Car license plate recognition with neural networks and fuzzy logic

Nijhuis, J.A.G.; Brugge, M.H. ter; Helmholt, K.A.; Pluim, Josien P. W.; Spaanenburg, Lambert; Venema, R.S.; Westenberg, Michel A.

doi:10.1109/icnn.1995.487708

Cited by 139 publications

(69 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Várias pesquisas têm sido desenvolvidas sobre este tema [4][5] [6]. No entanto, observa-se que os sistemas convencionais de reconhecimento de placas de veículos têm utilizado imagens obtidas de fotos tiradas sob condições ambientais bem controladas.…”

Section: Introductionunclassified

Uma nova abordagem utilizando RNA para reconhecimento automático de placas de veículos baseado em pré-processamento de imagens e pós-processamento

Nomura¹,

Yamanaka²,

Katai³

et al. 2016

Anais Do 6. Congresso Brasileiro De Redes Neurais

View full text Add to dashboard Cite

This work presents a new system based on artificial neural networks (RNA) IntroduçãoO reconhecimento automático de caracteres por computador tem encontrado crescente aceitação por parte de pesquisadores, técnicos e autoridades ligados ao estudo e controle do tráfego de veículos. Uma das linhas que tem sido objeto de pesquisa por diferentes grupos no mundo é a leitura automática de placas de veículos, como forma de detectar transgressores da lei do trânsito, encontrar carros roubados, controlar entrada e saída de veículos para garantir a segurança, cobrar taxa de estacionamento, cobrar pedágios ou efetuar estudos de origem/destino, entre outrosVárias pesquisas têm sido desenvolvidas sobre este tema [4][5] [6]. No entanto, observa-se que os sistemas convencionais de reconhecimento de placas de veículos têm utilizado imagens obtidas de fotos tiradas sob condições ambientais bem controladas. Um exemplo de imagem que tem sido utilizada nestes sistemas é apresentado na Fig. 1, onde é possivel verificar que a mesma é bem definida comparada com as imagens obtidas por radares fotográficos, Fig. 2, e que foram utilizadas nessa pesquisa. Figura 1 -Exemplo de foto da Westminster InternationalFigura 2 -Exemplo de fotos disponíveis nessa pesquisa O grande desafio a ser tratado nessa pesquisa é a utilização desse tipo de imagens reais extraídas de fotos tiradas automaticamente através de radares fotográficos instalados nas vias da cidade de Uberlândia. Na realidade, esses radares são constituídos de câmeras fotográficas comuns sujeitas às condições mais adversas possíveis (intempéries, movimento dos veículos, ângulo de focalização, posição das câmeras, distância entre a câmera e os veículos, período do dia ou da noite), e sem qualquer controle manual durante a obtenção da foto que contém uma imagem de placa. Portanto, são imagens que apresentam problemas de luminosidade, contraste, focalização, variação de resolução, variação de dimensão que demandam um sistema capaz de extrair 477

show abstract

Section: Introductionunclassified

Uma nova abordagem utilizando RNA para reconhecimento automático de placas de veículos baseado em pré-processamento de imagens e pós-processamento

Nomura¹,

Yamanaka²,

Katai³

et al. 2016

Anais Do 6. Congresso Brasileiro De Redes Neurais

View full text Add to dashboard Cite

show abstract

“…The performance of our CS based approach has also been compared to Back Propagation Neural Networks [18]; a feed-forward neural network consisting of three layers has been employed. In this case, the multilayer perceptron (MLP) model had 256 nodes in the input layer and 20-50 in hidden layers which were determined empirically.…”

Section: G1mentioning

confidence: 99%

Licence Plate Character Recognition Using Artificial Immune Technique

Huang

Tawfik

Nagar

2008

Computational Science – ICCS 2008

View full text Add to dashboard Cite

Abstract. This paper proposes the application of Artificial Immune Technique in Licence Plate Character Recognition (LPCR). The use of Clonal Selection Algorithm (CSA) is composed of two main stages: (1) dynamic training samples; and (2) a choice of the best antibodies based on the three main clonal operations of cloning, clonal mutation and clonal selection. Once memory cells are established it will output the classification results using Fuzzy K-Nearest Neighbor (KNN) approach. The performance of CSA is compared to the Back Propagation Neural Networks (BPNN) in solving a LPCR problem. The experimental results show that the Artificial Immune Technique has a favorable performance in terms of being more accurate and robust.

show abstract

“…Colors and shapes of the objects are among the most popular features that are utilized [7,11,10]. Some systems [9] change the color space to find more robust representations.…”

Section: Licence Plate Localizationmentioning

confidence: 99%

Localization Techniques in ANPR Systems: A-State-of-Art

Rana¹,

Dahiya²

2017

IJARCSSE

View full text Add to dashboard Cite

Abstract-Automated License Plate Recognition (ALPR) is used to detect, recognize a vehicle license plate. ALPR comprises of three stages namely localization, segmentation, and character recognition. This paper discusses various localization techniques and compare their performance on similar parameters. License plate Localization using signature analysis provides additional accuracy of 2% respect to other techniques stated in this paper.

show abstract

Car license plate recognition with neural networks and fuzzy logic

Cited by 139 publications

References 8 publications

Uma nova abordagem utilizando RNA para reconhecimento automático de placas de veículos baseado em pré-processamento de imagens e pós-processamento

Uma nova abordagem utilizando RNA para reconhecimento automático de placas de veículos baseado em pré-processamento de imagens e pós-processamento

Licence Plate Character Recognition Using Artificial Immune Technique

Localization Techniques in ANPR Systems: A-State-of-Art

Contact Info

Product

Resources

About