การจำแนกประเภทและรู้จำป้ายทะเบียนรถยนต์ในประเทศไทยโดยใช้เทคนิคเคเนียเรสเนเบอร์

Abstract

ปัจจุบันระบบการรู้จำหมายเลขทะเบียนรถยนต์โดยอัตโนมัติถูกนำมาประยุกต์ใช้เพิ่มมากขึ้นในประเทศไทย ตัวอย่างเช่น การลดขั้นตอนในการต่อทะเบียนรถยนต์ การจัดการใช้งานที่จอดรถการเพิ่มประสิทธิภาพระบบรักษาความปลอดภัย เนื่องจากการเพิ่มขึ้นของจำนวนรถยนต์ทำให้มีรูปแบบของป้ายทะเบียนที่แตกต่างมากขึ้นตามไปด้วย จึงต้องมีการพัฒนาเทคนิคการรู้จำหมายเลขทะเบียนรถยนต์ให้มีความสามารถในการตรวจวัดอัตโนมัติให้ครอบคลุม วิทยานิพนธ์นี้นำเสนอการจำแนกประเภทและการรู้จำตัวอักษรบนป้ายทะเบียนรถยนต์ในประเทศไทยโดยใช้เทคนิคการประมวลผลภาพ และเทคนิคเคเนียเรสเนเบอร์ ซึ้งประกอบไปด้วย การหาตำแหน่งตัวอักษรบนป้ายทะเบียนรถยนต์ ด้วยวิธีการกำหนดค่าขีดแบ่ง การรู้จำตัวอักษรบนป้ายทะเบียนรถยนต์ โดยใช้ตัวกรองค่ามัธยฐานและการกำหนดค่าขีดแบ่งในการแยกส่วนตัวอักษร และทำการรู้จำด้วยเทคนิคการกำหนดหมายเลขให้ส่วนที่เชื่อมกันและเทคนิคเคเนียเรสเนเบอร์ในการค้นหาเพื่อนบ้านใกล้สุด K ตัว ในส่วนการจำแนกชนิดป้ายทะเบียนรถยนต์ใช้การจำแนกจากสีของตัวอักษรและพื้นหลังของป้ายทะเบียน ด้วยวิธีการตรวจจับสีในโครงสร้าง HSV จากผลการทดลองกับภาพทะเบียนรถยนต์ทั้งหมด 160 ภาพ พบว่าวิธีการที่นำเสนอสามารถจำแนกประเภท และรู้จำป้ายทะเบียนรถยนต์ได้ที่ความถูกต้องเฉลี่ย 98.67% และ 93.69% ตามลำดับ แสดงให้เห็นว่าวิธีการที่นำเสนอนั้นมีประสิทธิภาพที่ดี ซึ้งสามารถนำไปประยุกต์ใช้ในการจำแนกประเภทและรู้จำป้ายทะเบียนรถยนต์ต่อไปได้

Currently, the automated vehicle registration number recognition system has increasingly been applied in Thailand to improve the vehicle registration renewal process, parking management and security enhancement support. Due to an increasing number of cars, a variety of license plates have been introduced. Therefore, it is necessary to develop vehicle registration number recognition techniques to provide accurate and comprehensive measurement capabilities. This thesis presents the classification and recognition of letters on car license plates in Thailand using image processing and K-nearest neighbor techniques. First, the threshold technique was used for finding letter position on car license plate image. Then the median filter and thresholding for letter segmentation were applied to recognize letters on car license plates. After that, a connected component label and the K-nearest neighbor technique were applied to recognize the letters. Finally, for car-license plate type classification, the HSV technique was used for color detection of the letters and background on the license plate images. From the experiment carried on 160 images of car license plates, it was found that the proposed methods could be used to classify types of car license plates and recognize letters on the plates correctly with an average accuracy of 98.67% and 93.69%, respectively. Because of their efficiency, these two techniques could further be applied to classify types and recognize letters of car license plates.