Разработка системы видео-мониторинга парковочного пространства

Основные этапы алгоритма:

• 
  Поиск номера;
  
• 
  Нормализация номера;
  
• 
  Выделение каждого символа номерного знака;
  
• 
  Распознавание символов;
  
• 
  Проверка номера;
  

1. 
   Поиска номера
   

Анализ границ и фигур, контурный анализ
Самый очевидный способ выделения номера – поиск прямоугольного контура. Работает только в ситуациях, когда есть ясно читаемый контур, ничем не загороженный, с достаточно высоким разрешением и с ровной границей. Производится фильтрация изображения для нахождения границ, после чего производится выделение всех найденных контуров в соответствии с рисунком 9 и их анализ.

Рисунок 9 - Выделение контуров изображения

Анализ только части границ
Выделяются контуры, после чего ищутся все вертикальные прямые. Для любых двух прямых, расположенных недалеко друг от друга, с небольшим сдвигом по оси y, с правильным отношением расстояния между ними к их длине, рассматривается гипотеза того, что номер располагается между ними.
Гистограммный анализ регионов
Одним из самых популярных методов подхода является анализ гистограмм изображения в соответствии с рисунком 10. Подход основывается на предположении, что частотная характеристика региона с номером отлична от частотной характеристики окрестности.

Рисунок 10 - Анализ гистограмм изображения
На изображении выделяются границы (выделение высокочастотных пространственных компонент изображения). Строится проекция изображения на ось y (иногда и на ось x). Максимум полученной проекции может совпасть с расположением номера.
У такого подхода есть существенный минус – машина по размеру должна быть сопоставима с размером кадра, т. к. фон может содержать надписи или другие детализированные объекты.

2. 
   Нормализация изображения с номером
   

Для лучшего распознавания необходимо улучшить качество изображения. Сделать это можно при мощи бинаризации изображения. Процесс бинаризации – это перевод цветного (или в градациях серого) изображения в двухцветное черно-белое. Главным параметром такого преобразования является порог t – значение, с которым сравнивается яркость каждого пикселя.
Главная цель бинаризации, это радикальное уменьшение количества информации, с которой приходится работать. Удачная бинаризация сильно упрощает последующую работу с изображением. С другой стороны, неудачи в процессе бинаризации могут привести к искажениям, таким, как разрывы в линиях, потеря значащих деталей, нарушение целостности объектов, появление шума и непредсказуемое искажение символов из-за неоднородностей фона. По результатам сравнения, пикселю присваивается значение 0 или 1.

5.3 Выделение каждого символа номерного знака

В результате выполнения функции нахождения контуров, их находится больше, чем нужно, необходимо убрать лишние. Чтобы отсеять лишние контуры нужно сравнивать координаты каждого контура со всеми остальными. Если один контур полностью перекрывает другой, то стоит
оставить контур большего размера. В соответствии с рисунком 11, в контуре
«6» находится конур «о». Контур характеризуется четырьмя точками.

Рисунок 11 - Координаты контуров

Для исключения контура нужно чтобы выполнялись следующие условия:
x1>X1 и y1X3 и y3>Y3 и x4Y4 Таким образом, сравнив каждый контур с каждым и исключая лишние,
получим нужные контуры в соответствии с рисунком 12.

Рисунок 12 - Результат бинаризации изображения и выделения символов

3. 
   Алгоритмы распознавания символов
   

Задача распознавания текста или отдельных символов (optical character recognition, OCR) с одной стороны сложная, а с другой — вполне классическая. Существует множество алгоритмов её решения, некоторые из которых достигли совершенства. Но, с другой стороны, самых лучших алгоритмов в открытом доступе нет. Есть, конечно Tesseract OCR и несколько его аналогов, но эти алгоритмы не решают всех задач. В целом,
методы распознавания текста можно разбить на два класса: структурные методы, основанные на морфологии и анализе контура, имеющие дело с бинаризованным изображением, и растровые методы, основанные на анализе непосредственного изображения. При этом зачастую используется комбинация структурных и растровых методов
Отдельные символы, полученные на предыдущем шаге передаются в библиотеку распознавания.

3. 
   Проверка номера
   

С помощью регулярных выражений распознанный текст сравнивается со структурой автомобильного номера, для определения корректности номера.
Регулярные выражения предоставляют мощный, гибкий и эффективный способ обработки текста. Комплексная нотация сопоставления шаблонов регулярных выражений позволяет быстро анализировать большие объемы текста для поиска определенных шаблонов символов; проверять текст на соответствие предопределенному шаблону (например, адресу электронной почты); чтобы извлекать, изменять, заменять и удалять текстовые подстроки; а также чтобы добавлять извлеченные строки в коллекцию для создания отчета. Для многих приложений, которые работают со строками или анализируют большие блоки текста, регулярные выражения
— незаменимый инструмент.

2. 
   Анализ технологий мониторинга парковочных мест
   

Для определения состояния парковочных мест можно использовать:

• 
  Оптическое распознавание маркеров;
  
• 
  Ультразвуковые датчики;