Real Time Implementation of a License Plate Location Recognition System Based on Adaptive Morphology

يك سيستمهاي تشخيص پلاك مبتني بر مورفولوژي داراي امتيازاتي همچون حساسيت كمتر به تغييرات روشنايي ؛ سرعت بالاتر و پيچيدگي پايين مي باشند. با اين حال اين روشها به فاصله از دوربين و زاويه عكس برداري حساسند. فرضيات ساده كننده اي كه در بسياري از مقالات مبتني بر روش مورفولوژي مطرح شده اند در يك پياده سازي عملي واقعي نبوده و باعث كاهش كارايي مي گردند. در اين مقاله روش مورفولوژي انتخاب گرديده است و روشهاي وفقي جهت بهبود كارايي آن در عمل اعمال گرديده اند. روش طراحي شده بر روي چند پايگاه تصويري شامل تصاويري متنوع از نظر فاصله و زاويه عكس برداري مورد آزمايش قرار گرفت. نتايج به طور متوسط 95/89 درصد تشخيص درست منطقه پلاك را نشان مي دهد كه حدود 6 درصد بيشتر ازديگر روشهاي تشخيص پلاك مبتني بر مورفولوژي است . علاوه بر اين بخش پيش پردازش سيستم كه قسمت عمده بار محاسباتي را در يك سيستم تشخيص محل پلاك به عهده دارد برروي سخت افزاري پياده سازي گرديد نيز ارزيابي گرديد.

License plate recognition (LPR) using morphology has the advantage of higher resistance to changes of brightness, high speed processing, and low complexity. However, these approaches are sensitive to the distance of the plate from the camera and imaging angle. Various assumptions reported in other works might be unrealistic, and cause major problems in practical experiences. In this paper we considered morphological approaches and improved them using adaptive techniques in order to provide more compatibility with practical applications. We examined the developed system on several car plate image databases with different conditions such as different camera distance, and different car views. The average achieved rate of success was 89.95% for all car plate location recognition, which is more than 6.0% improvement in comparison to previous morphological methods. We further developed and implemented an FPGA realization of the pre-processing stage of the system which is the main computation load of our LPR system.