АВТОМАШИНЫ ДУГААР ИЛРҮҮЛЭХ СИСТЕМИЙГ ХӨГЖҮҮЛЭХ АСУУДАЛД: Зохиогч: Ч. Ганбаатар Удирдагч: Доктор (Ph.D) Б. Батзолбоо ШУТИС-Компьютерийн Техник Менежментийн Сургуулийн Програмчлалын профессорын баг. Хураангуй: E mail: chganbaatar@gmail.com Автомашины дугаар илрүүлэх системийг хөгжүүлэх асуудалд судалгааны хүрээнд Зургийн боловсруулалтын аргууд, тэмдэгт таних аргуудыг судлан 1. Зурагаас дугаарын байрлал илрүүлэхдээ ирмэг илрүүлэх, шүүлтүүр хийх аргуудыг ашиглан обьектийг илрүүлж, сегментлийн хийн обьектийг задлан тэмдэгтүүдийг салгасан, 2. Тэмдэгтүүдийг Неороны сүлжээ ашиглан сургасан 3. Java програмчлалын хэл ашиглан туршиж үзсэн. Түлхүүр үг: Ирмэг, Шүүлтүүр, Неороны сүлжээ, Дүрс, Оршил Орчин үед мэдээллийн технологи тэр дундаа мэдээллийн систем, програм хангамж минут секунд тутамд өөрчлөгдөж, шинэчлэгдэж, тэр хэмжээгээр хүний хэрэгцээ улам бүр өсөн нэмэгдэж байна. Түүний нэг нь манай улсад сүүлийн хэдэн жил автомашин тоо ихэссэн, түүнтэй холбоотой авар осол, гэмт, хэрэг зөрчилүүд байнга гарах болсон байна. Иймд Автомашины дугаар илрүүлэх системийн талаар судалж үзсэн бөгөөд манай орны хувьд Зургийн боловсруулалт, тэмдэгт таних судалгаанууд хийгдэж байсан боловч автомашины дугаарыг таних судалгаа бага хийгдэж байна. Тэмдэгт таних аргуудаар зургаас тэмдэгтийг таних аргачлал, алгоритмууд байдаг боловч улс орон бүр өөрөөрийн онцлогийг харгалзан хөгжүүлж ашиглаж байна. Уг систем нь зарим өндөр хөгжилтэй орны жишээн дээр дараах байдалтай ашиглагдаж байна. Улсын хил болон хязгаар тогтоосон газар, хяналт хийхэд: Автомашины төлбөртэй зогсоол Замын хөдөлгөөн ба аюулгүй байдал Дүүрэг, Орон нутгийн постуудад. Моbile-д суурилсан дугаар таних систем гэх мэт Зорилго: Дүрс боловсруулалтын арга, тэмдэгт таних аргуудыг ашиглан автомашины дугаар илрүүлэх. Дүрсний боловсруулалтын аргуудыг судлах Дүрснээс тэмдэгт таних аргыг судлах Дүрснээс тэмдэгтийг таних туршилт хийх 1. Ирмэг илрүүлэх, шүүлтүүр хийх арга Edge detection and rank filtering) Дүрс боловсруулалтын хувьд дүрсний ирмэгийг сайн илрүүлэх нь дүрсийг таних хамгийн сайн шийдэл болдог. Ирмэг илрүүлдэг тодорхой үр дүнтэй аргууд нь - Мушгиа маск бүхий Sobel-ийн арга - Тэнхлэгийн дагуу проекц хийх арга гэх мэт байна. 1.1. Хэвтээ ба босоо тэнхлэгт проекцын аргаар сегмент хийх ( Segmentation of plate using a horizontal and vertical projection )
Дүрс боловсруулалтын олон аргууд дотороос хэвтээ болон босоо тэнхлэгээр проекц хийх арга хамгийн түгээмэл хэрэглэгддэг энгийн аргын нэг юм. Дараах томьёогоор илэрхийлэгдэнэ. 1.2. Мушгиа маск бүхий Sobel-ийн арга Sobel-ийн ирмэг илрүүлэлтийн арга нь 2 маск ашиглах бөгөөд ялгаатай байрлалуудад ирмэг тодорхойлохын тулд ажиллана. 2 маск нь бүтэн ирмэг илрүүлэлтийн дүрсийг үүсгэсэний дараа нэгтгэсэн дүрсийг үүсгэнэ. Sobel-ийн ирмэг илрүүлэхдээ хэвтээ ба босоо тэнхлэгийн дагуу хийгдэн ажиллах ба дүрсэн дэх цэг бүр дээрхи ойролцоо үнэмлэхүй налуу хэмжигдэхүүнийг хайдаг. Налуу ба түүний байрлалын чиглэлийг тооцоолох S = S x 2 + S y 2, S = S x + S y Sobel-ийн маск Цэг дээрх маскны үйлдэл. θ = arctan ( S x S y ) 1 0 1 1 2 1 2 0 2, 0 0 0 1 0 1 1 2 1 a 1 a 2 a 3 a 4 a 5 a 6 a 7 a 8 a 9 S x = (a 1 + c a 2 + a 3 ) (a 7 + c a 8 + a 9 ) S y = (a 3 + c a 6 + a 9 ) (a 1 + c a 4 + a 7 ) Ирмэг илрүүлэлт. Sobel-ийн маск нь эх дүрсний мужид хэрэглэгдэх ба эхний цэг баруун тийш шилжих байдлаар мөрийн төгсгөл хүртэл үргэлжилнэ. Энэ нь дараагийн мөр эхлэх байрлал болох бөгөөд маскны төв цэг нь дүрсэн дэх нарийвчласан цэг дээр байрлана гэсэн үг Эх дүрс Туршилтын үр дүн:
1.3. Ирмэгийг илрүүлж шуугианыг цэвэрлэх. Дүрс боловсруулалтын явцад дүрсний чанарыг сайжруулахад хамгийн чухал үүрэг бүхий шүүлтүүрүүд юм. Зургаас дугаарын байрлалыг илрүүлэхийн тулд эх зургийн өнгийг Саарал (Grayscale) болгох бөгөөд түүний дараа 2-тын (хар, цагаан) өнгөнд шилжүүлэн ирмэг илрүүлэх, маск тавих аргуудыг хэрэглэх нь илүү нарийвчлалтай зургийг боловсруулж ирмэгийг илрүүлдэг. (Зураг 1.3)-д харуулав. Зураг 1.3. (А) Саарлаас 2т руу хөрвүүлсэн, (Б)2-тын маск (Собелийн арга),(в) тодруулах маск (Г) дундаж шүүлтүүр, (Д) Шуугиан цэвэрлэх шүүлтүүр (Е) Дугаарын байрлал тогтоосон байдал 1.4. Тэмдэгтийн ирмэгийг илрүүлэх, эх зургаас тасалж авах. Зургаас дугаарын хэсгийг илрүүлж эх зургаас тасалж авсаны дараа тэмдэгтийн ирмэгийг тодорхойлох алгоритм ашиглан хэсэгчлэх бөгөөд үр дүнг нейроны сүлжээ ашиглан таних процесс явагдана. (Зураг 1.6)- д харуулав Ирмэгийн төрлүүд Зураг 1.5. Ирмэгийн төрлүүд 1. 0+1 ( босоо тэнхлэг дагуух ирмэг) 2. 2+3 (хэвтээ тэнхлэг дагуух ирмэг) 3. 4+6+9 ( / диагнал ирмэгүүд) 4. 5+7+8 ( \ диагнал ирмэгүүд) 5. 10 (Зүүн дээд өнцөг) 6. 11 (баруун дээд өнцөг) 7. 12 (зүүн доод өнцөг) 8. 13(баруун доод өнцөг) Дээрх ирмэгүүдийг 2х2 матриц хэлбэр нь:
1 2 3 4 5 6 7 8 Зураг 1.6. Сегментлэсэн байдал. 2. Hейроны сүлжээ Нейроны сүлжээг ашигласнаар уламжлалт програмчлалын алгоритмыг бодвол програмын цөөхөн код бичдэг. Хүний хөгжлийн явцад хүний тархины эд эсүүд үүсэн бий болдог. Эдээр эсүүд нейрон буюу мэдрэлийн эс нь анхдагч бүрдүүлэгч эс юм.[2] Фидфорвард бакпропагашн нейроны сүлжээ Удирдамжтай сургахад ашигладаг, сүлжээг сургахдаа Дельта дүрэм ашигладаг, сургалтын алдааг дундаж квадрат алдаагаар тооцоолдог, эсүүд дээрх гаралтыг өсгөж бууруулахдаа ихэвчлэн сигмоид идэвхжүүлэлтийн функц ашигладаг олон давхаргат, нэг чиглэлийн сүлжээг фидфорвард бакпропагашн нейроны сүлжээ гэнэ. [2] [4] Урагшлах алгоритм Оролтын давхарга X X W 1 Нууц давхаргууд F(v δ ) W 1 Гаралтын давхарга δ Y Зураг 1.7. Эсүүдийн гаралтыг тооцоолох (Зураг 1.6) -д обьектүүдийг хэсэгчилсэн бөгөөд програмд нейроны сүлжээг ашиглан таних процесс явагдах юм. Монгол үсгийн А-Я, 0-9 тоо болон тэмдэгтүүдийг нейроны сүлжээнд сургасан бөгөөд програмд 6х8, 8х13, 10х15, 10х16 хэмжээс бүхий матрицууд үүсгэсэн. Зураг 1.8. Нейроны сүлжээнд сургасан байдал. Туршилтаар янз бүрийн байрлалаас авсан автомашины зургийг боловсруулсан бөгөөд автомашины дугаарын хэсэг нь харилцан адилгүй хэлбэр хэмжээтэй ба урт болон босоо хэлбэртэй дугаарууд байсан нь дугаарыг танихад хүндрэл учирч байсан. Иймд энэ судалгаагаар хөндлөн дугаартай хэсгийг авч судалгааны өгөгдөлд ашиглав. Автомашины дугаарыг дараах байдлаар ангилж шинжилгээ хийсэн. - Бохир дугаар /Шөнө, Бороо, шороотой үеийн/ - Хэвийн дугаар /зураг нь голд байрлуулан авсан/
- Хазайлттай дугаар /дугаарын хэсэг нь тодорхой градусаар хазайсан болон хажиу байрлалаас авсан / Хүснэгт 1.1. дугаар танилтын төрлөөр нь харуулсан байдал Машины тоо Дугаарын тоо Нийт тэмдэгтийн тоо Танилтын хувь Бохир дугаар 20 140 35% Хазайлттай дугаар 10 70 45% Хэвийн дугаар 20 140 78% Танилтын хувь 78% 45% 35% тэмдэгтийн тоо 70 140 140 Хэвийн дугаар Хазайлттай дугаар Бохир дугаар дугаарын тоо 20 10 20 0 50 100 150 ДҮГНЭЛТ Судалгааны ажлын хүрээнд автомашины дугаар илрүүлэх системийг хөгжүүлэх асуудалд зургийн боловсруулалт болон тэмдэгт таних аргуудыг ашиглан Java програмчлалын хэл дээр туршиж үзсэн бөгөөд дараах дүгнэлтэд хүрсэн. 1. судалгааны ажлыгхийх явцад хэд хэдэн туршилтууд хийж үзсэн бөгөөд - Туршилт 1: Эхний туршилтаар дугаарын хэсгийн байрлал хамааралгүйгээр 20 өгөгдөл дээр туршилт хийхэд дараах байдалтай байсан. o Ирмэг илрүүлэхдээ зэргэлдээ болон мушгиа маск /Sobel/ ашиглан шуугианыг цэвэрлэлгүй таних процесс хийхэд 70-76% нь тодорхой үр дүнтэй илэрсэн ба дугаарыг илрүүлэх явцад дараах бэрхшээлүүд гарч байсан. Үүнд: Монгол хэлний зарим үсэгүүд болон тоонууд хоорондоо ойролцоо хэлбэртэй учир давтагдах тохиолдлууд гарч байна. (Жишээ нь 8-В, О- 0, 3-З гэх мэт) мөн авто машины дугаарын нэгдсэн стандарт байхгүй, дугаарыг бүрэн танихад боолт, чимэглэл, соёмбо, нэмэлт бичиг зэрэг нь хүндрэл учруулж байна. - Туршилт 2: Өгөгдөлийг нарийвчласан статистик гаргахын тулд зөвхөн хөндлөн урт дугаарын хэсгийг авч өгөгдөлд ашигласан. o Ирмэг илрүүлэхдээ зэргэлдээ болон мушгиа маск /Sobel/ аргыг, дундаж шүүлтүүрийн аргатай хослуулан ашиглаж /Remove noise/ шуугианыг цэвэрлэсэн бөгөөд танилтын хувьд тодорхой нөлөө үзүүлсэн. Иймд өгөгдөлийг нарийвчлан шигжилгээ хийхэд бохир дугаар 35 хувтай, хазайлттай дугаар 45, хэвийн дугаар 78 хувтай таньсан. 2. Цаашид автомашины дугаар таних системийг хөгжүүлэх асуудалд дугаарын танилтыг сайжруулахад дараах шалтгаанууд гарч байна. a. Боолт, чимэглэл, соёмбо, нэмэлт бичиг зэрэг нь хүндрэл учруулж байгаа нь харагдсан b. Дугаарыг хэвлэдэг олон компани байдаг бөгөөд үсгийн хэмжээ, дугаарын хэлбэр, өөр өөр байдгаас шалтгаалж буруу таних тохойлдолууд гарч байна. 3. Автомашины дугаарыг илрүүлэх системийг хөгжүүлснээр замын хөдөлгөөний дүрэм зөрчих, хурд хэтрүүлэх, осол, янз бүрийн тохиолдлуудад эзэн холбогдогчийг тодорхой болгох мөн автомашины
зогсоол болон гаальд өргөн хэрэглэх зэрэг олон давуу талтай бөгөөд андройд болон гар утсанд зориулан хөгжүүлэх боломжтой гэж үзлээ. Ашигласан бүтээлийн жагсаалт: [1] Р. Төрбат, Дүрс боловсруулалтын зарим аргуудыг харьцуулсан судалгаа. Улаанбаатар, 2008. [2] Батзолбоо, ""Монгол хэлний үг хувиллын компьютер загвар ба бичвэрийг хөрвүүлэх систем"," Улаанбаатар 2012 Patent, 2013. [3] S.Kranthi, K.Pranathi, A.Srisaila, Automatic Number Plate Recognition. Information Technology, VR SiddharthaEngineering College,Vijayawada, India, 2011. [4] MARTINSKY, ONDREJ, Algorithmic and mathematical principles of automatic number plate. BRNO University, 2008. [5] Y. Z. C. Zhang, A New Algorithm for Character Segmentation of License Plate. 2003. [6] Мөнхсайхан, "Камерын хяналттай автомат удирдлага". Улаанбаатар, 2012. [7] Лодойравсал, "Дүрс боловсруулах аргыг үйлдвэрлэлийн автоматжуулалт ба зарим судалгаанд хэрэглэх нь.". Улаанбаатар, 2006. [8] F. N, Introduction to Neural Networks, http://www.virtualventures.ca/~neil/neural/neuron.html. [9] K. M, Neural Networks. Faculty of Informatics, Masaryk University, Brno. [10] Tran Duc Duan, Tran Le Hong Du, Tran Vinh Phuoc, Nguyen Viet Hoang, Building an Automatic Vehicle License-Plate Recognition System. 2005. [11] Feng Yang, Zheng Ma, Vehicle License Plate location Based on Histogramming and Mathematical Morphology. 2005. [12] CheokMan, Kengchung, A High Accurate Macau License Plate Recognition System. 2008. [13] Wenjing Jia, Huaifeng Zhang, and Xiangjian He Mean, Accurate Number Plate Detection. July 2005. [14] Thuy Tuong Nguyen, Xuan Dai Pham and Jae Wook Jeon, Rectangular Object Tracking Based on Standard Hough Transform. February, 2009. [16] F. B., Numeric Math and Probability, scripts, Faculty of Electrical Engineering. 2005. [17] F. K, Introduction to statistical pattern recognition, Academic Press, San. Academic Press, San. [18] W. R. Gonzalez R., Digital Image Processing. Prentice Hall, Upper Saddle River,New Jersey,.