Car plate recognition by neural networks and image processing

Parisi, Raffaele; Claudio, Elio D. Di; Lucarelli, G.; Orlandi, G.

doi:10.1109/iscas.1998.703970

Cited by 134 publications

(61 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Parisi et al (1998) [28] propose an application of the Discrete Fourier Transform (DFT) to find the license plate. DFT is a transform for Fourier analysis of finitedomain discrete-time signals that can be computed efficiently in practice using a Fast Fourier Transform (FFT) algorithm.…”

Section: Statistical Analysis Of a Localization Signalmentioning

confidence: 99%

“…DFT is a transform for Fourier analysis of finitedomain discrete-time signals that can be computed efficiently in practice using a Fast Fourier Transform (FFT) algorithm. The authors in [28] scan the image horizontally and vertically and use the average periodogram estimate of the signal as a statistic to detect the license plate region. Acosta (2004) [4] proceeds similarly and computes the periodogram estimate using the FFT, for each row to locate vertically, then each column to locate horizontally.…”

Section: Statistical Analysis Of a Localization Signalmentioning

confidence: 99%

See 1 more Smart Citation

Pseudo Bayesian and Linear Regression Global Thresholding

Aboura¹

2010

International Journal of Electronics and Telecommunications

View full text Add to dashboard Cite

Abstract-Classification is an important task in image analysis. Simply recognizing an object in an image can be a daunting step for a computer algorithm. The methodologies are often simple but rely heavily on the thresholding of the image. The operation of turning a color or gray-scale image into a black and white image is a determining step in the effectiveness of a solution. Thresholding methods perform differently in various problems where they are often used locally. Global thresholding is a difficult task in most problems. We highlight a pseudo Bayesian and a linear regression global thresholding methods that performed well in an engineering problem. The same approaches can be used in biomedical applications where the environment is better controlled.

show abstract

Section: Statistical Analysis Of a Localization Signalmentioning

confidence: 99%

Section: Statistical Analysis Of a Localization Signalmentioning

confidence: 99%

Pseudo Bayesian and Linear Regression Global Thresholding

Aboura¹

2010

International Journal of Electronics and Telecommunications

View full text Add to dashboard Cite

show abstract

“…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

“…Other methods, such as by spatial frequency using DFT proposed by Parisi et al [23], are used to detect plate and character positions. In their algorithms, characters are classified by a multi-layer neural network, which is trained by Block Recursive Least Squares algorithm.…”

Section: Introductionmentioning

confidence: 99%

Robust Search-Free Car Number Plate Localization Incorporating Hierarchical Saliency

Safaei¹,

HL²

2016

J Comput Sci Syst Biol

View full text Add to dashboard Cite

There are two major shortcomings associated with presently implemented automatic license plate recognition (ALPR) systems: first, processing images with complex background is time-consuming and second, the results are not sufficiently accurate. To overcome these problems and also to achieve a robust recognition of multiple car number plates, saliency detection based on the ALPR system is used in this paper and also an improved and more effective definition of saliency is presented. In this new approach, the notion of the directionality of the edges using Gabor filtering and the detection of the patterns of numbers using L1-norm have been added to the traditional saliency detection method. The proposed algorithm was tested on 660 images; some consisting of two or more cars. A detection accuracy of 94.77% and an average execution time of 40 ms for 600 × 800 images are the marked outcomes. The proposed SB-ALPR method outperforms most of the state of the art techniques in terms of execution time and accuracy, and can be used in real-time applications. Also, unlike some recently introduced saliency-based ALPR methods, our two-stage saliency detection approach exploits smaller numbers of sample sizes to reduce the computation cost

show abstract

Car plate recognition by neural networks and image processing

Cited by 134 publications

References 3 publications

Pseudo Bayesian and Linear Regression Global Thresholding

Pseudo Bayesian and Linear Regression Global Thresholding

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

Robust Search-Free Car Number Plate Localization Incorporating Hierarchical Saliency

Contact Info

Product

Resources

About