بهبود بازشناسی پلاک خودرو با استفاده از رویکرد مبتنی بر مدل زبانی

از گذشته بازشناسی پلاک خودرو به دلیل طیف وسیعی از کاربردها، از جمله کنترل ترافیک، جمع آوری عوارض، جستجوهای پلیس و غیره توجه زیادی از جامعه تحقیقاتی را به خود جلب کرده است. پلاک ها معمولا بسته به کشور یا منطقه صدور آن ها با الگوهای خاصی طراحی می شوند. تفسیر این الگوها برای بهبود دقت بازشناسی حروف به ویژه در محیط های پیچیده و بدون محدودیت بسیار مهم است. بااین وجود روش­های موجود برای بازشناسی پلاک خودرو معمولا به شکل دستی این قواعد و الگوها را در نظر می­گیرند. حال آنکه شناخت و درک خودکار «زبان» پلاک ها که شامل ترکیبات منحصربه فردی از حروف و ارقام می شود، می تواند عملکرد این سامانه ها را به طور قابل توجهی بهبود دهد و به آن ها اجازه می دهد تا به شکل پویا برای مجموعه حروف خاص مورداستفاده در مناطق مختلف طراحی شوند. در این مقاله باتکیه بر موفقیت های اخیر رویکردهای مبتنی بر ترنسفورمر در پردازش زبان طبیعی و بینایی رایانه، یک مدل جدید برای بازشناسی پلاک خودرو پیشنهاد شده است که از یک مدل بینایی برای بازشناسی تصاویر پلاک خودرو و یک مدل زبانی برای یادگیری قواعد موجود در پلاک ­ها و تصحیح چند مرحله ­ای نتایج بازشناسی بهره می­برد. این فرآیند باعث بهبود دقت بازشناسی می­شود و سازگاری روش را در مواجهه با انواع پلاک ­ها با الگوهای مختلف ارتقا می­ دهد. ارزیابی­ های انجام شده بر روی مجموعه داده های IR-LPR، UFPR-ALPR و AOLP برتری رویکرد پیشنهادی را در مقایسه با تحقیقات انجام شده نشان می­ دهد. این روش می ­تواند در توسعه سامانه­ های بازشناسی پلاک دقیق و سازگار مفید باشد.

کلیدواژه ها:

بازشناسی خودکار پلاک خودرو ، سامانه های حمل ونقل هوشمند ، یادگیری عمیق ، مدل زبانی ، ترنسفورمر