[论文解读] 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 9

一句话总结

本文提出一种新颖的边缘检测算法，以提升强光照条件下车牌检测的性能，克服传统Sobel和基于阈值方法的局限性。该方法整合物联网技术，实现实时数据库更新与集中式车辆追踪，增强了系统在动态环境中的可扩展性和准确性。

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.

研究动机与目标

• 解决传统边缘检测方法（如Sobel）及阈值法在强光照条件下进行车牌区域提取时性能不佳的问题。
• 克服现有系统中形态学操作导致的字符形变问题。
• 实现动态、集中式的车辆数据库管理，取代孤立且需手动更新的本地数据库。
• 利用物联网技术构建可扩展的联网监控系统，将多台摄像头连接至单一服务器，实现全域车辆追踪。
• 提升实际部署场景中自动车牌识别（ALPR）系统的可靠性与效率。

提出的方法

• 提出一种专为提升强光条件下边缘定位精度而设计的独特边缘检测算法。
• 应用预处理技术对图像强度进行归一化并提升对比度，以优化边缘检测前的图像质量。
• 采用所提出的边缘检测方法，相较于Sobel或标准阈值法，能更准确地隔离车牌区域。
• 通过优化参数实施形态学操作，最大限度减少分割过程中的字符形变。
• 集成物联网架构，将地理区域内所有监控摄像头连接至中央服务器。
• 通过物联网支持的云存储与通信协议，实现实时数据同步与车辆数据库的远程更新。

实验结果

研究问题

• RQ1 所提出的新型边缘检测算法是否能在强光照条件下优于Sobel等传统方法，实现更优的车牌检测？
• RQ2 与传统形态学操作相比，该方法在分割过程中如何减少字符形变？
• RQ3 物联网集成在多大程度上提升了ALPR系统中车辆数据库的可扩展性与更新效率？
• RQ4 与独立摄像头系统相比，基于物联网连接的集中式监控网络是否显著提高了车辆追踪的成功率？
• RQ5 独特边缘检测与物联网技术的结合，是否能实现更鲁棒、更适应现实环境的ALPR系统？

主要发现

• 与Sobel及基于阈值的方法相比，所提出的独特边缘检测算法在强光照条件下显著提升了车牌区域检测的准确性。
• 在新型边缘检测步骤后应用形态学操作，可显著减少字符形变，从而提升分割质量。
• 物联网集成实现了车辆数据库的实时远程更新，消除了对人工和本地数据库管理的依赖。
• 通过物联网连接的集中式摄像头网络，可在地理区域内实现全域车辆追踪，显著提升系统整体检测概率。
• 先进边缘检测与基于物联网的数据管理相结合，使自动车牌识别系统更具可扩展性、可靠性与效率。