| Русский Русский | English English |
   
Главная Архив номеров
13 | 11 | 2019
10.14489/vkit.2014.09.pp.003-009

DOI: 10.14489/vkit.2014.09.pp.003-009

Визильтер Ю. В., Бекетова И. В., Каратеев С. Л., Костромов Н. А., Выголов О. В.
АВТОМАТИЧЕСКОЕ РАСПОЗНАВАНИЕ ЖЕЛЕЗНОДОРОЖНЫХ НОМЕРНЫХ ЗНАКОВ НА ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЯХ
(с. 3-9)

Аннотация. Предложен алгоритм обнаружения номерных знаков железнодорожного подвижного состава на основе метода адаптивного бустинга. Показано построение простого, быстрого и эффективного алгоритма обнаружения изображений номерных знаков при помощи преобразований Хаара для формирования информативных признаков. Полученный в результате машинного обучения классификатор использует для принятия решения ограниченное число признаков и работает в режиме реального времени. Пред-ложены алгоритмы комплексирования информации для коррекции ошибок распознавания номерных знаков для повышения вероят-ности их считывания. Коррекция ошибок осуществляется с использованием методов объединения информации, полученной по результатам  независимого распознавания номеров с нескольких кадров и камер.

Ключевые слова: обработка изображений; машинное обучение; распознавание символьной информации; адаптивный бустинг; комплексирование информации.

 

Vizilter Yu. V., Beketova I. V., Karateev S. L., Kostromov N. A., Vygolov O. V.
DETECTION AND RECOGNITION OF RAILROAD IDENTIFICATION NUMBERS ON VIDEO SEQUENCE (pp. 3-9)

Abstract. The article is devoted to the problem of automatic recognition of numbers of cars and tanks in difficult conditions with noise and interference.This paper proposes a new algorithm for detection of identification numbers of rolling stock, based techniques of adaptive boosting. It is shown that the use of Haar transform to generate informative features allows to build a simple, fast and efficient algorithm for detecting identification numbers images. The classifier based on machine learning used for deciding with the limited number of features and operates in real time. For increase the likelihood of correct reading of identification numbers it is proposed algorithm of information integration for error correction. Error correction is carried out using the methods of combining information obtained in an independent recognition of numbers images from multiple frames and multiple cameras. Algorithms for error correction uses a redundant information about identification numbers of cars and tanks and uses information theoretical methods based on correlation lines and majorization characters, as well as the method of N-grams and Levenshtein distance.Experiments described in this article demonstrate that the proposed algorithm significantly improves the probability of correct reading of identification number of cars and tanks, especially in difficult recording conditions, characterized by a high probability of error.

Keywords: Image processing; Machine learning; Pattern recognition character information; Adaptive boosting; Integration of information.

Рус

Ю. В. Визильтер, И. В. Бекетова, С. Л. Каратеев,Н. А. Костромов, О. В. Выголов (ФГУП «Государственный научно-исследовательский институт авиационных систем» ГНЦ РФ, Москва) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript  

Eng

Yu. V. Vizilter, I. V. Beketova, S. L. Karateev, N. A. Kostromov, O. V. Vygolov (State Research Institute of Aviation Systems State Scientific Center of Russian Federation, Moscow) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript  

Рус


1. Выголов О. В., Визильтер Ю. В., Каратеев С. Л. Алгоритмы автоматического обнаружения и считывания номе-ров железнодорожных вагонов и цистерн // Вестник компью-терных и информационных технологий. 2013. № 10. С. 13 – 19.
2. Chen X., Yuille A. L. Detecting and Reading Text in Natural Scenes // CVPR. 2004. V. 2. Р. 366 – 373.
3. Kim K., Jung K., Kim J. Texture-base Approach for Text Detection in Images Using Support Vector Machines and Continuously Adaptive Mean Shift Algorithm // IEEE Trans. Pattern Analysis and Machine Intelligence. 2003. V. 25, N 12. Р. 1631 – 1639.
4. AdaBoost for Text Detection in Natural Scene / J.-J. Lee et al. // Proc. of International Conference on Document Analysis and Recognition // (ICDAR). 2011. Р. 429 – 434.
5. Viola P., Jones M. Robust Real Time Object Detection // IEEE ICCV Workshop Statistical and Computational Theories of Vision. 2001. P. 1 – 25.
6. Алгоритм автоматического обучения каскадного классификатора на основе метода адаптивного усиления AdaBoost / И. В. Бекетова и др. // Многопроцессорные вычис-лительные и управляющие системы (МВУС-2009): материалы Междунар. науч.-техн. конф. Таганрог: Изд-во ТТИ ЮФУ, 2009. Т. 2. С. 239 – 240.
7. Гудков В. Ю., Гудкова Е. Ф. N-граммы в лингви-стике // Вестник Челябинского государственного университета. 2011. № 24(239). С. 71 – 73.
8. Ukkonen E. Approximate String Matching with q-Grams and Maximal Matches // Theoretical Computer Science. 1992. V. 92, N 1.
9. Формальный метод нечеткого поиска персональной информации / А. В. Бондаренко и др. // Препринты ИПМ им. М. В. Келдыша. 2009. № 64. 25 с.
10. Расстояние Левенштейна [Электронный ресурс] // Сло-вари и энциклопедии на Академике. URL: http://dic.academic.ru./ dic.nsf/ruwiki/43819 (дата обращения: 11.07.2014).
11. Левенштейн В. И. Двоичные коды с исправлением выпадений, вставок и замещений символов // Докл. Академий Наук СССР. 1965. Т. 163, № 4.

Eng

1. Vygolov O. V., Vizil'ter Iu. V., Karateev S. L. (2013). Al-gorithms for automatic detection and reading of railway wagon and tank numbers. Vestnik komp'iuternykh i informatsionnykh tekhnologii, (10), pp. 13-19.
2. Chen X., Yuille A. L. (2004). Detecting and reading text in natural scenes. CVPR, 2, pp. 366-373.
3. Kim K., Jung K., Kim J. (2003). Texture-base approach for text detection in images using support vector machines and continu-ously adaptive mean shift algorithm. IEEE Trans. Pattern Analysis and Machine Intelligence, 25(12), pp. 1631-1639. doi: 10.1109/TPAMI.2003.1251157
4. J.-J. Lee et al. (2011). AdaBoost for Text Detection in Natural scene. Proceedings of International Conference on Document Analysis and Recognition. ICDAR. 2011, pp. 429 – 434.
5. Viola P., Jones M. (2001). Robust real time object detec-tion. IEEE ICCV Workshop Statistical and Computational Theories of Vision, pp. 1-25.
6. Beketova I. V. et al. (2009). Algoritm avtomaticheskogo obucheniia kaskadnogo klassifikatora na osnove metoda adaptivnogo usileniia AdaBoost. (The algorithm of automatic train-ing of the cascade classifier based on the method of adaptive gain AdaBoost). Mnogoprotsessornye vychislitel'nye i upravliaiushchie sistemy (MVUS-2009): materialy Mezhdunarodnoi nauchno-tekhnicheskoi konferentsii. (Multiprocessor computing and control systems (MVUS-2009): proceedings of the International scientific and technical conference). Vol. 2. (pp. 239-240). Taganrog: Izdatel'stvo TTI IuFU.
7. Gudkov V. Iu., Gudkova E. F. (2011). N-grams in linguis-tics. Vestnik Cheliabinskogo gosudarstvennogo universiteta, 239(24), pp. 71-73.
8. Ukkonen E. (1992). Approximate string matching with q-grams and maximal matches. Theoretical Computer Science, 92(1).
9. Bondarenko A. V. et al. (2009). A formal method of fuzzy search for personal information. Preprints of IPM named by M. V. Keldysh, (64).
10. Levenshtein distance. Dictionaries and encyclopedias on «Аcademica» web resource. Available at: http://dic.academic.ru./ dic.nsf/ruwiki/43819. (Accessed: 11.07.2014).
11. Levenshtein V. I. (1965). Binary codes with correction of depositions, insertions and substitutions of characters. Doklady Akademii Nauk SSSR, 163(4).

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 250 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа статьи заполните форму:

{jform=1,doi=10.14489/vkit.2014.09.pp.003-009}

.

Eng

This article  is available in electronic format (PDF).

The cost of a single article is 250 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please fill out the form below:

{jform=2,doi=10.14489/vkit.2014.09.pp.003-009}

 

 

 

 

 

.

.

 

 
Поиск
Журнал КОНТРОЛЬ. ДИАГНОСТИКА
Баннер
Баннер
Баннер
Баннер
Rambler's Top100 Яндекс цитирования