Effektivisering av automatiserad igenkänning av registreringsskyltar med hjälp av artificiella neurala nätverk för användning inom smarta hem

DSpace Repository

Effektivisering av automatiserad igenkänning av registreringsskyltar med hjälp av artificiella neurala nätverk för användning inom smarta hem

Details

Files for download
Icon
Overview of item record
Publication Bachelor thesis
Title Effektivisering av automatiserad igenkänning av registreringsskyltar med hjälp av artificiella neurala nätverk för användning inom smarta hem
Author Drottsgård, Alexander ; Andreassen, Jens
Date 2019
English abstract
The concept of automated recognition and reading of license plates have evolved a lot the last years and the use of Artificial neural networks have been introduced in a small scale with promising results. We looked into the possibility of using this in an automated garage port system and we implemented a prototype for testing. The traditional process for reading a license plate requires multiple steps, sometimes up to five. These steps all give a margin of error which aggregated sometimes leads to over 30% risk for failure. In this paper we addressed this issue and with the help of a Artificial neural network. We developed a process with only two steps for the entire process of reading a license plate, (1) localize license plate (2) read the characters on the plate. This reduced the number of steps to half of the previous number and also reduced the risk for errors with 13%. We performed a Literature Review to find the best suited algorithm for the task of localization of the license plate in our specific environment. We found Faster R-CNN, a algorithm which uses multiple artificial neural networks. We used the method Design and Creation to implement a proof of concept prototype using our approach which proved that this is possible to do in a real environment.
Swedish abstract
Konceptet automatiserad igenkänning och avläsning av registreringsskyltar har utvecklats mycket de senaste åren och användningen av Artificiella neurala nätverk har introducerats i liten skala med lovande resultat. Vi undersökte möjligheten att använda detta i ett automatiserat system för garageportar och implementerade en prototyp för testning. Den traditionella processen för att läsa av en skylt kräver flera steg, i vissa fall upp till fem. Dessa steg ger alla en felmarginal som aggregerat kan leda till över 30% risk för ett misslyckat resultat. I denna uppsats adresseras detta problem och med hjälp av att använda oss utav Artificiella neurala nätverk utvecklades en kortare process med endast två steg för att läsa en skylt, (1) lokalisera registreringsskylten (2) läsa karaktärerna på registreringsskylten. Detta minskar antalet steg till hälften av den traditionella processen samt minskar risken för fel med 13%. Vi gjorde en Litteraturstudie för att identifiera det lämpligaste neurala nätverket för uppgiften att lokalisera registreringsskyltar med vår miljös begränsningar samt möjligheter i åtanke. Detta ledde till användandet av Faster R-CNN, en algoritm som använder ett antal artificiella neurala nätverk. Vi har använt metoden Design och Creation för att skapa en proof of concept prototyp som använder vårt föreslagna tillvägagångssätt för att bevisa att det är möjligt att implementera detta i en verklig miljö.
Publisher Malmö universitet/Teknik och samhälle
Language swe (iso)
Subject AI
Neuralt nätverk
Maskininlärning
Faster R-CNN
Registreringsskylt
Registreringsskyltsigenkänning
Nummerplåt
Nummerplåtsigenkänning
Artificiell intelligens
Artificial Intelligence
Neural Network
Machine learning
License Plate Recognition
Number Plate Recognition
Handle http://hdl.handle.net/2043/29161 Permalink to this page
Link to publication in DiVA Find this research publication in DiVA (n/a for student publ.)
Facebook

This item appears in the following Collection(s)

Details

Search


Browse

My Account

Statistics