體驗區
|
| 篇名 |
深度學習YOLOv4物件偵測技術建立即時動態車牌辨識系統
|
| 並列篇名 |
Data Visualization of Unstructured Text Mining Analysis
|
| 作者 |
劉振隆(Jenn-Long Liu)
、劉恩睿(En-JUI Liu)
|
| 中文摘要 |
建立一個入侵偵測系統(Intrusion Detection System, IDS)上，傳統作法可能採用如圖像相似度來進行比對與分析，此種方法雖簡單快速，但主要缺點為無法明確知道所偵測到的物件為何物。鑒於目前屬於電腦視覺領域正在發展中的YOLO (You Only Look Once)物件偵測技術係以深度學習為基礎，相較其他物件偵測技術上，YOLO具有高效率的物件偵測能力並能準確地識別出物件之種類與位置定位。另外，車牌辨識系統的建立在現今科技執法中可進行違規取締、車流分析與交通疏導等任務，尤其在過去執法人員為了追蹤違規車輛，必須透過調閱大區域範圍內的有用監視器，利用肉眼過目可疑時段的畫面來找尋特定車牌，相當的耗時與費力，但若透過車牌辨識系統的有效執行將可大幅度減輕工作量。故本文將採用YOLOv4偵測技術應用於車牌輪廓(contour)與定位(position)偵測，再以光學字元辨識(Optical Character Recognition, OCR)以及採用字元分割(Character Segmentation)之卷積神經網路(Convolutional Neural Network, CNN)技術執行車牌字元辨識，以建立高效率的YOLO-CNN即時動態車牌辨識系統。技術建立有效的車牌辨識系統。本文使出這種以深度學習為基礎之YOLOv4物件偵測技術應用於車牌辨識，將進行靜態照片與動態影片之物件偵測分析以及靜態停放與動態行駛之台灣汽機車的車牌辨識分析上，本文並將以TKinter建立整合GUI (Graphic User Interface)系統可顯示車輛、車牌偵測與定位影像以及車牌辨識之呈現。
|
| 頁次 |
001-018
|
| 關鍵詞 |
YOLO物件偵測技術
、光學字元辨識(OCR)
、卷積神經網路(CNN)
、車牌偵測
、TKinter
、整合GUI系統
、YOLO Object Detection Technology
、Optical Character Recognition (OCR)
、Convolutional Neural Network (CNN)
、License Plate Detection
、TKinter
、Integrated GUI System
|
| 卷期 |
13:1
|
| 日期 |
202305
|
| 刊名 |
臺東大學綠色科學學刊
|
| 出版單位 |
國立臺東大學理工學院
|
|
相關文獻 :
客服信箱