Распознавание номерных знаков с помощью нейросетей, дипломная работа по прикладной информатике
Получите бесплатно демо-версию Демо-версия - дипломная работа, в котрой удалена часть текста, рисунков, таблиц.Посмотреть все услуги дипломной работы на электронную почту.
Введите адрес электронной почты и нажмите "Отправить"
Разработка информационной системы учета трафика в ЛВС компании, Диплом по информатике8 748 ₽
Разработка ИС учета и обработки заявок пользователей на ТО и ремонт оргтехники (Help Desk), диплом по информатике10 680 ₽
Формализация бизнес-процессов компании в сфере ЖКХ (проектирование и разработка АИС для расчета стоимости коммунальных услуг и формирования квитанций на оплату), ВКР по информатике10 680 ₽
Безопасность беспроводной сети стандарта wi-fi с открытым и закрытым сегментом, ВКР защита информации10 800 ₽Описание
Работа подготовлена и защищена в 2020 году.
Актуальность работы связана с тем, что системы распознавания образов и компьютерного зрения все чаще и чаще используются при автоматическом распознавании номеров автотранспорта.
Проблема идентификации автомобиля по регистрационному номерному знаку является важным аспектом контроля и обеспечения безопасности дорожного движения. Продукты, способные решать данную задачу, востребованы в самых различных сферах. Примером могут служить автотранспортные предприятия, автомобильные стоянки, гаражные кооперативы, коттеджные поселки, заправочные станции, пункты контроля въезда на территорию объекта и т.п.
Распознавание государственных регистрационных знаков является нетривиальной задачей из области технического зрения и искусственного интеллекта. Используемые алгоритмы локализации номерного знака и его распознавания, как правило, являются коммерческой тайной и, естественно, не публикуются. Лишь немногие компании называют их типы и публикуют последовательность действий
Системы технического зрения (СТЗ) сейчас становятся одним из основных средств развития АСУ движением в условиях, когда объём априорных данных не достаточен и для реализации задач управления нужен анализ внешней обстановки в онлайн режиме. СТЗ используются в новейших космических, наземных, подводных и надводных мобильных объектах. Хорошая дальность действия и широкий спектр пространственного и цветового разрешения сегодняшних линейных и матричных приемников оптического излучения СТЗ служат отличными источниками данных при автоматическом выполнении задач навигации, наведения или распознавания.
Важно также отметить некоторые технические трудности внедрения зрительного информационного канала в центр управления мобильными объектами. Сложности связаны с проблемами преобразования зрительных данных в данные результатов слежения, навигации или выявления параметров движения этих объектов в онлайн режиме.
Минимизация времени конвертации зрительных сигналов при большой скорости движения мобильных объектов очень сложна в реализации, и является единственным препятствием для повсеместного применения СТЗ. Сложности также связаны с синтезом алгоритмов необходимых преобразований. Нет универсального алгоритма решения задач зрительного слежения, распознавания, навигации и наведения при стандартном движении аппарата или объекта зрительного слежения. Для любой задачи СТЗ и в конкретной ситуации фотометрических и траекторных условий необходим лишь определенный алгоритм, причём даже незначительное изменение указанной зрительной сцены часто требует смены применяемого алгоритма исследования фотометрического сигнала. Это ведет к необходимости поддержания алгоритмической полноты и структурной устойчивости проведения задач технического зрения на различных фотометрических ситуациях и траекториях передвижения.
Сложная ситуация алгоритмического обеспечения СТЗ складывается и с конструктивными просчетами их технической реализации — нехватке динамических диапазонов свето- и цветопередачи, дискретностью фотоприёмников, астигматизмом канала наблюдения, погрешностями калибровочных характеристик и привязок к времени потока видеоданных. Поэтому зачастую полезность алгоритма гибнет под ударами искажений и шумов. Борьба с помехами в видеоданных становится основной алгоритмической задачей в процессе применения зрительной обратной связи в центр управления. Такой подход требует серьезного развития математических методов и алгоритмов зрительных преобразований в рамках реализации конкретных задач управления передвижными объектами.
Объектом исследования выпускной квалификационной работы является методы и способы распознавания изображений.
Предметом исследования является программная реализация методов распознавания изображений.
При написании выпускной квалификационной работы использовались научные труды следующих авторов: Кашкин В.Б. [18], Монич Ю.И. [26], Пересада В. П. [28].
Целью работы является распознавание номерных знаков с помощью нейросетей.
Основными задачами работы являются:
1. Анализ структуры изображения в цифровом виде;
2. Анализ методов и алгоритмов распознавания номеров автотранспорта;
3. Разработка алгоритмов работы программы;
4. Разработка структуры программного обеспечения;
5. Тестирование программного обеспечения.
Задача распознавания автомобильных номеров часто решается в сложных условиях эксплуатации - при различных погодных условиях, освещении, загрязнении номерных знаков. Решение данной задачи требуется в таких приложениях, как управление автомобильным трафиком, автоматическая обработка дорожных аварий, автоматическая парковка.
Зашумление и наклон номерного знака являются серьёзными проблемами, возникающими при разработке подобных систем. В данной работе решение задачи происходит путём распознавания символов под наклоном, что позволяет избежать дополнительных искажений при приведении номера в горизонтальное положение. В работе рассматриваются алгоритмы, связанные с предобработкой, сегментацией и распознаванием номера.
Характеристики
Программа с исходниками | да |
Год | 2020 |
Огромное спасибо команде за спасение! Честно говоря, у меня уже опускались руки: тема была очень сложной, и я просто не справлялась сама. Веб-дизайн, нейросети. Ребята взялись за работу и сделали всё в супер-сжатые сроки — чуть больше недели! Правки вносили моментально, всё подготовили в лучшем виде. Итог — защита на "отлично"! Безумно благодарна за помощь, вы лучшие!
Хочу выразить огромную благодарность команде diplom-it.ru! Заказывал диплом по направлению «Цифровая экономика» в Университете Синергия. Тема была жутко сложная, связанная с Big Data и прогнозированием, сам бы я точно не справился. Ребята не просто скинули «сырой» текст, а сделали полноценное исследование с актуальными расчетами. Антиплагиат прошел на ура (82% по версии вуза), уникальность текста отличная. Менеджеры на связи 24/7, отвечали даже на глупые вопросы ночью. Защитился на пятерку, комиссия похвалила за практическую часть. Рекомендую! ВУЗ: Синергия, специальность: Цифровая экономика.
Огромный респект команде diplom-it.ru! Ситуация была критическая: до сдачи диплома в МТИ (специальность «Менеджмент в игровой индустрии») оставалось 2 недели, а у меня была только введению и половина первой главы. Думал, все, вылетаю. Ребята взялись за работу моментально. Написали не просто текст, а крутой проект с анализом рынка и финансовой моделью. На защите препод даже удивился, откуда у меня такие свежие данные. Защитился на 5! Очень выручили.
Обращался на diplom-it.ru за помощью с дипломом в МТИ (специальность — прикладная информатика, если это важно). Остался доволен сервисом. Работа была готова раньше срока, что дало время спокойно подготовить речь и раздаточный материал. Оформление полностью по ГОСТу, список литературы свежий. Цена, кстати, оказалась чуть ниже, чем в среднем по рынку, хотя я переживал, что низкая цена = плохое качество. Но нет, тут соотношение цены и качества хорошее. Советую.
Хочу поделиться своей историей успеха с сайтом diplom-it.ru. Учусь в Синергии на факультете психологии. Тема диплома: «Влияние эмоционального интеллекта на успешность в карьере у студентов выпускных курсов». Тема модная, но сырая, литературы много, но нужно было грамотно провести исследование. Я переживала, что автор не сможет правильно составить опросники и обработать данные в SPSS. Каково же было мое удивление, когда в готовой работе я увидела не только качественную теорию, но и шикарную практическую часть с таблицами, корреляционным анализом и понятными выводами! Научный руководитель (довольно строгая женщина) сказала, что это одна из лучших работ за последние годы. Защита на отлично. Спасибо большое автору и персональному менеджеру за поддержку!
