[論文レビュー] Efficient Licence Plate Detection By Unique Edge Detection Algorithm and Smarter Interpretation Through IoT

K Tejas, Ashok Reddy K+2 more|arXiv (Cornell University)|Oct 28, 2017

Vehicle License Plate Recognition参考文献 6被引用数 9

ひとこと要約

本論文は、高照度条件下におけるナンバープレート検出を向上させるために、従来のSobel法やしきい値ベース手法の限界を克服する、新しい独自のエッジ検出アルゴリズムを提案する。IoT統合により、リアルタイムでのデータベース更新と集中型の車両追跡が可能となり、動的環境におけるシステムのスケーラビリティと正確性が向上する。

ABSTRACT

Vehicles play a vital role in modern day transportation systems. Number plate provides a standard means of identification for any vehicle. To serve this purpose, automatic licence plate recognition system was developed. This consisted of four major steps: Pre-processing of the obtained image, extraction of licence plate region, segmentation and character recognition. In earlier research, direct application of Sobel edge detection algorithm or applying threshold were used as key steps to extract the licence plate region, which does not produce effective results when the captured image is subjected to the high intensity of light. The use of morphological operations causes deformity in the characters during segmentation. We propose a novel algorithm to tackle the mentioned issues through a unique edge detection algorithm. It is also a tedious task to create and update the database of required vehicles frequently. This problem is solved by the use of Internet of things(IOT) where an online database can be created and updated from any module instantly. Also, through IoT, we connect all the cameras in a geographical area to one server to create a universal eye which drastically increases the probability of tracing a vehicle over having manual database attached to each camera for identification purpose.

研究の動機と目的

• 高照度条件下でのナンバープレート領域抽出における従来のエッジ検出法（例：Sobel）やしきい値処理の性能の低さを是正すること。
• 従来のシステムにおける形態的操作による文字の変形を克服すること。
• 個別に手動で更新されるローカルデータベースに代わる、動的で集中管理可能な車両データベース管理を実現すること。
• 複数のカメラを1台のサーバーに接続するIoTを活用したスケーラブルでネットワーク化された監視システムを構築すること。
• 実世界の展開状況において、自動ナンバープレート認識（ALPR）システムの信頼性と効率性を向上させること。

提案手法

• 高照度照明条件下でのエッジ局所化を向上させるために、特に設計された独自のエッジ検出アルゴリズムを導入すること。
• エッジ検出の前段階で、画像の明度を正規化し、コントラストを向上させる前処理技術を適用すること。
• 提案されたエッジ検出法により、Sobel法や標準的なしきい値処理よりも正確にナンバープレート領域を分離すること。
• 最適化されたパラメータを用いた形態的操作を実装し、セグメンテーション段階での文字の歪みを最小限に抑えること。
• すべての監視カメラを地理的領域内で中央サーバーに接続するIoTアーキテクチャを統合すること。
• IoTを活用したクラウドストレージおよび通信プロトコルを通じて、リアルタイムでのデータ同期とリモートによる車両データベースの更新を可能にすること。

実験結果

リサーチクエスチョン

• RQ1 独自のエッジ検出アルゴリズムは、Sobel法など従来手法に比べ、高照度条件下でのナンバープレート検出において優れていると言えるか？
• RQ2 提案手法は、従来の形態的操作と比較して、セグメンテーション段階での文字の変形をどの程度低減するか？
• RQ3 IoT統合により、ALPRシステムにおける車両データベースのスケーラビリティと更新効率はどの程度向上するか？
• RQ4 集中型でIoTに接続された監視ネットワークは、個別に配置されたカメラシステムと比較して、車両追跡の成功確率をどの程度向上させるか？
• RQ5 独自のエッジ検出とIoTを組み合わせることで、実世界環境におけるより強固で適応性のあるALPRシステムを実現できるか？

主な発見

• 提案された独自のエッジ検出アルゴリズムは、Sobel法やしきい値ベース手法と比較して、高照度条件下でのナンバープレート領域検出の正確性を顕著に向上させた。
• 独自のエッジ検出処理後に適用された形態的操作は、文字の歪みを低減させ、セグメンテーション品質を向上させた。
• IoT統合により、リアルタイムかつリモートでの車両データベースの更新が可能となり、手動で局所的に管理する必要がなくなった。
• IoTで接続された集中型カメラネットワークにより、地理的領域を越えた包括的な車両追跡が可能となり、システム全体の検出確率が向上した。
• 高度なエッジ検出とIoTベースのデータ管理の組み合わせにより、よりスケーラブルで信頼性が高く、効率的な自動ナンバープレート認識システムが実現された。