4. BUILDING THE IPSSThe ”intelligen

4. BUILDING THE IPSS
The ”intelligence” feature of the IPSS is presented in the
recognition and classification stages. In this section, we
present the process for the license plate recognition and classification, followed by models in system analysis and design.
4.1 Motorcycle license plate recognition and
classification
The process for motorcycle license plate recognition and
classification is proposed as in Figure 5. In this process,
when the IPSS receives images from cameras, it locates and
extracts the license plate area. From this area, the IPSS
does the same method to locate and extract the images of
letters. These images of letters are then converted to binary
values so that they can be used for the SVM model. Finally,
the SVM model classifies these binary values to letters (there
are a maximum of 36 values, e.g., [0..9, A..Z] to be classified)
Figure 5: License plate recognition and classification
process
4.1.1 License plate area recognition
Figure 6 describes for the license plate area recognition
and extraction. This means that from the image captured
by camera, the system will recognize and locate the area of
the license plate, then extracting that area. Technically, in
this stage we use the cascade of Boosting classifiers (i.e., each
classifier in Figure 4 is a Boosting model [2]) with Haar-like
features [14] to recognize the license plate area. Fortunately,
these algorithms are available in the EmguCV5 library, thus
we do not need to re-implement them but we should know
how to use them as well as how to pre-process and postprocess the results to get the license plate area. Each step
is thoroughly described as in the following.
Figure 6: License plate area recognition and extraction
Step 1: Preparing a set of images which contain the license plate for training. In this work, we use 2,250 images
including 750 license plate images (called positive images)
and 1,500 background images - without containing the license plate (called negative images). These two sets of images should have the same sizes (e.g., 640 x 480 pixels in

ผลลัพธ์ (ไทย) 1:

4. BUILDING THE IPSSThe ”intelligence” feature of the IPSS is presented in therecognition and classification stages. In this section, wepresent the process for the license plate recognition and classification, followed by models in system analysis and design.4.1 Motorcycle license plate recognition andclassificationThe process for motorcycle license plate recognition andclassification is proposed as in Figure 5. In this process,when the IPSS receives images from cameras, it locates andextracts the license plate area. From this area, the IPSSdoes the same method to locate and extract the images ofletters. These images of letters are then converted to binaryvalues so that they can be used for the SVM model. Finally,the SVM model classifies these binary values to letters (thereare a maximum of 36 values, e.g., [0..9, A..Z] to be classified)Figure 5: License plate recognition and classificationprocess4.1.1 License plate area recognitionFigure 6 describes for the license plate area recognitionand extraction. This means that from the image capturedby camera, the system will recognize and locate the area ofthe license plate, then extracting that area. Technically, inthis stage we use the cascade of Boosting classifiers (i.e., eachclassifier in Figure 4 is a Boosting model [2]) with Haar-likefeatures [14] to recognize the license plate area. Fortunately,these algorithms are available in the EmguCV5 library, thusเราไม่จำเป็นต้องเปิดใช้พวกเขา แต่เราควรรู้วิธีการใช้ตลอดจนวิธีการก่อนดำเนินการ และผลลัพธ์ที่จะได้รับพื้นที่ป้าย postprocess แต่ละขั้นตอนอย่างละเอียดที่อธิบายไว้ต่อไปนี้รูปที่ 6: การรับรู้ที่ตั้งป้ายและสกัดขั้นตอนที่ 1: เตรียมชุดของรูปที่ประกอบด้วยป้ายสำหรับการฝึกอบรม ในงานนี้ เราใช้ภาพ 2,250รวมภาพแผ่นป้ายทะเบียน (เรียกว่าภาพเชิงบวก)และ 1,500 รูป - พื้นหลัง โดยประกอบด้วยแผ่นป้ายทะเบียนที่ (เรียกว่าภาพติดลบ) เหล่านี้สองชุดของภาพควรมีขนาดเดียวกัน (เช่น 640 x 480 พิกเซล

ผลลัพธ์ (ไทย) 2:

4. อาคาร IPSS
คุณลักษณะ "ปัญญา" ของ IPSS จะนำเสนอใน
การรับรู้และการจำแนกขั้นตอน ในส่วนนี้เรา
นำเสนอกระบวนการในการรับรู้จานใบอนุญาตและการจำแนกตามรูปแบบในการวิเคราะห์และออกแบบระบบ.
4.1 การรับรู้รถจักรยานยนต์ป้ายทะเบียนและ
จัดหมวดหมู่
กระบวนการสำหรับการรับรู้แผ่นป้ายทะเบียนรถจักรยานยนต์และ
จำแนกประเภทการเสนอให้เป็นในรูปที่ 5 ในการนี้ กระบวนการ
เมื่อ IPSS ได้รับภาพจากกล้องที่ตั้งอยู่และ
สารสกัดจากบริเวณแผ่นป้ายทะเบียน จากพื้นที่นี้ IPSS
ไม่วิธีการเดียวกันในการค้นหาและดึงภาพของ
ตัวอักษร ภาพเหล่านี้ของตัวอักษรจะถูกแปลงแล้วไบนารี
ค่าเพื่อให้พวกเขาสามารถนำมาใช้สำหรับรุ่น SVM สุดท้าย
รุ่น SVM จัดประเภทค่าไบนารีเหล่านี้ไปยังตัวอักษร (มี
เป็นสูงสุด 36 ค่าเช่น [0..9, A..Z] จะจำแนก)
รูปที่ 5: การรับรู้ป้ายทะเบียนและการจัด
กระบวนการ
4.1.1 ใบอนุญาต ได้รับการยอมรับในพื้นที่จาน
รูปที่ 6 อธิบายสำหรับการรับรู้ใบอนุญาตพื้นที่จาน
และการสกัด ซึ่งหมายความว่าจากภาพที่บันทึก
โดยกล้องระบบจะรับรู้และหาพื้นที่ของ
แผ่นป้ายทะเบียนแล้วแยกพื้นที่นั้น เทคนิคใน
ขั้นตอนนี้เราใช้ลักษณนามน้ำตกของการส่งเสริม (กล่าวคือแต่ละ
ลักษณนามในรูปที่ 4 เป็นรูปแบบการส่งเสริม [2]) กับ Haar เหมือน
คุณลักษณะ [14] ในการรับรู้พื้นที่แผ่นป้ายทะเบียน โชคดีที่
กลไกเหล่านี้มีอยู่ในห้องสมุด EmguCV5 ดังนั้น
เราไม่จำเป็นต้องใช้พวกเขา แต่เราควรรู้
วิธีการที่จะใช้พวกเขาเช่นเดียวกับวิธีการที่จะดำเนินการก่อนและ postprocess ผลที่จะได้รับพื้นที่แผ่นป้ายทะเบียน แต่ละขั้นตอน
มีการอธิบายไว้อย่างละเอียดในต่อไป.
รูปที่ 6: การรับรู้ใบอนุญาตพื้นที่จานและการสกัด
ขั้นตอนที่ 1: การจัดเตรียมชุดของภาพที่มีแผ่นป้ายทะเบียนสำหรับการฝึกอบรม ในงานนี้เราจะใช้ 2,250 ภาพ
รวมทั้งภาพแผ่นใบอนุญาต 750 (เรียกว่าภาพบวก)
และ 1,500 ภาพพื้นหลัง - โดยไม่ต้องมีแผ่นป้ายทะเบียน (เรียกว่าภาพลบ) ทั้งสองชุดของภาพควรมีขนาดเดียวกัน (เช่น 640 x 480 พิกเซลใน

ผลลัพธ์ (ไทย) 3:

4 . อาคาร ipss" ปัญญา " คุณลักษณะของ ipss ที่นำเสนอในการรับรู้และขั้นตอนการจำแนก ในส่วนนี้เราปัจจุบันกระบวนการสำหรับรู้จำป้ายทะเบียนรถยนต์และการจำแนกตามรูปแบบในการวิเคราะห์และออกแบบระบบ4.1 การรับรู้ป้ายทะเบียนรถจักรยานยนต์และการจำแนกกระบวนการรู้จำป้ายทะเบียนรถยนต์ รถจักรยานยนต์ และประเภทคือ การนำเสนอในรูปที่ 5 ในกระบวนการนี้เมื่อ ipss รับภาพจากกล้องนั้นตั้งอยู่และสารสกัดจากทะเบียนรถบริเวณ จากพื้นที่นี้ ipssทำวิธีเดียวกันเพื่อค้นหาและสารสกัดจากภาพตัวอักษร ภาพแล้วแปลงเป็นเลขฐานสองตัวอักษรคุณค่าที่พวกเขาสามารถใช้สำหรับรุ่น SVM . ในที่สุดรูปแบบไบนารี SVM ประมวลค่าเหล่านี้ตัวอักษร ( มีกำลังสูงสุด 36 ค่า เช่น [ 0 . . . 9 A . Z ] จะจัด )รูปที่ 5 : การรับรู้ป้ายทะเบียนรถและการจำแนกกระบวนการ4.1.1 พื้นที่การจดทะเบียนรถรูปที่ 6 อธิบายสำหรับป้ายทะเบียนรถ พื้นที่การรับรู้และการสกัด ซึ่งหมายความ ว่า จากภาพที่ถ่ายด้วยโดยกล้อง ระบบจะรับรู้และหาพื้นที่ของทะเบียนรถ แล้วแยกพื้นที่ เทคนิคในขั้นตอนนี้เราใช้น้ำตกส่งเสริมคำ ( เช่น แต่ละตัวในรูปที่ 4 คือ การส่งเสริมรูปแบบ [ 2 ] ) กับเธอเหมือนคุณสมบัติ [ 14 ] จำทะเบียนรถบริเวณ โชคดีขั้นตอนวิธีการเหล่านี้จะพร้อมใช้งานใน emgucv5 ห้องสมุดจึงเราไม่ได้ต้องการจะใช้พวกเขา แต่เราควรจะรู้วิธีการใช้เช่นเดียวกับวิธีการก่อน กระบวนการ postprocess ผลที่จะได้รับใบอนุญาตพื้นที่ ในแต่ละขั้นตอนต้องอธิบายได้ดังนี้คือรูปที่ 6 : ทะเบียนรถ พื้นที่การรับรู้และการสกัดขั้นตอนที่ 1 : เตรียมชุดของภาพซึ่งประกอบด้วยจานใบอนุญาตสำหรับการฝึก ในงานนี้ เราใช้ 2 รูปรวมถึง 750 ทะเบียนภาพ ( เรียกว่าภาพบวก )และ 1500 ภาพพื้นหลัง - โดยไม่มีใบอนุญาต ( เรียกว่าภาพเชิงลบ ) ทั้งสองชุดของรูปภาพควรมีขนาดเดียวกัน ( เช่น 640 x 480 พิกเซลใน