Geri Dön

Kontrollü geçişler için derin öğrenme tabanlı plaka tanıma sistemi

Deep learning based license plate recognition system for controlled transitions

  1. Tez No: 566916
  2. Yazar: İSMAİL DEMİRCİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÖKÇEN ÇETİNEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Sakarya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 81

Özet

Otomatik Plaka Tanıma, otoyollar, otoparklar, terminaller, kamu kurum ve kuruluşları gibi birçok yerde yaygın olarak ihtiyaç duyulan sistemlerdir. Bu çalışmada plaka tanıma sistemi gerçekleşmiştir. Plaka tanıma sistemleri üç ana aşamadan oluşmaktadır. Bu aşamalar: plaka yerinin tespiti, karakter bölütleme ve karakter tanıma işlemleridir. Çalışmada plaka ve karakter tespit için Tensorflow Nesne Algılama API'si kullanılmıştır. Bu üç ana işlem şu sırayla gerçekleşmektedir. İlk önce sistem giriş görüntüleri üzerinde plaka tespit işlemi gerçekleşmektedir. Ardından tespit edilen plaka yeniden boyutlandırma ve filtre işlemlerine tabi tutularak karakter tespit işlemine hazır hale getirilmektedir. İkinci aşamada plaka üzerindeki karakterler tespit işlemi gerçekleşmektedir. Üçüncü ve son aşamada tespit edilen karakter tanınma işlemleri gerçekleştirilmiştir. Sistem çalışma süresi, i5-8250 CPU 1.80 GHz işlemci özelliklerine sahip bir bilgisayarda ortalama 5.25 saniye sürmektedir. Sistem başarımı üç ana aşama ayrı olarak incelendiğinde: plaka tespit işlem başarımı %99.06, karakter tespit başarımı %95.03 ve karakter tanıma başarımı %90.03 doğrulukla gerçekleştirilmiştir. Ancak modüler bazdaki bu başarımlar genel sistem başarımlarında elde edilememiştir. Genel sistem başarımının modüler bazdaki başarımlara oranla düşük olmasının başlıca sebepleri, plaka eğimi ve çevresel faktörlerdir. Gelecek çalışmalarda bu problemlerin giderilerek genel başarımın yükseltilmesi hedeflenmektedir.

Özet (Çeviri)

Automatic Lisence Plate Recognition is a widely needed system in many places such as highways, car parks, terminals, public institutions and organizations. In this study, plate recognition system is implemented. Plate recognition systems consist of three main stages. These stages are plate detection, character segmetation and character recognition. The Tensorflow Object Detection API is used for the plate and character detection process in the study. The multilayer convolution neural networks are used for character recognition. These three main operations take place in the following order: First, the plate detection process is performed on the input image of the system. Then, detected plate is subjected to re-sizing and filtering processes and made ready for character recognition. In the second stage, the characters on the plate are detected. In the third and last stage, the recognition process of the detected characters is performed. The system runtime takes on average 5.25 seconds on a computer with the i5-8250 CPU 1.80 GHz processor. When the three main stages of system performance are analyzed separately: plate detection process performance is 99.06%, character detection performance is 95.03% and character recognition performance is 90.03%. But this modular performances can not been obtained for overall system performance. The main reasons of this performance decrease are plate slope and environmental factors. In the future works, it is aimed to incerase the performance of the system by overcoming this problems.

Benzer Tezler

  1. Makine öğrenme yöntemlerini kullanarak araç plaka tanıması

    Using machine learning methods vehicle plate recognition

    CANDAŞ YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ADEM ÖZYAVAŞ

  2. Derin öğrenme kullanılarak sahte plakalı araç tespit sistemi geliştirilmesi

    Developing fake plate vehicle detection system using deep learning

    BURAK AĞGÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Sabahattin Zaim Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN ERDEMİR

  3. Motion planning and control with randomized payloads using deep reinforcement learning

    Derin pekiştirmeli öğrenme kullanarak rastgele yükler ile hareket planlama ve kontrol

    ALİ DEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VOLKAN SEZER

  4. Novel sampling strategies for experience replay mechanisms in off-policy deep reinforcement learning algorithms

    Derin deterministik politika gradyani algoritmaları için yeni tecrübe tekrarı stratejileri

    FURKAN BURAK MUTLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. SÜLEYMAN SERDAR KOZAT

    PROF. DR. SİNAN GEZİCİ

    DOÇ. DR. RAMAZAN GÖKBERK CİNBİŞ

  5. Long-horizon value gradient methods on Stiefel manifold

    Stiefel manifoldu üzerinde uzun ufuklu değer gradyanı yöntemleri

    TOLGA OK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NAZIM KEMAL ÜRE