سیستم کنترل ترافیک هوشمند بر اساس شناخت پلاک فارسی همزمان با شناسایی اثر انگشت راننده

نویسنده

کارشناس معاونت حمل‌ونقل و ترافیک و مرکز کنترل ترافیک شهرداری شیراز

چکیده

مقاله حاضر، به ارائه نگرشی جدید برای استخراج اطلاعات ترافیکی و کنترل بهینه محدودهای طرح ترافیک، می پردازد. در روش پیشنهادی این مقاله به جای نگرش های موجود که به استفاده از اشیای مبنا چون درجه بزرگ­نمایی، کجی و یا زاویه دوربین در تنظیمات دقیق آن می پردازند، از روابط ساده ای استفاده می‌شود که به‌صورت مستقیم از خود تصاویر ویدئویی اخذ شده، قابل حصول می باشند. سامانه‌های کنترل ترافیک و حمل‌ونقل هوشمند[1] مانند سامانه‌های هوشمند مرکز کنترل تقاطعات، سامانه‌های پیشرفته حمل‌ونقل همگانی و سامانه‌های مکانیزه ثبت تخلف، در حال حاضر نقش اجتناب ناپذیری در کنترل حمل‌ونقل و روان سازی جریان ترافیکی و ثبت وقایع سطح شهر را به عهده دارند. در معماری پیشنهاد شده، شناسایی پلاک خودرو بصورت اتوماتیک و شناسایی راننده ها بر اساس اثر انگشت بیومتریک که با هم ترکیب شده اند بررسی می‌شوند. بخش تشخیص پلاک در این مقاله برای حروف فارسی اقتباس شده است. کاراکتر های فارسی بر اساس مقایسه رابطه نمونه تشخیص داده شده با نمونه های ساده و نرمالیزه شده، تشخیص داده می‌شوند، که بسیار شبیه به معیار فاصله اقلیدسی هست. به منظور بهبود عملکرد این سامانه، در برخی پردازش های خاص، از ابتکار تصاویر دیجیتال بهره گرفته شده است، به‌طوری که این سامانه قادر به استخراج و به رسمیت شناختن پلاک اتومبیل و شخصیت های مرتبط با آن است، حتی اگر در نور کم و یا شرایط براق (انعکاس نور) باشیم. سیستم تشخیص اثر انگشت[2] درواقع به سیستم کنترل ترافیک پیشنهاد شده کمک می‌کند تا اطمینان حاصل شود از راستی آزمایی راننده درون خودرو، جهت ورود به مکان های با حفظ حریم خصوصی بالا و محدودیت های امنیتی، مثل محدوده طرح ترافیک و مکان های که دارای مباحث امنیتی هستند. نتایج شبیه سازی و پیاده سازی الگوریتم پیشنهادی، نشان دهنده کارایی و عملکرد بالای این سامانه برای در نظر گرفتن آن به‌عنوان یک سیستم‌های کنترل ترافیک اتوماتیک است.



[1]. Intelligent Transportation Systems


[2]. Fingerprint Recognition System

کلیدواژه‌ها

مراجع

  1. Asthana, S.; Sharma, N. and Singh, R. (2011). Vehicle number plate recognition using multiple layer back propagation neural networks. International Journal of Computer Technology and Electronics Engineering (IJCTEE), Vol. 1, Issue 1.
  2. Atanossov. (2012). Advanced Software Architecture of An Automatic Vehicle Number Plate recognition System. Journal of the University of Chemical Technology and Metallurgy, Vol. 47, No. 1, pp. 77-82.
  3. Bailey, D.G.; Irecki, D.; Lim, B. K. and Yang, L. (2002). Test bed for number plate recognition applications. Proceedings of First IEEE International Workshop on Electronic Design, Test and Applications ( DELTA’02 ), IEEE Computer Society.
  4. Choi, H.J. (1987). A Study on the Extraction and Recognition of a Car Number Plate by Image Processing. Journal of the Korea Institute of Telematics and Electronics, Vo1.24,  pp. 309-3 15.
  5. Hontani, H. and Koga, T. (2001). Character extraction method without prior knowledge on size and information. Proceedings of the IEEE International Vehicle Electronics Conference (IVEC’01), pp. 67-72.
  6. Kim, H.S. and et. al (1991). Recognition of a Car Number Plate by a Neural Network. Proceedings of the Korea Information Science Society Fall Conference, Vol. 18, pp. 259-262.
  7. Lee, E.R.; Kim, P.K. and Kim, H. J. (1994). Automatic Recognition of a Car License Plate Using Color Image Processing. Proceedings of the International Conference on Image Processing.
  8. Park, S. H.; Kim, K. I.; Jung, K. and Kim, H. J. (1999). Locating car license plates using neural network. IEE Electronics Letters, Vol.35, No. 17, pp. 1475-1477.
  9. Siti Norul Huda Sheikh Abdullah, Marzuki Khalid and Rubiyah Yusof. (2006).License Plate Recognition using Multi-cluster and Multilayer Neural Networks. IEEE conference.
  10. 10.  Tashk, M.S. Helfroush and Kazemi, K. (2011). A novel fingerprint matcher based on an ergodic 2-D Hidden Markov Model. International Journal of Electronics and Communications (AEUA).
مدیریت شهری نوین
دوره 3، شماره 8 - شماره پیاپی 8
فروردین 1394
صفحه 101-119

فایل ها

هم رسانی

ارجاع به این مقاله

آمار