قیمت 33,000 تومان 25,000 تومان

امتیاز 0 از 0 رأی
بدون امتیاز 0 رای
33,000 تومان 25,000 تومان
ویژگی های دوره
place
نوع دوره: غیر حضوری
local_library
سطح دوره: فوق حرفه ای
traffic
پیش نیاز: پایتون
language
زبان: فارسی
access_time
ویدئویی(کیفیت HD)
playlist_add_check
ناشر : بیگ لرن
storage
203 مگابایت
supervisor_account
روش پشتیبانی: ارسال تیکت

تشیخص پلاک خودرو ؟

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.

کاربرد های سامانه تشخیص پلاک خودرو ؟

کاربرد های سامانه تشخیص پلاک خودرو:

  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.

تشخیص پلاک با یادگیری عمیق ؟

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. برای تشخیص نویسه‌های پلاک هم از شبکه‌ی عصبی استفاده شده است که روی ارقام و حروف پلاکهای ملی آموزش دیده است. 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 عمیق 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 عمیق (Deep Learning)، میانگین دقت تشخیص متن پلاک در دوربین های مدار بسته به‌طور چشم‌گیری تا 38% افزایش پیدا می‌کند. الگوریتم Deep Learning یا یادگیری عمیق 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 عمیق 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 عمیق برای بهبود دقت سیستم ها هستند.

هدف از این پروژه عملی ؟

هدف از این پروژه عملی تشخیص و شناسایی متن در تصویر با یادگیری عمیق است.این پروژه توانا تشخیص و شناسایی متن در تصویر با یادگیری عمیق از یک عکس دیجیتالی یا ویدئو می‌باشد. سیستم تشخیص متن، سیستمی است که بر اساس تکنولوژی هوش مصنوعی و الگوریتم‌های یادگیری عمیق (Deep Learning) قادر به شناسایی چهره افراد با دقت بالا می‌باشد. در بازشناخت تصویر یک چهره، تصویر ورودی با توجه به اطلاعات موجود در بانک اطلاعات، مورد شناسایی قرار می‌گیرد. این پروژه تشخیص اشیا با استفاده از الگوریتم های شبکه عصبی و تکنیک های Deep Learning به سرعت عملیات یادگیری را انجام داده و پس از آن به راحتی و با سرعت بالا تشخیص متن مورد نظر را انجام می­دهد.هدف از این پروژه عملی تتشخیص و شناسایی متن در تصویر با یادگیری عمیق در پایتون می باشد. در این پروژه با فیلم آموزشی کامل روند تشخیص متن در تصویر و ویدئو انجام می شود و مجموعه های داده ای معرفی می شوند و عملیات تست شبکه انجام می شود. خروجی های حاصل از تشخیص متن در تصویر و ویدئو روی هر یک از شبکه ها نشان داده می شود. بدون شک یکی از بهترین پروژه های عمیق برای تشخیص و شناسایی متن در تصویر و ویدئو می باشد که با زبان ساده و روان فارسی توضیح داده شده است.

موارد موجود در این دوره آموزشی ؟

معرفی سیستم تشخیص و شناسایی پلاک در تصویر ویدئو

پیش نمایش
خصوصی

استخراج ویژگی های مهم برای تشخیص و شناسایی متن پلاک در تصویر ویدئو

خصوصی

شبکه عمیق برای تشخیص و شناسایی متن پلاک در تصویر و ویدئو ویدئو

خصوصی

معرفی کامل الگوریتم LSTM برای شناسایی پلاک در تصویر و ویدئو ویدئو

خصوصی

معرفی کامل الگوریتم قدرتمند EAST برای تشخیص پلاک درتصویر و ویدئو ویدئو

خصوصی

استخراج ویژگی های تشخیص اشیا با شبکه عمیق CNN ویدئو

خصوصی

تشخیص و شناسایی پلاک در تصویر با شبکه های CNN , RNN ویدئو

خصوصی

معرفی ساختار و وزن های شبکه ویدئو

خصوصی

تنظمیم پارامترهای شبکه عمیق ویدئو

خصوصی

نرمالسازی و تغییر اندازه داده ها ویدئو

خصوصی

پیاده سازی شبکه عمیق برای تشخیص و شناسایی متن پلاک در تصویر ویدئو

خصوصی

پیاده سازی شبکه عمیق برای تشخیص و شناسایی متن پلاک در ویدئو ویدئو

خصوصی

تست شبکه عمیق روی انواع داده ها ویدئو

خصوصی

چاپ متن پلاک خودرو موجود در تصویر در خروجی ویدئو

خصوصی

تشخیص همه پلاک ها در تصاویر و ویدئو ویدئو

خصوصی

کدهای پروژه فایل های ضمیمه

خصوصی

درخواست مشاوره

برای کسب اطلاعات بیشتر درباره این دوره درخواست مشاوره خود را ارسال کنید و یا با ما در تماس باشید.

درخواست مشاوره

نیاز به مشاوره دارید؟

در صورتی که نیاز به مشاوره دارید می توانید فرم را تکمیل نمایید و یا با ما در تماس باشید

درخواست مشاوره رایگان

moreدوره های مرتبط

پردازش زبان طبیعی (فارسی و انگلیسی ) با پایتون

پردازش زبان طبیعی (NLP) پردازش زبان طبیعی (NLP)  برای پردازش و درک داده‌های طبیعی مبتنی بر زبان است که در…
رایگان!

آموزش یادگیری ماشین پیشرفته

در این آموزش مباحث پیشرفته و کاربردی یادگیری ماشین براساس جدیترین مقالات در قالب فیلم اموزش کامل اماده شده است.…

رایگان!

انتخاب ویژگی با یادگیری عمیق

انتخاب ویژگی با یادگیری عمیق این دوره در حال اماده سازی در صورتی که تمایل به اگاهی از آن دارید،…

رایگان!

حاشیه نویسی تصاویر با یادگیری عمیق

حاشیه نویسی تصاویر ؟ در دنیای حاضر با گسترش سریع داده ها، اطلاعات زیادی در بستر وب در حال جریان…
40,000 تومان 25,000 تومان

chat_bubble_outlineنظرات

قوانین ثبت دیدگاه

  • دیدگاه های فینگلیش تایید نخواهند شد.
  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • امتیاز دادن به دوره فقط مخصوص دانشجویان دوره می باشد.

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *