Một tiếp cận nhanh và hiệu quả cho nhận dạng số hiệu container

Nhận dạng số hiệu container giúp tự động thu thập thông tin nhanh chóng và chính xác của các xe container ra vào tại các cảng biển. Hệ thống nhận dạng gồm hai bước chính gồm phát hiện vùng ảnh chứa số hiệu và nhận dạng số hiệu. Các ký tự trong số hiệu thường bị xô lệch do sự lượn sóng của vỏ container hay góc chụp ảnh. Bài viết trình bày một cách tiếp cận nhanh và hiệu quả cho nhận dạng số hiệu container. Đầu tiên, các kỹ thuật tiền xử lý được áp dụng để làm nổi bật ký tự trên ảnh nền.
Nội dung trích xuất từ tài liệu:
Một tiếp cận nhanh và hiệu quả cho nhận dạng số hiệu container Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIV về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), TP. HCM, ngày 23-24/12/2021 DOI: 10.15625/vap.2021.0052 MỘT TIẾP CẬN NHANH VÀ HIỆU QUẢ CHO NHẬN DẠNG SỐ HIỆU CONTAINER Nguyễn Văn Tảo1, Nông Thị Hoa2 1 Trường ĐH Công nghệ thông tin và Truyền thông, ĐH Thái Nguyên 2 Đại học Duy Tân, Đà Nẵng nvtao@ictu.edu.vn, nongthihoa@duytan.edu.vn TÓM TẮT: Nhận dạng số hiệu container giúp tự động thu thập thông tin nhanh chóng và chính xác của các xe container ra vào tại các cảng biển. Hệ thống nhận dạng gồm hai bước chính gồm phát hiện vùng ảnh chứa số hiệu và nhận dạng số hiệu. Các ký tự trong số hiệu thường bị xô lệch do sự lượn sóng của vỏ container hay góc chụp ảnh. Vì vậy, việc nhận dạng đúng các ký tự bị xô lệch trong số hiệu container thường khó khăn. Các nghiên cứu trước đây thường dùng mạng nơron với học sâu hay Support Vector Machine để nhận dạng nên quá trình huấn luyện và nhận dạng thường phức tạp và tốn thời gian. Hơn nữa, các cảng biển đều đòi hỏi thời gian nhận dạng số hiệu container trong vòng vài giây do có số lượng lớn container ra vào. Trong bài báo này, chúng tôi trình bày một cách tiếp cận nhanh và hiệu quả cho nhận dạng số hiệu container. Đầu tiên, các kỹ thuật tiền xử lý được áp dụng để làm nổi bật ký tự trên ảnh nền. Tiếp theo, dùng kỹ thuật cửa sổ trượt để xác định vùng ảnh chứa số hiệu. Sau đó, tách từng ký tự dựa trên đặc trưng về sự thay đổi màu liên tục trên vùng ảnh chứa số hiệu. Cuối cùng, áp dụng cây quyết định theo thuật toán C4.5 để giảm thời gian huấn luyện và nhận dạng từng ký tự. Các thử nghiệm được làm trên các ảnh thật được chụp tại các cảng biển tại Việt Nam và Singapore. Kết quả thực nghiệm cho thấy cách tiếp cận đưa ra đạt độ chính xác cao và trong khoảng thời gian ngắn phù hợp với các ứng dụng thực. Từ khóa: Nhận dạng ký tự, nhận dạng số hiệu container, cây quyết định, xử lý ảnh, trí tuệ nhân tạo. I. GIỚI THIỆU Hệ thống nhận diện số hiệu container vào ra tại các cảng biển giúp cho việc thu thập thông tin được nhanh chóng và chính xác. Một hệ thống nhận diện số hiệu container có hai giai đoạn chính gồm phân tích ảnh để tìm ra vùng ảnh chứa số hiệu và dùng một kỹ thuật học máy để nhận diện các kí tự trong số hiệu. Các khó khăn trong bước nhận dạng số hiệu do nhiều nguyên nhân như: sự xô lệch của dãy ký tự do sự lượn sóng của vỏ container hoặc do góc nghiêng của camera, sự mờ của ảnh do ảnh thiếu sáng, một số ký hiệu còn bị mất một phần hình ảnh do bị bong sơn hay bị bẩn. Vì vậy, nhu cầu nhận dạng chính xác các kí tự trong số hiệu là hết sức cần thiết. Các nghiên cứu trước đây thường dùng mạng nơron với học sâu hay Support Vector Machine (SVM) để nhận dạng nên quá trình huấn luyện và nhận dạng thường phức tạp và tốn thời gian. Hơn nữa, các cảng biển đều đòi hỏi thời gian nhận dạng số hiệu trong vòng vài giây do số lượng lớn container thường xuyên ra vào. Trong bài báo này, chúng tôi trình bày một cách tiếp cận để nhận dạng nhanh và hiệu quả số hiệu container. Đầu tiên, các kỹ thuật tiền xử lý được áp dụng để làm nổi bật ký tự trên ảnh nền. Tiếp theo, dùng kỹ thuật cửa sổ trượt để xác định các vùng ảnh chứa số hiệu. Sau đó, tách từng ký tự dựa trên đặc trưng về sự thay đổi màu liên tục trên vùng ảnh chứa số hiệu. Cuối cùng, áp dụng cây quyết định theo thuật toán C4.5 để giảm thời gian huấn luyện và nhận dạng từng ký tự. Để chứng minh tính hiệu quả của cách tiếp cận đề xuất, các thực nghiệm được làm trên các ảnh được thu thập ở một số cảng biển của Việt Nam và Singapore. Kết quả thực nghiệm cho thấy độ chính xác đạt 98.31% và tổng thời gian xử lý nhỏ hơn 1 giây. Phần còn lại của bài báo được tổ chức như sau: trong Phần II, các nghiên cứu liên quan được tổng hợp. Trong Phần III, chúng tôi mô tả quy trình nhận dạng số hiệu container. Phần IV trình bày cách tiếp cận của chúng tôi trong việc nhận dạng số hiệu container. Phần V cung cấp kết quả thực nghiệm đánh giá độ chính xác trong nhận dạng số hiệu container. Cuối cùng, một số kết luận được nêu ra trong Phần VI. II. CÁC NGHIÊN CỨU LIÊN QUAN Nhiều kỹ thuật đã được áp dụng để phát hiện ra vùng chứa số hiệu container nhanh và chính xác. R. Zhang và đồng nghiệp [1] đã dùng học sâu với mạng nơron CRNN để nhận dạng số hiệu từ các vùng hộp bao quanh các phần chữ và hộp bao quanh phần số trong số hiệu container. L. Cao và đồng nghiệp [2] dùng các mạng nơron CNN khác nhau để nhận dạng số hiệu tùy theo cách trình bày số hiệu container trên vỏ là dạng ngang hay dọc. Nghiên cứu này có hai dạng trình bày ngang và hai dạng trình bày dọc. W. Zhiming và đồng nghiệp [3] đã dùng học sâu với mạng Faster-RCNN để nhận dạng trực tiếp số hiệu container mà không có phần tách vùng chứa code. Y. Jia [4] đã dùng hai kỹ thuật mạng CNN và đối sánh mẫu để nhận dạng số hiệu. Kết quả ra của hai kỹ thuật được hợp nhất để tạo ra kết quả nhận dạng tốt hơn. C. Li và đồng nghiệp [5] xác định vùng chứa số hiệu và chia thành 3 phần gồm phần chữ, phần số và số kiểm tra. Sau đó, từng phần của số hiệu được nhận dạng bằng mạng nơron CRNN. Y. Liu và đồng nghiệp [6] đã dùng mạng nơron với CRNN để nhận dạng số hiệu từ vùng hộp bao quanh số hiệu. A. Verma và đồng nghiệp [7] dùng mạng chuyển đổi không gian (Spatial Transformer Networks) để nhận dạng số hiệu từ vùng hộp bao quanh số hiệu. Z. Wang và đồng nghiệp [8] đã dùng mạng nơron học sâu với đặc trưng HED (holistically-nested edge detection) để nhận dạng số hiệu. L. Mei và đồng nghiệp [9] đã dùng học sâu với mạng CNN và đối sánh mẫu để nhận Nguyễn Văn ...