АНАЛИЗ ЭФФЕКТИВНОСТИ РЕШЕНИЙ ОТКРЫТОЙ БИБЛИОТЕКИ OPENCV В ЗАДАЧЕ РАСПОЗНАНИЯ АВТОМОБИЛЬНЫХ НОМЕРОВ 

Митрохин Максим Александрович, доктор технических наук, заведующий кафедрой вычислительной техники, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: vt@pnzgu.ru
Щеголихин Ярослав Павлович, студент, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: yaroslav.schegolikhin@yandex.ru
Нешко Дарья Олеговна, студент, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: daria-uno@yandex.ru
Семенкин Максим Викторович, генеральный директор, ООО “КодИнсайд” (Россия, г. Пенза, ул. Суворова, 64Б), E-mail: maxim.semekin@codeinside.ru 

004.931 

DOI

10.21685/2072-3059-2019-2-4 

Актуальность и цели. Объектом исследования является библиотека OpenCV. Предмет исследования – средства библиотеки, использование которых возможно для распознавания автомобильных номеров. Целью работы является оценка эффективности указанных средств при использовании в широком диапазоне условий.
Материалы и методы. Исследования выполнены с использованием методов распознавания образов и обработки изображений.
Результаты. Предложены механизмы совершенствования средств распознавания автомобильных номеров, на экспериментальных данных показана их эффективность.
Выводы. Предложенные решения позволяют повысить эффективность стандартных средств библиотеки OpenCV, основанных на каскадах Хаара, однако это требует дополнительных вычислительных затрат. 

Ключевые слова

алгоритмы, обработка изображений, каскады Хаара 

 Скачать статью в формате PDF

1. Маккинни, У. Python и анализ данных / Уэс Маккинни. – Москва : ДМК Пресс, 2015. – 482 с.
2. OpenCV шаг за шагом // RoboCraft. – URL: http://robocraft.ru/blog/computervision/264.html (дата обращения: 23.02.2019).
3. Федотов, Н. Г. Анализ полутоновых изображений и цветных текстур с позиции стохастической геометрии и функционального анализа / Н. Г. Федотов, Д. А. Голдуева, М. А. Мокшанина // Известия высших учебных заведений. Поволжский регион. Технические науки. – 2017. – № 2 (42). – С. 29–41. – DOI 10.21685/2072-3059-2017-2-3.
4. Комбинированный алгоритм отслеживания перемещений // Vuzlit.ru. – URL:
https://vuzlit.ru/954633/kombinirovannyy_algoritm_otslezhivaniya_peremescheniy (дата обращения: 26.02.2019).
5. Viola, P. Rapid Object Detection using a Boosted Cascade of Simple Features / P. Viola, M. Jones // Proceedings Conference of Computer Vision and Pattern Recognition. – 2001. – Vol. 1. – P. 511–518. – DOI 10.1109/CVPR.2001.990517.
6. Играемся с изображениями в Python // Habr. – URL: https://habr.com/ru/post/163663/ (дата обращения: 25.01.2019).
7. OpenCV Python поворачивает изображение на X градусов вокруг определенной точки // qa.ru. – URL: http://qaru.site/questions/272130/opencv-python-rotate-imageby-x-degrees-around-specific-point (дата обращения: 27.01.2019).
8. Лукьяница, А. А. Цифровая обработка видеоизображений / А. А. Лукьяница, А. Г. Шишкин. – Москва : Ай-Эс-Эс Пресс, 2009. – 512 c.