับการแก้ไข

ผลลัพธ์ (ไทย) 3:

ในยุคล่าสุด ต้องการระบบการรู้จำ
รถโดยอัตโนมัติได้เพิ่มขึ้นมาก โปรแกรมที่น่าสนใจของ
ระบบรวมถึง แต่ไม่ จำกัด ระบบการตรวจสอบการจราจร ,

ระบบจอดรถและตรวจสอบการป้องกันอาชญากรรมของยานพาหนะ หลายงานวิจัยของ CLP รับรู้ได้
ถูกตีพิมพ์ ดังนี้ yasuharu captain
, และไดสุเกะ [ 1 ] เสนอการสกัดและการติดตามใบอนุญาต
จานใช้ Hough แปลงและโหวตบล็อกการจับคู่ .
yuntao เฉียน [ 2 ] และเสนอแบบสุ่มสนาม
( mrf ) และขั้นตอนวิธีทางพันธุกรรมเพื่อแยกของ CLP จาก
วิดีโอ ห้องฉุกเฉิน ลี p.k. คิมและ h.j. คิม [ 3 ] ใช้เครือข่ายประสาท
แยกสีและแม่แบบการจับคู่

จำตัวอักษร ในประเทศไทยมีหลายงานวิจัยที่เสนอวิธีการที่แตกต่างกันสำหรับการรับรู้

จานใบอนุญาตทนงศักดิ์ และ โกสินทร์ [ 4 ] ได้เสนอ fourlayer

วิธีข่ายงานประสาทรับรู้ทั้ง 70 ตัวอย่างของ CLP ซึ่ง 80.81 ร้อยละ
ถูกต้องได้รับการยอมรับ ปัญหายังคงอยู่ที่สกปรกและ
สกรูบนจานใบอนุญาตอาจนำไปสู่การลดการรับรู้
ความถูกต้อง บริษัท เอกรัฐ และ วุทธินันท์ [ 5 ] แสดงเลขทะเบียนรถ

ตัดการรับรู้โดยอัตโนมัติโดยใช้ตัวอักษรภาษาไทยและจำแนก . ผลการศึกษาพบว่า ร้อยละ 70.59
85 ตัวอย่างของภาพทั้งไทยและได้รับการยอมรับอย่างถูกต้อง
.
บทความนี้นำเสนอแนวทางการรับรู้ทั้งไทยทั้งประเทศ

ใช้ hausdorff ระยะทางเทคนิคการวัดความคล้ายคลึงกัน ในประเทศไทย สนั่นศรีสุข [ 6 ]
เสนอวิธีการใช้ hausdorff ระยะทาง
สำหรับตัวอักษรภาษาไทยในไฟล์เอกสารส่งผลให้อัตราความถูกต้อง 100%
66771 บนภาพตัวอักษรภาษาไทยที่ 15% ของสัญญาณรบกวน
.
ส่วนถัดไปแสดงให้เห็นภาพรวมของ
เสนอระบบโครงสร้าง จากนั้นตัดสายอักขระและการแบ่งส่วนของบรรทัดบน
จะอธิบายในรายละเอียด คุณลักษณะการสกัดที่ใช้ในการศึกษาครั้งนี้ จะเป็น
อธิบายต่อไป โดยเราเสนอกระบวนการรับรู้
การใช้เทคนิคระยะทาง hausdorff . ในที่สุด ผลการทดลอง
และทำงานในอนาคตจะ addressed