ระบบรู้จำป้ายทะเบียนรถยนต์ไทย ด้วยวิธีการโครงข่ายประสาทเทียมแบบแพร่กลับ Thai License Plate Recognition System by Using Back Propagation Neural Network

Main Article Content

กิตติ ทูลธรรม
จารุวรรณ ทูลธรรม

Abstract

บทคัดย่อ


งานวิจัยนี้นำเสนอระบบรู้จำป้ายทะเบียนรถยนต์ไทย ด้วยโครงข่ายประสาทเทียมแบบแพร่กลับ โดยแบ่งส่วน
องการวิจัยออกเป็น 3 ส่วนคือ ส่วนที่หนึ่งการระบุตำแหน่งของป้ายทะเบียน (License Plate Location :
LPL) โดยอาศัยวิธีการทางสัณฐานทางคณิตศาสตร์ (Mathematical Morphology) ส่วนที่สอง
การแยกตัวเลขและตัวอักษรแต่ละตัว ก่อนส่งต่อให้ส่วนต่อไปด้วยวิธีการของ Vertical และ Horizontal
Histogram ส่วนสุดท้ายการรู้จำตัวเลขและตัวอักษรด้วยวิธีการของโครงข่ายประสาทเทียมแบบแพร่กลับ
(Back Propagation Neural Network) ผลของการศึกษาพบว่า ส่วนของ LPL สามารถระบุตำแหน่ง
ป้ายทะเบียนได้อย่างถูกต้อง คิดเป็นร้อยละ 96 ส่วนของการแยกตัวเลขและตัวอักษรสามารถแยกตัวเลข
และตัวอักษรได้อย่างถูกต้องร้อยละ 98 และส่วนการรู้จำป้ายทะเบียนรถยนต์ไทยได้อย่างถูกต้องเป็น
ร้อยละ 95


Abstract


This article presents the application of back propagation neural network for recognizing
Thai license plate. This research consists of three parts: License Plate Location (LPL)
by using Mathematical Morphology, segmentation of characters by using Vertical and
Horizontal Histogram and recognition of plate character by using back propagation
neural network. The result showed the ability of LPL to be 96%. Vertical and Horizontal
Histogram segmentation was 98% and BPN for recognizing characters of Thai license
plate can be done with accuracy 95%.

Article Details

How to Cite
[1]
ทูลธรรม ก. and ทูลธรรม จ., “ระบบรู้จำป้ายทะเบียนรถยนต์ไทย ด้วยวิธีการโครงข่ายประสาทเทียมแบบแพร่กลับ Thai License Plate Recognition System by Using Back Propagation Neural Network”, RMUTI Journal, vol. 9, no. 2, pp. 50–62, Sep. 2016.
Section
Research article

References

Jin F. and Huaxiang, L. (2006). Peak Analysis of Grayscale Image: Algorithm and Application.International Journal of Information Technology. Vol. 12. No. 5. pp. 11-18

Khalil, M.I. (2011). Car Plate Recognition using the Template Matching Method. International Journal of Computer Theory and Engineering. Vol. 2. No. 5. pp. 683-687

Liu, Y., Cui, L., Shu, J. and Xin, G. (2009). License Plate Location Method Based on Binary Image Jump and Mathematical Morphology. International Journal of Digital Content Technology and its Applications. pp. 259-265

Mehdi R., Reza J. and Mashallah A.D. ( 2011). Efficient Parameters in Farsi License Plate Positioning by using Edges and Morphological Operator. Canadian Journal on Image Processing and Computer Vision. Vol. 2. No. 6. pp. 59-63

Sudhavani, G. and Sathyaprasad, K. (2009). Segmentation of Lip Images by Modified Fuzzy C-means Clustering Algorithm. IJCSNS International Journal of Computer Science and Network Security. Vol. 9. No. 4. pp. 187-191

Wang, Y. (2010). License Plate Location and Segmentation Based on Mathematical Morphology. Computer Applications Software. pp. 255-257

Xiaodan J., Xinnian W., Wenju L. and Haijiao W. (2007). A Novel Algorithm for Character Segmentation of Degraded License Plate Based on Prior Knowledge. IEEE International Conference on Automation and Logistics. pp. 249-253

Yungang, Z. and Changshui, Z. (2003). A New Algorithm for Character Segmentation of License Plate. IEEE Intelligent Vehicles Symposium Proceedings. pp. 106-109