تشخیص و شناسایی پلاک خودرو با هوش مصنوعی

تشخیص خودکار شماره پلاک خودرو سامانه‌ای برای خواندن پلاک وسیله نقلیه با استفاده از نویسه‌خوان نوری است. شماره پلاک خودرو یکی از مناسب‌ترین اقلام اطلاعاتی جهت احراز هویت خودروها می‌باشد. تشخیص خودکار شماره پلاک خودرو سامانه‌ای کاملاً مکانیزه است که با استفاده از پردازش تصویر خودروهای عبوری از یک مکان، شماره پلاک آن‌ها را استخراج می‌کند. برای استفاده از این سامانه، نیازی به نصب و تجهیز خودروها به وسیلهٔ دیگری (مانند GPS یا برچسب‌های رادیویی- RFID Tag) وجود ندارد. این سامانه با استفاده از دوربین‌های مخصوص، تصویری از خودرو در حال عبور اخذ می‌کند و آن تصویر را جهت پردازش توسط نرم‌افزار تشخیص پلاک خودرو به رایانه ارسال می‌کند. از این سامانه می‌توان در زمینه‌های امنیتی و ترافیکی بسیار بهره گرفت.یکی از مهمترین قسمت های سیستم نظارتی تشخیص خودکار پلاک خودرو یا ANPR را همین OCR یا سیستم شناسایی کاراکتر تشکیل می دهد که در واقع نرم افزاری است که با اسکن و پردازش کردن پیکسل های پلاک خودرو آنها را صورت داشتن اندازه مورد نیاز تبدیل به یک حرف (Letter) می کند. در واقع OCR بعد از مطابقت دادن مجموعه ای از پیکسل های عکس با یک حرف یا عدد آنها را به صورت کد ASCII قابل فهم توسط سیستم های کامپیوتری تبدیل کرده و در یک فایل برای اهداف بعدی ذخیره می کنند. در شکل زیر نمونه خروجی از دوره آموزشی روی پلاک های ایرانی و خارجی نشان داده شده است:

1. کنترل و اخذ عوارض ورود به محدوده ی طرح ترافیک
2. اخذ عوارض جاده ها و بزرگ راه ها بصورت خودکار
3. محاسبه مدت سفر
4. اندازه گیری سرعت میانگین خودرو ها
5. کنترل عبور و مرور ها در پارکینگ های تجاری
6. کنترل درب منازل و ادارات بصورت اتوماتیک برای خودرو ها مجاز

تشخیص خودکار پلاک خودرو (ANPR)، از مهمترین نیازهای سیستم‌‌های کنترل تردد مانند پارکینگها، پایانه های عوارضی، ایستگاههای تاکسی و کنترل خودکار ترافیک است. روزانه صدها و شاید هزاران تخلف ترافیکی روی می‌دهد و توسط دوربینهای مخصوص، تصویر خودروی متخلف ضبط می‎شود. بررسی این تصاویر توسط نیروی انسانی و داده آمایی شماره پلاک خودرو به صورت دستی، زمان و نیروی انسانی زیادی می طلبد. لذا تشخیص خودکار موقعیت پلاک خودرو و شناسایی شماره پلاک توسط نرم افزار اهمیت می‌یابد. علاوه بر کنترل ترافیک، تشخیص خودکار پلاک، می‌تواند فرایند ورود و خروج خودروها در موسسات و سازمانها و پایانه‌ها را تسهیل کند. به این ترتیب کار نگهبانها آسانتر شده و هم سازمان و هم مراجعین، احساس رضایت بیشتری خواهند داشت.امروزه شهرهای بسیاری ورود خودروها به منطقه مرکزی شهر را به منظور کنترل ترافیکِ آن محدود ساخته اند. از آنجا که استفاده از روش های سنتی (قرار دادن نیروهای پلیس در تمامی مبادی محدوده) هم پر هزینه و هم کم دقت است، راه حل های جدیدی برای کنترل و اخذ عوارض ورود به محدوده پرتردد شهرها∗ پیشنهاد شده است. یکی از این راه حل ها (که برای مثال در استکهلم و لندن استفاده می شود) استفاده از فناوری تشخیص پلاک خودرو است. در این راه حل، دوربین های تشخیص پلاک خودرو در تمامی مبادی طرح نصب می شوند و ورود هر خودرو به محدوده طرح ثبت می شود. سپس مانند روش اخذ عوارض، فرصتی به راننده داده می شود تا عوارض ورود به طرح را تا زمان مقرر پرداخت کند. در غیر اینصورت، راننده طبق قانون ملزم به پرداخت جریمه خواهد بود.

از جمله مشکلات و پیچیدگی های استخراج وشناسایی پلاک از این تصاویر، عبارت است از :

• پیچیدگی پس زمینه تصویر
• سطوح غیر هم‌سطح
• جهات متن
• روشنایی غیریکنواخت
• کیفیت کم
• مشخص نبودن مرز متن و پس‌زمینه
• تنوع در رسم‌الخط‌

نرم افزارهای پردازش متن برای تشخیص و بازیابی الفبا توسط کامپیوتر طراحی می شوند. برای ساخت و توسعه چنین نرم افزارهایی نیازمند تحقیقات در زمینه های سیستم های بیومتریک، پردازش تصویر، سامانه های هوشمند که بر گرفته از (سیستمهای خبره، الگوریتم ژنتیک و منطق فازی) می باشیم. OCR به تكنيكي اطلاق مي شود كه طي آن يك برنامه كامپيوتري متون موجود درتصاوير ديجيتالي را شناسايي كرده و آن‌ها را به صورت خودكار به فايل‌هاي متني قابل ويرايش و جست‌وجو تبديل مي كند. OCR زبان‎های فارسی و عربی نسبت به زبان انگلیسی پیچیدگی بیشتری دارد. تعداد حروف الفبای بیشتر، پیوسته بودن حروف هنگام نوشتن، نقطه دار بودن حروف و تغییر فرم نوشتاری حروف در ابتدا، وسط یا انتهای کلمات از جمله مهم‏ترین این موارد است. از دیگر چالش‌های OCR فارسی، در دسترس نبودن مجموعه‌ی داده‌ی استاندارد برای حل مساله است. در میان اطلاعات مختلفی که در تصویر موجود است، اطلاعات متنی از اهمیت ویژ ه ای برخوردار است، چراکه به آسانی از سوی انسان یا حتی رایانه قابل فهم بوده و امکان توصیف محتوای یک تصویر را فراهم می کند. علاوه بر این، از داده های استخراج شده براساس تحلیل اطلاعات متنی موجود در تصاویر می توان کاربردهای متنوعی نام برد که به انسان در تعامل با طبیعت و صنعت کمک می کند.یک سیستم OCR از بخشهای متعددی تشکیل شده است. ابتدا باید تصویر ورودی آنالیز شده و اگر متن آن دارای چرخش است، اصلاح شود. پس از اصلاح چرخش باید موقعیت بلوکهای متنی، شکل و جدول در تصویر سند مشخص شود. پس از تعیین موقعیت بلوکهای مختلف (ناحیه بندی یا آنالیز ساختار سند)،باید بلوکهای متنی بازشناسی شوند؛ یعنی خطوط متنی یافت شده و سپس موقعیت کلمات مشخص شود و در مرحله بعد، موقعیت حروف در کلمه مشخص شود، در نهایت تک تک حروف باید شناخته شده و با یکدیگر ترکیب شوند تا کلمه‌ی معادل آنها مشخص شود. این کل فرایند تشخیص خودکار متن بود که به صورت بسیار ساده بیان شد. فرایند تشخیص موقعیت پلاک با استفاده از ترکیبی از روشهای ساختاری و هوشمند انجام شده و خطا در تشخیص موقعیت پلاک در شرایط نرمال نزدیک صفر است. منظور از شرایط نرمال یعنی شرایطی که تصویر پلاک خیلی کوچک، خیلی بزرگ و یا خیلی تاریک نباشد. تشخیص پلاک در تصاویر یکی از زمینه‌های تحقیقاتی مهم در حوزه‌ی بینایی کامپیوتر است. منظور از تشخیص پلاک، تشخیص متون متعلق به یک رده‌ی خاص (مانند بطری، انسان یا هواپیما) در تصویر می باشد. هدف طراحی سیستمی است که قادر باشد با دریافت نمونه‌های آموزشی (ویا مدلی) متون را در تصاویر جدید تشخیص دهد. از مهمترین مزایایی که الگوریتم‌های یادگیری ماشین به ارمغان می‌آورند می‌توان به دقت تشخیص قابل‌قیاس و حتی بهتر از انسان، قابلیت ضد مداخله و قابلیت تشخیص، استخراج و کلاس‌بندی هزاران مشخصه از متون مربوط به پلاک اشاره کرد. با بهره‌گیری از تکنولوژی یادگیری ماشین، میانگین دقت تشخیص متن پلاک در دوربین های مدار بسته به‌طور چشم‌گیری تا 38% افزایش پیدا می‌کند. الگوریتم یادگیری می‌تواند دقت تشخیص متن پلاک را بهبود دهد. این موضوع باعث کارایی بیشتر سیستم امنیتی و نظارت تصویری محیط از جمله کیفیت تصویر واضح و عریض می‌شود. یادگیری ماشین به شما کمک میکند تا عمل استخراج ویژگی ها را با کمترین/بدون تداخل دست، خود کامپیوتر انجام دهد. به همین دلیل است که موتورهای تشخیص پلاک بیشتر از قبل در حال بکارگیری یادگیری ماشین برای بهبود دقت سیستم ها هستند.