Объектом исследования являются системы автоматического распознавания автомобильных номеров. Предметом исследования являются web-ориентированные технологии разработки таких систем. Методами проведения работы являются: методы машинного обучения и компьютерного зрения, алгоритмы оптического распознавания символов, а также методы статистической обработки данных для апробации полученных результатов. В данной работе представлен подход к разработке сервиса распознавания автомобильных номеров с использованием современных методов машинного обучения и компьютерного зрения. Изложены основные понятия и определения в области оптического распознавания символов и детектирования объектов. Проведен анализ различных методов детектирования и распознавания, таких как градиентные операторы, алгоритм Виолы-Джонса, гистограммный анализ, нормализация и сегментация, свёрточные нейронные сети и YOLO. Выполнено проектирование сервиса автоматического распознавания автомобильных номеров. В частности, был выбран оптимальный метод взаимодействия пользователя с сервисом – веб-приложение, обеспечивающее удобство и доступность использования. В результате выполнения выпускной квалификационной работы был разработан комплексный сервис, позволяющий производить распознавания автомобильных номеров.

The object of the research is the systems of automatic license plate number recognition. The subject of the study is web-oriented technologies for the development of such systems. Methods of work are: methods of machine learning and computer vision, algorithms of optical character recognition, as well as methods of statistical data processing to validate the results obtained. This paper presents an approach to the development of license plate number recognition service using modern methods of machine learning and computer vision. The basic concepts and definitions in the field of optical character recognition and object detection are outlined. Various detection and recognition methods such as gradient operators, Viola-Jones algorithm, histogram analysis, normalization and segmentation, convolutional neural networks and YOLO are analyzed. The design of an automatic license plate recognition service has been performed. In particular, the optimal method of user interaction with the service was chosen - a web application that provides convenience and accessibility of use. As a result of the final qualification work a complex service was developed, which allows to perform license plate recognition.

• ВВЕДЕНИЕ
• ГЛАВА 1. ОПИСАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ
  • 1.1. Общие принципы распознавания автомобильных номеров
  • 1.2. Особенности реализации сервиса
  • 1.3. Обзор существующих систем
  • 1.4. Выводы
• ГЛАВА 2. ДЕТЕКТИРОВАНИЕ НОМЕРА
  • 2.1. Предобработка изображения
  • 2.1.1. Оператор Собеля
  • 2.1.2. Оператор Кэнни
  • 2.1.3. Оператор Робертса
  • 2.1.4. Оператор Прюитта
  • 2.1.5. Выводы
  • 2.2. Метод Виолы-Джонса
  • 2.2.1. Гистограммный анализ
  • 2.2.2. Выводы
  • 2.3. Свёрточные нейронные сети
  • 2.3.1. YOLO
  • 2.3.2. Метрика Mean Average Precision
  • 2.3.3. Оценка обнаружения объектов с использованием метрики IoU
  • 2.3.4. Вычисление MAP
  • 2.3.5. Концепт YOLO
  • 2.3.6. Архитектура YOLO
  • 2.3.7. Функция потерь
    • 2.3.8. Подавление не-максимумов
    • 2.3.9. Выводы
    • 2.4. Способы повышения эффективности детектирования номера
    • 2.4.1. Нормализация
    • 2.4.2. Сегментация
    • 2.5. Оптическое распознавание символов
    • 2.5.1. Технологии распознавания текста и их метрики
    • 2.5.2. Сравнительный анализ существующих методов
    • 2.5.3. Принцип работы моделей OCR
    • 2.5.4. Выводы
• ГЛАВА 3. АРХИТЕКТУРА СИСТЕМЫ
  • 3.1. Определение функционала
  • 3.2. Выбор архитектуры
  • 3.3. Выводы
• ГЛАВА 4. РЕАЛИЗАЦИЯ СИСТЕМЫ
  • 4.1. Выбор методов и языка программирования
  • 4.2. Проектирования модуля обработки видео формата
  • 4.3. Реализация модуля обработки видео формата
  • 4.4. Реализация модуля обработки фотографии
  • 4.5. Разработка модуля обработки фотографии
  • 4.6. Разработка модуля сервера
• ГЛАВА 5. ТЕСТИРОВАНИЕ И АПРОБАЦИЯ РЕЗУЛЬАТОВ
  • 5.1. Методология тестирования
  • 5.2. Функциональное тестирование
  • 5.3. Интеграционное тестирование
  • 5.4. Нагрузочное тестирование
  • 5.5. Интерфейсное тестирование
  • 5.6. Апробация
  • 5.7. Итоги тестирования
• ЗАКЛЮЧЕНИЕ
• СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• Приложение 1
• Приложение 2
• Приложение 3
• Приложение 4
  • Исходный код модели детектирования
• Приложение 5
  • Исходный код сервера
• Приложение 6
  • Исходный код веб-интерфейса