文献

J-GLOBAL ID：201802275197176984   整理番号：18A0445683

自動ナンバープレート認識【Powered by NICT】

Automatic car number plate recognition

著者 (3件)： Sasi Anumol (Electrical Engineering Department, Veermata Jijabai Technological Institute, Mumbai, India) ,  Sharma Swapnil (Electrical Engineering Department, Veermata Jijabai Technological Institute, Mumbai, India) ,  Cheeran Alice N. (Electrical Engineering Department, Veermata Jijabai Technological Institute, Mumbai, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIIECS  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 交通監視システムはナンバープレート数の検出と同定を含む車両の検出を含んでいる。本論文では,三つの効率的なアルゴリズム,すなわち蟻コロニー最適化(ACO)は,個々の文字認識のための帰納的学習とSVMに基づくエッジ,文字セグメンテーションと抽出アルゴリズムと階層的複合分類法を同定するための板局在を用いて自動的に車両ナンバープレート検出の知的アプローチを提案した。最初アリコロニー最適化アルゴリズムの性能を,エッジ検出のための既存のアルゴリズム,すなわちCanny,Prewitt,Roberts,メキシカンハットとSobel演算子と比較した。通信システムで使用されるアリコロニー最適化はある種の限界があるエッジ検出画像におけるランダム初期アリ位置と発見的情報遷移確率による高口述されに用いた。本論文では,明確に定義された初期アリ位置を割り当てることと遷移確率についての付加的情報を提供する発見的値を計算するために重みを利用するような修飾は,限界を克服するために使用されている。さらに文字の位置と寸法を同定するためのKohonenニューラルネットワークの概念を用いた特徴抽出とセグメンテーションアルゴリズムは,既存のヒストグラムと接続された画素法との比較と共に提示した。最後に帰納学習に基づく分類法はサポートベクトルマシンに基づく分類法と比較し,文字認識のための帰納的学習とサポートベクトルマシン両方に基づくアプローチを用いた複合分類法を提案した。提案した文字認識アルゴリズムは他の二よりも効率的である可能性がある。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ヒストグラム ,  文字認識 ,  帰納学習 ,  サポートベクトルマシン ,  画素 ,  監視装置 ,  エッジ検出 ,  セグメンテーション ,  遷移確率 ,  *アルゴリズム ,  最適化 ,  特徴抽出
準シソーラス用語： アリコロニー最適化 ,  分類法 ,  *ナンバープレート , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： ナンバー