ОДЕСЬКИЙ НАЦІОНАЛЬНИЙ ПОЛІТЕХНІЧНИЙ УНІВЕРСИТЕТ

ДАВИДОВ Валентин Олегович

УДК 658.512.011.56

Автоматизація технологічного процесу реєстрації номерів при керуванні транспортними потоками

Спеціальність 05.13.07 – Автоматизація технологічних процесів”

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Одеса – 2003

Дисертацією є рукопис.

Робота виконана в Одеському національному політехнічному університеті Міністерства освіти і науки України на кафедрі автоматизації теплоенергетичних процесів.

Науковий керівник | доктор технічних наук, професор,

Максимов Максим Віталійович,

Одеський національний політехнічний

університет, професор кафедри “Автоматизації

теплоенергетичних процесів” |

Офіційні опоненти: | доктор технічних наук, професор,

Обжерін Юрій Євгенійович,

Севастопольській національний технічний

університет, професор кафедри “Вищої

математики”;

кандидат технічних наук, доцент,

Бражник Олександр Михайлович,

Херсонський державний технічний університет,

завідуючий кафедрою “Автоматизації виробничих процесів”. |

Провідна установа | науково-виробничий комплекс “Київський інститут автоматики” |

Захист відбудеться “ 26 ” лютого 2004 р. о 1330 на засіданні спеціалізованої вченої ради Д 41.052.01 в Одеському національному політехнічному університеті за адресою: 65044, м. Одеса, пр. Шевченка, 1, ауд. 400-А.

З дисертацією можна ознайомитись у бібліотеці Одеського національного політехнічного університету за адресою: 65044, м. Одеса, пр. Шевченка, 1.

Автореферат розісланий “ 22 ” сiчня 2003 р.

Вчений секретар

спеціалізованої вченої ради |

Ямпольський Ю.С.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Необхідність зниження рівня злочинності, пов'язаного з викраданням автотранспортних засобів, і підвищення безпеки як на дорогах, так і на автостоянках і підприємствах з режимним доступом вимагають вирішення завдання автоматизації технологічного процесу реєстрації номерів автотранспортних засобів у реальному режимі часу. У різних технологічних завданнях регулювання і контролю дорожнього руху обсяг інформаційного потоку істотно перевищує критичний обсяг, що здатний обробити оператор. Тому прикладні дослідження в галузі автоматизації технологічного процесу реєстрації номерів автотранспортних засобів необхідні і своєчасні.

Вирішення завдання автоматичної ідентифікації номерних знаків держреєстрації автотранспортних засобів приведе до вирішення безлічі дрібних, але важливих завдань. Установка слідкуючих камер в межах міста дозволить вести автоматичний пошук автомобілів, що знаходяться у розшуку, просліджувати їх рух по місту і виявляти район зупинки. При установці камер на контрольно-пропускних пунктах (КПП) різних режимних підприємств з'являється можливість автоматичного контролю транспорту, що в'їжджає і виїжджає. Якщо установити камери біля в'їзду і виїзду стоянки, з'являється можливість автоматичного виявлення фактів підміни стояночних талонів і автомобільних номерів. Установка камер на КПП, розташованих на межі міста дозволить автоматизувати технологічний процес реєстрації номерів прохідного автотранспорту. Також загальновідома проблема пробок на платних дорогах, особливо в літню пору, яка пов'язана з необхідністю внесення плати за проїзд перед в'їздом на дорогу. Установка камер біля в'їзду на такі дороги дозволить автоматично реєструвати номери проїжджаючих автотранспортних засобів і відсилати їхнім власникам рахунки за користування дорогою.

В даний час технологічний процес реєстрації номерів проїжджаючих автотранспортних засобів на різних КПП не автоматизований і виконується інспекторами дорожньо-патрульної служби.

Таким чином, питання автоматизації технологічного процесу реєстрації номерів автотранспортних засобів набуває на сьогодні особливої актуальності. Вирішення цього завдання дозволяє, з одного боку, автоматизувати технологічний процес, який виконується інспектором дорожньо-патрульної служби, ліквідувати вплив людського фактору при здійсненні контролю і управління автотранспортними засобами і потоками, що приведе до зниження рівня несанкціонованого доступу до управління автотранспортними засобами і підвищення якості фізичного захисту, в тому числі на режимних об'єктах, а, з іншого боку — відмовитися від постачань таких технологій з-за кордону.

Зв'язок роботи з науковими програмами, планами, темами. Основні наукові дослідження дисертації виконані відповідно до: —

Указу Президента України від 22 січня 2001 р. № 30 “Про поліпшення інформаційного забезпечення на автомобільних дорогах України”; —

Постанови КМ України від 27.04.2002 р. № 586 “Про затвердження Програми створення системи інформаційного забезпечення на автомобільних дорогах загального користування на 2002-2010 роки”; —

Державної науково-технічної програми “Нові вітчизняні інтелектуальні комп'ютерні засоби” п.4 “Розробка проблемно-орієнтованих систем і програмно-апаратних засобів цифрової обробки сигналів”; —

Державної науково-технічної програми “Системний аналіз, методи і засоби управління процесами різної природи; методи оптимізації, програмне забезпечення й інформаційні технології в складних системах” п.1 “Розробка методологічних, алгоритмічних і програмних засобів системного аналізу процесів різної природи” і п.2 “Створення програмних засобів і технологій підтримки інформаційно-аналітичних досліджень у складних розподілених системах організаційного управління”.

Метою дисертаційного дослідження є автоматизація технологічного процесу реєстрації автомобільних номерних знаків шляхом розробки технічної і програмної частин автоматизованої системи ідентифікації автотранспортних засобів, призначеної для інтелектуальної підтримки прийняття рішень в умовах невизначеності при управлінні транспортними потоками.

Досягнення зазначеної мети вимагало пошуку рішень наступних допоміжних завдань:—

вибору й обґрунтування структури модуля розпізнавання автоматизованої системи та вибору критеріїв оцінки якості ідентифікації;—

синтезу алгоритмів роботи програмного забезпечення автоматизованої системи ідентифікації і проведення імітаційного моделювання з метою перевірки ефективності синтезованих алгоритмів;—

створення і тестування дослідно-промислового зразка автоматизованої системи ідентифікації автомобільних номерів держреєстрації.

Об'єктом дослідження є автоматизована система ідентифікації автомобільних номерів держреєстрації (АСІАНД) в умовах підвищеної зашумленості і невизначеності в населених пунктах, промислових зонах та автомагістралях.

Предметом дослідження є моделі, алгоритми і технічні засоби, що дозволяють автоматизувати технологічний процес реєстрації автотранспортних засобів, а також забезпечують підвищення якості ідентифікації номерних знаків держреєстрації.

Методи дослідження. Для вирішення поставлених завдань використано методологію системного аналізу, теоретичного і практичного дослідження ефективності алгоритмів на комплексній імітаційній та математичній моделях; експериментального дослідження на дослідних установках та промисловому устаткуванні.

Наукова новизна отриманих результатів полягає в розвитку інформаційного і програмного забезпечення АСУ ТП, призначеної для контролю і управління технологічним процесом реєстрації номерів автотранспортних засобів:—

вперше запропоновано критерії оцінки якості ідентифікації, придатні для порівняння широкого кола автоматизованих систем ідентифікації автотранспортних засобів і розроблено методику їх розрахунку;—

вперше для програмного забезпечення (ПЗ) автоматизованої системи ідентифікації автотранспортних засобів запропоновано алгоритми бінаризації зображень в умовах апріорної невизначеності і фільтрації зображень методом простежування злитих груп;—

вперше в автоматизованій системі контролю і управління автотранспортним потоком для виділення на зображеннях текстової інформації запропоновано застосування двовимірного хвильового перетворення Хаара;—

доведено, що значення якості ідентифікації автотранспортних засобів для автоматизованих систем контролю і управління автотранспортним потоком може досягти 95...98%.

Практична цінність отриманих результатів полягає в: —

розробці автоматизованої системи управління і контролю технологічним процесом реєстрації номерів автотранспортних засобів, що рухаються зі швидкістю до 60 км/год в умовах сильних адитивних і мультиплікативних перешкод (відношення сигнал/шум 3...10 за потужністю). Система може бути застосована як для контролю і управління технологічним процесом реєстрації номерів автотранспортних засобів, так і для інтелектуальної підтримки прийняття рішень в умовах апріорної невизначеності;—

розробці алгоритму бінаризації зображень, що пройшли хвильове перетворення Хаара;—

розробці нових алгоритмів обробки зображень, придатних для використання як в автоматизованих системах ідентифікації автотранспортних засобів, так і широкому колі інших завдань;—

пропозиції критеріїв, придатних для оцінки якості ідентифікації широкого кола автоматизованих систем ідентифікації автотранспортних засобів;—

підвищенні якості ідентифікації в автоматизованій системі ідентифікації автотранспортних засобів у порівнянні з існуючими зарубіжними аналогами.

Економічний ефект від впровадження результатів досліджень обумовлюється тим, що створюються науково обгрунтовані передумови до зниження рівня злочинності, пов'язаного з викраденням автотранспортних засобів, а також до підвищення рівня фізичного захисту підприємств, що обмежують доступ автотранспорту.

Особистий внесок здобувача. При одержанні результатів, представлених у дисертації, автор брав участь у всіх етапах роботи: при постановці завдання і виборі методів його вирішення, виконанні необхідних наукових і інженерних розробок, проведенні чисельних розрахунків і аналізу отриманих результатів, підготовці наукових робіт до опублікування. Зокрема,

У роботі [1] автору дисертаційної роботи належать:—

розробка алгоритмів обробки зображень в автоматизованій системі ідентифікації автотранспортних засобів.

У роботі [2] автору дисертаційної роботи належать:—

розробка структурної схеми автоматизованої системи ідентифікації автотранспортних засобів;—

розробка алгоритму роботи ПЗ автоматизованої системи ідентифікації автотранспортних засобів.

У роботі [3,8] автору дисертаційної роботи належать:—

розробка алгоритму роботи попередньої обробки зображень в автоматизованій системі ідентифікації автотранспортних засобів;—

розробка алгоритму роботи класифікатора в автоматизованій системі ідентифікації автотранспортних засобів;—

аналіз результатів імітаційного моделювання автоматизованої системи ідентифікації автотранспортних засобів.

У роботі [4] автору дисертаційної роботи належать:—

адаптація алгоритмів навчання різних моделей нейронних мереж для автоматизованої системи ідентифікації автотранспортних засобів;—

аналіз результатів імітаційного моделювання автоматизованої системи ідентифікації автотранспортних засобів.

У роботі [5] автору дисертаційної роботи належать:—

розробка методики розрахунку критеріїв якості ідентифікації для автоматизованої системи ідентифікації автотранспортних засобів;—

аналіз отриманих результатів.

У роботі [7] автору дисертаційної роботи належать:—

розробка алгоритму роботи попередньої обробки зображень.

Апробація результатів дисертації. Результати роботи повною мірою відтворюються в публікаціях. Основні результати дисертації неодноразово доповідалися на семінарах кафедр “Автоматизації теплоенергетичних процесів”, “Інформаційних систем” і НДЛ “Атомспецавтоматика” в Одеському національному політехнічному університеті, об`єднанному семінарі кафедр “Автоматизації технологічних процесів та виробництв”, “Приладобудування”, “Машинобудування і транспорту” в Севастопольському державному технічному університеті, 6-й міжнародній конференції “Автоматика 99”, 1999 р., 5-й всеукраїнській міжнародній конференції УкрОБРАЗ, Київ, 2000 р., Міжнародній науково-технічній конференції “Штучний інтелект”, м.Кацивелі, Крим, 2002.

Публікації. За матеріалами дисертаційної роботи опубліковано 9 наукових праць, у тому числі 6 статей у фахових виданнях за переліком ВАК України, 2 тези доповідей на науково-технічних конференціях.

Структура дисертації. Дисертація складається з вступу, чотирьох розділів і висновків. Обсяг дисертації – 156 стор. Дисертація містить 37 рисунків, 6 таблиць і посилання на 106 літературних джерел, 1 додаток де містяться матеріали впровадження.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі приведено загальну характеристику роботи, що підкреслює її актуальність, відповідність державним науковим програмам, наукову новизну і практичне значення; визначено об'єкт і предмет дослідження, сформульовано його мету і завдання.

У першому розділі “Аналіз методів ідентифікації і контролю параметрів в автоматизованих системах управління технологічними процесами” аналізуються тенденції розвитку сучасних автоматизованих систем ідентифікації. Сформульовано головне завдання дисертаційного дослідження. Аналіз різних автоматизованих систем, призначених для контролю і управління автотранспортними потоками показав, що виробники не надають інформацію про те, як працюють ці системи. Технічні характеристики, що приводяться, від виробника до виробника відрізняються набором оцінюваних параметрів, а самі параметри часто не несуть інформації про якість роботи системи. Так, наприклад, у різних джерелах приводяться такі параметри систем, як ширина поля зору, розмір символів (по вертикалі), кількість зон детекції, швидкодія, контрастність номерів, швидкість автомобіля, параметри установки камери (кути падіння, нахилу та повороту), імовірність розпізнавання, імовірність помилок першого та другого роду.

Таким чином, через те, що недоступна інформація про те, як працюють існуючі автоматизовані системи контролю і управління автотранспортними потоками, а також через відсутність єдиних критеріїв оцінки якості роботи цих систем, за основу в даному дисертаційному дослідженні було взято узагальнений прототип. У ньому було зібрано й узагальнено знання про методи і способи ідентифікації автотранспорту.

Аналіз узагальненого прототипу дозволив виявити ряд наукових протиріч. Головне з них: відсутність загальноприйнятих критеріїв оцінки якості ідентифікації та істотних обчислювальних витрат на реалізацію існуючих алгоритмів роботи програмного забезпечення, що дозволяють автоматизувати технологічний процес реєстрації автотранспортних засобів.

У висновку сформульовано ряд завдань, які необхідно вирішити для досягнення мети дисертаційного дослідження.

В другому розділі “Вибір засобів і критеріїв ідентифікації, розробка методики розрахунку” приведено вирішення такого ряду завдань:

1) вибір структурної схеми модуля розпізнавання АСІАНД;

2) обґрунтування використання нейронної мережи (НМ) як основи модуля розпізнавання АСІАНД;

3) обґрунтування використання для оцінки якості ідентифікації АСІАНД критеріїв у вигляді помилок першого і другого роду, а також розробка методики розрахунку даних критеріїв.

Очевидно, що для ідентифікації номерного знака автотранспортного засобу необхідно реалізувати процедуру розпізнавання, тому невід'ємною частиною автоматизованої системи управління технологічним процесом реєстрації номерів автотранспортних засобів є модуль розпізнавання. Вибір відповідної структури даного модуля і його складових багато в чому визначає якість ідентифікації всієї системи в цілому. Проведений аналіз сучасних розпізнавальних систем показав перспективність застосування нейронних мереж для розпізнавання.

Для обґрунтування рішення використовувати НМ як основу модуля розпізнавання АСІАНД було досліджено ймовірнісний метод розпізнавання за критерієм Байеса, метод стохастичної геометрії і такі нейронні мережі, як багатошаровий персептрон та топологічні карти Кохонена. Імовірність правильного розпізнавання при використанні критерію Байеса лежала у межах від 60% до 70%. Метод стохастичної геометрії дозволяв розпізнавати деякі символи (“0”, “о”, “8”, “в”) з імовірністю близько 50%. Багатошаровий персептрон у проведеному аналізі показав найгірший результат — 30...40%. Мережа Кохонена дозволила здійснити розпізнавання символів з імовірністю не менш 80%.

Результати порівняльного аналізу різних моделей НМ приведено в табл.. 1. Найкращу якість розпізнавання показали топологічні карти Кохонена (ТКК) з використанням додаткової обробки у вигляді стробування, що означає подачу на вхід НМ не всього зображення, а його фрагментів.

Той факт, що ТКК по суті виконують операцію ідентифікації об'єкта, визначив структуру модуля розпізнавання. Очевидно, що модуль розпізнавання автоматизованої системи повинен містити два блоки: блок ідентифікації, що виконується НМ, і блок класифікації.

Проведений аналіз доступних літературних джерел показав, що при описі тієї чи іншої розпізнавальної системи не вказуються її кількісні показники ефективності і якості. Певною мірою це пов'язано з відсутністю єдиної методики оцінки таких показників, а почасти і з різночитаннями в їхньому визначенні.

У радіотехніці досить типовою є задача виявлення сигналів. Як критерії ефективності систем виявлення використовуються помилки першого і другого роду, визначення яких базується на теорії статистичних рішень.

Системи виявлення в широкому розумінні є окремим випадком систем розпізнавання з двома рішеннями: “сигнал присутній” — “сигнал відсутній”. Розпізнавальні системи у загальному випадку призначені для роботи з множиною об'єктів, що належать до m класів.

Таблиця 1

Оцінка якості розпізнавання символів різними моделями нейронних мереж

Модель НМ |

Конфігурація НМ | Імовірність успішного розпізнавання, %

Багатошаровий персептрон (300х10х63) | Вхідний шар — 300 елементів, прихований шар — 10 елементів, вихідний шар — 63 елементи | 37

Мережа Хопфілда |

Мережа з 300 елементів | 87

ТКК (10х2) | 2D карта з довжиною ребра 10 елементів | 60

ТКК (20х2) | 2D карта з довжиною ребра 20 елементів | 65

ТКК (5х3) | 3D карта з довжиною ребра 5 елементів | 54

ТКК (10х3) | 3D карта з довжиною ребра 10 елементів | 68

Мережа PNN (300х63х23) | Вхідний шар – 300 елементів, шар зразків - 63 елементи, вихідний шар - 23 елементи | 89

ТКК (4х2х2) + стробування | 2D карта з довжиною ребра 4 елементи і розміром вікна стробування 2х2 пікселі | 96

ТКК (4х3х2) + стробування | 3D карта з довжиною ребра 4 елементи і розміром вікна стробування 2х2 пікселі | 95

ТКК (6х2х7) + стробування | 2D карта з довжиною ребра 6 елементів і розміром вікна стробування 7х7 пікселів | 92

ТКК (6х3х7) + стробування | 3D карта з довжиною ребра 6 елементів і розміром вікна стробування 7х7 пікселів | 89

Розглянемо ідентифікацію символів номерного знака держреєстрації з погляду теорії статистичних рішень. Нехай Н — подія, що полягає в пред'явленні розпізнавальній системі символу i-го класу. — подія, що полягає в пред'явленні розпізнавальній системі символу будь-якого іншого не i-го класу. Тоді при розпізнаванні чергового символу можливі чотири варіанти рішення:

1) — гіпотеза приймається тоді, коли в дійсності вона вірна;

2) — гіпотеза відкидається тоді, коли в дійсності вона вірна;

3) — гіпотеза приймається тоді, коли в дійсності вона не вірна;

4) — гіпотеза відкидається тоді, коли в дійсності вона не вірна.

У загальному випадку розглядаються ще два варіанти та , акі означають невизначеність рішення.

Таким чином, прийняття рішень супроводжується помилками двох видів: рішення — помилка першого роду (), і рішення — помилка другого роду (). В різних літературних джерелах ці критерії також називаються відповідно помилками ідентифікації і помилками верифікації. Під ідентифікацією в даному випадку розуміють відповідь на питання “хто чи що це за об'єкт?”, а під верифікацією – відповідь на питання “цей об'єкт саме той, за кого він себе видає?”. Очевидно, що критерії у вигляді помилок першого і другого роду повною мірою характеризують якість ідентифікації в технологічному процесі реєстрації автомобільних номерів.

Для кількісної оцінки обраних критеріїв було запропоновано методику, що узагальнює алгоритм розрахунку бінарного розпізнавання (виявлення) на випадок розпізнавання об'єктів m класів.

У загальному вигляді методика розрахунку критеріїв така.

Об'єкти тестуючої вибірки, що пропонуєтся автоматизованій системі, поділяються на пари “даний клас” — “все інше”. Після розпізнавання тестуючої вибірки оцінюються часткові помилки першого і другого роду для кожної пари. Після цього визначається значення критеріїв для всієї системи в цілому як зважена сума часткових значень.

Таким чином, було вирішено завдання вибору структури модуля розпізнавання АСІАНД і завдання вибору критеріїв оцінки якості ідентифікації. Також було розроблено методику розрахунку обраних критеріїв.

На наступному етапі дисертаційного дослідження необхідно було розробити програмне забезпечення автоматизованої системи управління технологічним процесом реєстрації автотранспортних засобів.

У третьому розділі “Імітаційне моделювання автоматизованої системи ідентифікації автомобільних номерів держреєстрації” приведено розв`язання ряду завдань:

1. Синтез алгоритму попередньої обробки;

2. Синтез алгоритму розпізнавання;

3. Синтез алгоритму навчання класифікатора;

4. Збір репрезентативних вибірок існуючих зображень номерних знаків автомобілів для проведення імітаційного моделювання і тестування. Розробка імітаційної моделі, синтезуючої зображення реальних символів для випадку, коли збір реальних даних неможливий;

5. Обґрунтування ефективності синтезованих алгоритмів роботи ПЗ АСІАНД.

Попередня обробка передбачала перетворення вхідної інформації автоматизованої системи за таким алгоритмом.

Крок 1. Для виділення на зображенні області номерного знака було запропоновано використання двовимірного хвильового перетворення Хаара. Вихідне зображення розбивається на клітки 22 пікселя, для яких виконується перетворення:

(1)

Дане перетворення дозволило синтезувати алгоритм виділення текстової інформації, ґрунтуючись на її частотних характеристиках. Алгоритм використовує ті ж принципи, що використовуються при виділенні тексту за допомогою спектрального аналізу, однак вимагає меншої кількості обчислень.

Рис.1. Хвильове перетворення

Крок 2. Тому що результати хвильового перетворення рис. 1 являють собою специфічний клас зображення, для його бінаризації було запропоновано спеціальний алгоритм. Аналіз показав, що звичайна гранична бінаризація тут не застосовна, тому що сигнал, який необхідно було виділити, тобто область номерного знака змінювався у великих межах щодо фону. Введення двох порогів також не дало очікуваного результату. Тому для бінаризації було запропоновано оцінювати дисперсію D(x,y) сигналу в деякій області щодо поточного пікселя і порівнювати цю оцінку з порогом:

(2)

У результаті було синтезовано ефективний алгоритм бінаризації зображень, що пройшли хвильове перетворення Хаара. Результат бінаризації представлено на рис. 2.

Рис. 2. Результат бінаризації зображення ( див. рисунок 1)

Крок 3. Тут використовувалася стандартна медіанна фільтрація.

Крок 4. Для підвищення якості бінаризованого зображення було запропоновано алгоритм фільтрації, що видаляє на зображенні не окремі пікселі, а цілі об'єкти. Під об'єктами в даному випадку мається на увазі ізольовані злиті групи пікселів. Даний метод полягає в простежуванні на зображенні злитих груп і визначенні їхніх параметрів, таких як площа, розміри і пропорції. Якщо який-небудь з параметрів злитої групи виходить за визначені межі, ця група цілком видаляється з зображення. Результат фільтрації приведено на рис. 3.

Рис. 3. Результат фільтрації зображення (див. рисунок 2)

Крок 5. Для пошуку місця розташування на зображенні номерного знака використовувався звичайний кореляційно-екстремальний аналіз.

Крок 6. Для визначення типу зображення (позитив/негатив) використовувався гістограмний аналіз внутрішньої області номерного знака. Позитивними умовно вважалися номерні знаки зі світлими символами на темному фоні.

Крок 7. Для підвищення якості зображення номерного знака використовувалася звичайна смугова фільтрація.

Рис. 4. Результат смугової фільтрації області номерного знака

Крок 8. Спроби бінаризовати результат смугової фільтрації рис. 4 за допомогою стандартних порогових методів виявив неможливість визначення порога бінаризації в цих методах. Тому було запропоновано спеціальний алгоритм бінаризації зображень даного класу. Суть алгоритму полягає в тому, що з порогом порівнюється інтенсивність не даного пікселя, а сумарна інтенсивність пікселів у деякій околиці поточного пікселя:

(3)

Таким чином, введення інтегральної оцінки інтенсивності пікселів дозволило істотно знизити необхідну точність визначення порога бінаризації. Результат бінаризації представлено на рис. 5.

Рис. 5. Результат бінаризації зображення (див. рисунок 4)

Крок 9. Якість усієї цієї попередньої обробки дозволила здійснити сегментацію зображення номерного знака згаданим вище методом простежування злитих груп. Результат сегментації представлено на рис. 6.

Рис. 6. Результат сегментації

Для розпізнавання було синтезовано такий алгоритм.

Крок 1. Ідентифікація символів за допомогою НМ. При цьому використовувалася додаткова обробка у виді стробування. Результатом ідентифікації була топологічна карта.

Крок 2. Класифікація за методом порівняння з еталоном. Як критерій порівняння використовувався квадрат відстані між еталонною картою і невідомою.

Як видно з приведеного алгоритму, навчання класифікатора зводиться до запам'ятовування еталонних об'єктів. Тому синтез алгоритму навчання багато в чому зводився до визначення правил формування навчальних вибірок, їхньому складу і розміру.

Порівняльний аналіз різних підходів до формування навчальних вибірок виявив наступне.

1) Навчальні вибірки повинні по можливості складатися з зображень реальних символів. Якщо зібрати реальні дані неможливо, необхідно розробити імітаційну модель, синтезуючу зображення реальних символів. Модель повинна враховувати всі спотворюючі фактори і перешкоди, діючі в реальних умовах.

2) Визначення розміру навчальної вибірки багато в чому зводиться до рішення оптимізаційної задачі. З одного боку, збільшення розміру веде, хоч і не завжди, до підвищення якості розпізнавання. З іншого боку, велика навчальна вибірка вимагає істотних часових витрат на розпізнавання. Тому доцільним є поступове збільшення розміру навчальних вибірок доти, поки не буде досягнуто задану величину якості розпізнавання.

У ході збору даних, необхідних для проведення імітаційного моделювання, з'ясувалося, що сформувати репрезентативні навчальні і тестуючі вибірки тільки з реальних даних неможливо через специфіку місцевості. Справа в тому, що не всі обговорені в ДСТУ 3650-97 символи, що використовуються в номерних знаках, досить часто зустрічаються в тій чи іншій місцевості. Так, наприклад, в Одеській області дуже рідко можна зустріти номери, що містять символи “s”, “u”, “x”, “t”, “p” і т.п. Тому для формування різних вибірок було розроблено імітаційну модель, що синтезує зображення реальних символів. У моделі було враховано спотворюючі фактори (перекіс, масштаб), діючі на зображення реальних символів, а також було введено можливість накладання “білого” шуму з заданими параметрами, імітуючого бруд на номерному знаці.

Обґрунтування ефективності синтезованих алгоритмів ПЗ автоматизованої системи робилось в ході імітаційного моделювання на підставі експертних оцінок. При цьому визначалося, чи виконує той чи інший алгоритм закладені в нього функції з заданою якістю.

На підставі розроблених алгоритмів було реалізовано ПЗ АСІАНД.

ПЗ оформлено у вигляді Win32 додатка і складається з exe-файлу та dll-бібліотеки в яку записано навчений стан класифікатора і НМ. Такий підхід дозволяє легко “перенавчати” систему шляхом заміни старої dll-бібліотеки на нову.

Системні вимоги: Windows NT 4.0 і вище /9x/Me/2000, Pentium III 450 MHz, 128 Mb RAM. Обсяг твердого диска визначається розмірами збережених протоколів роботи автоматизованої системи.

Таким чином, було ровз`язанно завдання створення програмного забезпечення АСУ ТП. На наступному етапі необхідно було розробити дослідно-промисловий зразок автоматизованої системи ідентифікації автомобільних номерів держреєстрації і провести його тестування.

У четвертому розділі “Система автоматизації технологічного процесу реєстрації номерів при управління транспортними потоками” приведено вирішення ряду завдань:

1) вибір матеріально-технічної бази дослідно-промислового зразка АСІАНД;

2) навчання зразка АСІАНД;

3) тестування зразка АСІАНД.

Для розв`язання першого завдання було розроблено узагальнену структурну схему зразка АСІАНД (див. рис. 7). Далі було розроблено структурну схему дослідно-промислового зразку (див. рис. 8). На підставі цих двох схем було обрано матеріальну і технічну базу зразку, яка складалася з набору стандартних компонентів, що широко випускаються різними виробниками. Застосування таких компонентів дозволяє легко здійснювати техобслуговування і ремонт автоматизованої системи шляхом заміни одних стандартних модулів іншими не обов'язково того ж виробника.

Рис. 7. Узагальнена структурна схема АСІАНД

Навчання дослідно-промислового зразку автоматизованої системи здійснювалося на основі синтезованого раніше алгоритму навчання класифікатора. Основа навчальної вибірки складалася з зображень реальних символів номерних знаків. Для того, щоб вибірка була репрезентативною, її було доповнено зображеннями символів, синтезованими імітаційною моделлю.

Рис. 8. Структурна схема АСІАНД

Для тестування зразку АСІАНД за допомогою імітаційної моделі, синтезуючої зображення реальних символів, було сформовано різні тестуючі вибірки. Вибірки відрізнялися набором спотворюючих факторів, моделюючих різні кути нахилу камери, а також різним відношенням сигнал/шум “білого” шуму, що накладався. Сформовані тестуючі вибірки пред'являлися навченому зразкові АСІАНД, і визначалася якість розпізнавання. Результати тестування, представлені на рис. 9, свідчать про успішне вирішення останнього завдання дисертаційного дослідження. Розроблений дослідно-промисловий зразок автоматизованої системи дозволяє ідентифікувати символи номерних знаків з імовірностями помилок, що дорівнюють  = %;  = 0,09% при відношенні сигнал/шум за потужністю.

Рис. 9. Результати тестування прототипу АСІАНД

В табл. 2 приведено порівняльні характеристики узагальненого прототипу та дослідно-промислового зразку АСІАНД. Хоча в роботі не вдалося істотно підвищити швидкодію, розроблене ПЗ автоматизованої системи дозволило досягти високих показників якості ідентифікації символів в умовах сильної невизначеності. До таких умов можна віднести бруд на номері, сніг, дощ, туман, нерівномірне висвітлення, відблиски і т.п.

Таким чином, в результаті рішення всіх допоміжних завдань даного дисертаційного дослідження було досягнуто поставленої мети: створено програмну і технічну частини дослідно-промислового зразку автоматизованої системи ідентифікації, що дозволяє автоматизувати технологічний процес реєстрації автотранспортних засобів, а також підтримувати прийняття рішень при управлінні транспортними потоками.

Таблиця 2

Порівняльні характеристики систем

Характеристика | Узагальнений прототип | Дослідно-промисловий зразок АСІАНД

Швидкодія |

450 800 мс | не більш 450 мс

Імовірність правильної ідентифікації символів | 93 96 % | 95 99 %

Швидкість автомобіля |

до 60 км/год | до 60 км/год

ВИСНОВКИ

На підставі аналізу об'єкта дослідження встановлено, що підвищення рівня надійності ідентифікації автотранспортних засобів можливе шляхом розробки й удосконалення технічних і програмних рішень. Запропоновані моделі, алгоритми і програмне забезпечення дозволяють підвищити якість розпізнавання автомобільних номерів держреєстрації і тим самим підвищити рівень надійності ідентифікації автотранспортних засобів. Розроблено дослідно-промисловий зразок системи, що дозволяє автоматизувати технологічний процес реєстрації автомобільних номерів при управлінні транспортними потоками.

У роботі отримано наступні основні наукові результати.

1) Для зіставлення широкого класу автоматизованих систем ідентифікації запропоновано критерії оцінки якості ідентифікації у вигляді помилок першого і другого роду і розроблено методику їх розрахунку.

2) Для виділення на зображенні текстової інформації в автоматизованій системі ідентифікації запропоновано використовувати двовимірне хвильове перетворення Хаара.

3) Для програмного забезпечення автоматизованої системи ідентифікації синтезовано алгоритм граничної бінаризації, який враховує дисперсію сигналу в околиці кожного пікселя, що дозволяє бінаризувати специфічний клас зображень, які пройшли хвильове перетворення Хаара.

4) Для програмного забезпечення автоматизованої системи ідентифікації синтезовано алгоритм бінаризації, який враховує інтегральні характеристики сигналу в околиці кожного пікселя, що дозволяє бінаризувати напівтонові зображення в умовах апріорної невизначеності.

5) Для програмного забезпечення автоматизованої системи ідентифікації синтезовано алгоритм фільтрації зображень, оснований на простежуванні злитих груп.

6) Шляхом імітаційного моделювання підтверджено ефективність розроблених моделей і алгоритмів. Підвищено імовірність правильного розпізнавання символів з 90% до 98%, при цьому помилки першого і другого роду складають  = %;  = ,09%.

Основні практичні результати:

1) розроблений дослідно-промисловий зразок автоматизованої системи ідентифікації автомобільних номерів держреєстрації дозволить автоматизувати різні технологічні процеси, пов'язані як з контролем, так і з керуванням автотранспортними потоками;

2) синтезовані алгоритми бінаризації і фільтрації можуть бути застосовані при обробці широкого класу напівтонових зображень.

СПИСОК ОПУБЛІКОВАНИХ праць за темою дисертації

1. Антощук С.Г., Крылов В.Н., Давыдов В.О. Гибридная линейно-ранговая фильтрация сигналов и изображений // Тр. Одес. Политехн. ун-та. — Одесса, 2000. — Вып. 3(12). — С. 140 — 142.

2. Антощук С.Г., Давыдов В.О., Нутович А.А. Архитектура системы распознавания автомобильных номеров // Тр. Одес. политехн. ун-та. — Одесса, 2002. — Вып. 2(6). — С. 157 — 159.

3. Крылов В.Н., Максимов М.В., Давыдов В.О. Автоматизированная система распознавания // Искусственный интеллект. — Донецк, 2002. — №4. — С. 462 — 469.

4. Максимов М.В., Давыдов В.О. Сравнительный анализ моделей нейронных сетей для решения задач классификации образов // Тр. Одес. политехн. ун-та. — Одесса, 2002. — Вып. 2(18). — С. 152 — 155.

5. Болтенков А.А., Максимова О.Б., Давыдов В.О. Методика расчета критериев эффективности распознающих систем // Холодильная техника и технология. — Одесса, 2003. — Вып. 1(81). С. 83 — 86.

6. Давыдов В.О. Решение задачи предобработки входной информации в автоматизированных системах управления // Тр. Одес. политехн. ун-та. — Одесса, 2003. — Вып. 2(20). С. 120 — 124.

7. Антощук С.Г., Крилов В.Н., Давидов В.О. Попередня обробка сигналів та зображень // УкрОБРАЗ`2000. — С. 261 — 263.

8. Крылов В.Н., Максимов М.В., Давыдов В.О. Автоматизированная система распознавания // Материалы Междунар. конф. “Искусственный интеллект 2002”. — Донецк, 2002. — Т.2. — С. 238 — 240.

Давидов В.О. Автоматизація технологічного процесу реєстрації номерів при управлінні транспортними потоками. — Рукопис.

Дисертація на здобуття ученого ступеня кандидата технічних наук за фахом 05.13.07 — автоматизація технологічних процесів. — Одеський національний політехнічний університет. — Одеса, 2003.

Дисертацію присвячено питанню автоматизації технологічного процесу реєстрації номерів автотранспортних засобів. Проведено аналіз існуючих зарубіжних систем. Результати аналізу дозволили намітити шляхи підвищення якості ідентифікації автотранспортних засобів.

В даний час технологічний процес реєстрації автотранспортних засобів передбачає ідентифікацію їхніх номерних знаків. Для автоматизації даного технологічного процесу шляхом організації відеоспостереження за транспортним потоком необхідно насамперед вирішити завдання пошуку на зображенні текстової інформації (номерного знака), попередньої обробки (підвищення якості зображення і сегментація) і розпізнавання. У ході вирішення даних завдань було синтезовано ряд нових алгоритмів, що дозволяють здійснювати більш перешкодостійку обробку зображень.

Для зіставлення різних систем ідентифікації за якістю розпізнавання запропоновано критерії оцінки якості розпізнавання і розроблено методику їх розрахунку.

Методом імітаційного моделювання досліджено якість розпізнавання розробленого дослідно-промислового зразку автоматизованої системи. Зроблено висновок про доцільність її використання для автоматизації технологічного процесу реєстрації автотранспортних засобів.

Ключові слова: автоматизована система управління технологічним процесом, автотранспортний потік, нейронна мережа, ідентифікація, автомобільні номери держреєстрації, помилки першого і другого роду.

Davidov Valentin Olegovich. Automation of technological process registration of numbers at management of transport streams. - the Manuscript.

Thesis for a scientific degree of candidate of technical science on a speciality 05.13.07 - automation of technological processes. - Odessa national polytechnic university, Odessa 2003.

The dissertation is devoted to a question of automation technological process of registration vehicles numbers. The analysis of existing foreign systems is given the results of the analysis have allowed to plan ways of vehicles identification quality improvement.

Now technological process of vehicles registration provides identification of their license plates. For automation of the given technological process by the organization of video observation for a transport stream it is necessary to solve first of all problems of searching on the image of the text information (license plate), preliminary processing (improvement of image quality and segmentation) and recognition. During the investigation of the given problems a number of new algorithms allowing to carry out more noiseproof processing images has been synthesized.

Recognition quality criteria of an estimation recognition quality is offered for comparison of various identification systems. The technique of their calculation is developed.

Recognition quality of the developed prototype of the automated system investigat by the method of imitating modelling. The conclusion about its use expediency for automation of technological process of vehicles registration is made.

Key words: the automated control system of technological process, a motor transportation stream, a neural network, identification, automobile numbers of state registration, mistakes of the first and second sort.

Давыдов В.О. Автоматизация технологического процесса регистрации номеров при управлении транспортными потоками. — Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.07 — автоматизация технологических процессов. — Одесский национальный политехнический университет. — Одесса, 2003.

Диссертация посвящена решению задачи автоматизации технологического процесса регистрации номеров автотранспортных средств. Разработанная автоматизированная система обладает более высокими показателями качества идентификации по сравнению с зарубежными аналогами и позволяет решать множество задач связанных как с управлением транспортными потоками, так и их контролем.

В настоящее время технологический процесс регистрации автотранспортных средств предусматривает идентификацию их номерных знаков. Для автоматизации данного технологического процесса путем организации видеонаблюдения за транспортным потоком необходимо прежде всего решить задачи поиска на изображении текстовой информации (номерного знака), предварительной обработки (повышение качества изображения и сегментация) и распознавания.

Для выделения на изображении автомобиля его номерного знака синтезирован новый алгоритм, использующий двумерное волновое преобразование Хаара.

Синтез алгоритма предварительной обработки потребовал решение ряда дополнительных задач.

Синтезирован алгоритм бинаризации специфического класса изображений прошедших волновое преобразование Хаара. Суть алгоритма состоит в том, что с порогом сравнивается интенсивность не одного текущего пикселя, а дисперсия сигнала в окрестности текущего пикселя.

Для повышения качества бинаризованных изображений синтезирован алгоритм фильтрации, позволяющий удалять на изображении не отдельные пиксели, а целые объекты. Для этого на изображении прослеживаются слитные группы пикселей и определяются такие их параметры как: высота, ширина, пропорции. Если какой-либо из параметров выходит за заданные границы из исходного изображения удаляется вся группа.

При бинаризации зашумленных полутоновых изображений часто затруднительно или вообще невозможно определить точное значение порога. Также не всегда удается разработать универсальный алгоритм определения порога бинаризации дающий верный результат для всего класса обрабатываемых изображений. Поэтому, для упрощения процедуры выбора порога, синтезирован алгоритм бинаризации, сравнивающий с порогом суммарную интенсивность пикселей в окрестности текущего. Применение данного алгоритма позволило, с одной стороны, существенно снизить требования к точности определения порога, а с другой — сделать саму процедуру выбора порога универсальной для всего класса обрабатываемых изображений.

В ходе предварительного анализа выяснилось, что для распознавания в современных автоматизированных системах широко используются различные нейронные сети (НС). Сравнительный анализ классических методов распознавания символов и НС подтвердил перспективность использования НС в качестве основы модуля распознавания автоматизированной системы идентификации автотранспорта.

В результате сравнительного анализа различные моделей НС было решено использовать нейронную сеть Кохонена с применением дополнительной обработки в виде стробирования входного изображения.

Для сопоставления различных систем идентификации по качеству распознавания предложены критерии оценки качества распознавания в виде ошибок первого и второго рода. Так как расчет данных критериев для многоклассовых систем требует априорные знания о законах распределения объектов внутри каждого класса, была разработана методика их расчета, основывающаяся на апостериорных результатах имитационного моделирования.

Для тестирования разработанной системы идентификации реализована имитационная модель, синтезирующая изображения реальных символов подвергнутых всевозможным искажениям с возможностью наложения белого шума с заданным отношением сигнал/шум.

Методом имитационного моделирования исследовано качество распознавания разработанной автоматизированной системы в условиях с различным уровнем зашумленности и искажения входной информации. Сделан вывод о целесообразности ее использования для автоматизации технологического процесса регистрации автотранспортных средств.

Ключевые слова: автоматизированная система управления технологичным процессом, автотранспортный поток, нейронная сеть, идентификация, автомобильные номера госрегистрации, ошибки первого и второго рода.