امروزه با پیشرفت تجهیزات تصویربرداری و الگوریتم­های پردازش تصویر شاخه­ های جدیدی در این علم به وجود آمده است و هر روز شاهد عرضه­ ی سیستم­های تصویری پیشرفته در کاربردهای گوناگون آن هستیم. یکی از کاربردهای پردازش تصویر، در زمینه­ ی حمل و نقل می­باشد.

سیستم­های شناسایی پلاک خودرو کاربردهای گسترده­ ای دارند که از آن جمله می­توان به سیستم­های پرداخت الکترونیکی پارکینگ، پرداخت خودکار عوارض در بزرگراه­ها و آزادراه­ها، مدیریت هوایی برای نظارت ترافیک، بازیابی اتومبیل­های به سرقت رفته و شناسایی اتومبیل­ها با حکم باز برای دستگیری، دیده ­بانی معابر و گلوگاه­ها و مرزها و گزارش سریع خودروهای سرقتی عبور کرده از آنها، ثبت اطلاعات ترافیکی دقیق و جامع از تردد خودروها در معابر، گرفتن اتومبیل­های سرعت بالا با مقایسه­ ی متوسط زمانی که طول می­کشد تا خود را از یک دوربین ثابت به دوربین ثابت دیگری برسانند، تعیین اینکه خودروها به یک پارکینگ تعلق دارند یا ندارند، تسریع پارکینگ با حذف نیاز به تایید انسان برای عبور از پارکینگ، محاسبه­ ی مدت سفر، برآورد مسیر سفر [۱]، اندازه­ گیری سرعت متوسط خودروها، کنترل سرعت، اجرای قوانین راهنمایی و رانندگی، ثبت تخلفات، کنترل جریان ترافیک، آنالیز ترافیک، آمارگیری رفت و آمد در جاده ­ها، سیستم مدیریت پارکینگ­ های عمومی و خصوصی، شناسایی وسایل نقلیه سرقت رفته، تعیین فقدان پلاک، ردیابی خودروها، زمینه­های انتظامی، امنیتی و نظامی اشاره کرد [۲] [۳] [۴]. علاوه بر آن، در این تکنولوژی نیاز به نصب هیچ ابزاری بر روی اتومبیل مانند فرستنده و یا پاسخ دهنده نداریم.

به طور کلی نظارت و کنترل دقیق بر تردد خودروها با شناسایی و تشخیص پلاک خودرو انجام می گیرد.

کنترل و اخذ عوارض ورود به محدوده طرح ترافیک

امروزه شهرهای بسیاری (از جمله تهران) ورود خودروها به منطقه مرکزی شهر را به منظور کنترل ترافیک آن محدود ساخته ­اند. از آنجا که استفاده از روش­های سنتی (قرار دادن نیروهای پلیس در تمامی مبادی محدوده) هم پرهزینه و هم کم دقت است، راه حل­های جدیدی برای کنترل و اخذ عوارض ورود به محدوده پرتردد شهرها پیشنهاد شده است. یکی از این راه حل­ها (که برای مثال در استکهلم و لندن استفاده می­شود) استفاده از فناوری شناسایی پلاک خودرو است. در این راه حل، دوربین­های شناسایی پلاک خودرو در تمامی مبادی طرح نصب می­شوند و ورود هر خودرو به محدوده طرح ثبت می­شود. سپس مانند روش اخذ عوارض، فرصتی به راننده داده می­شود تا عوارض ورود به طرح را تا زمان مقرر پرداخت کند. در غیر این صورت، راننده طبق قانون ملزم به پرداخت جریمه خواهد بود.

اخذ عوارض جاده­ها و بزرگراه ­ها به صورت خودکار

از آنجا که وجود مانع بر سر راه خودروها در عوارضی باعث کند شدن حرکت، ایجاد ترافیک، و به تبع آن آلودگی محیط زیست می­شود، راه­های مختلفی برای حذف موانع موجود در عوارضی­ ها پیشنهاد شده است. یکی از این راه­ها استفاده از سامانه­ ی شناسایی پلاک خودرو می­باشد. در این راه حل، خودروها بدون نیاز به توقف از عوارضی­ها عبور می­کنند و سامانه­ ی شناسایی پلاک خودرو شماره پلاک آنها را ثبت می­کند. براساس شماره پلاک، عوارض مربوطه محاسبه می­شود و راننده ملزم به پرداخت عوارض در زمان مشخصی خواهد بود. در صورت عدم پرداخت عوارض در زمان مقرر، خودرو طبق قانون جریمه خواهد شد.

محاسبه مدت سفر

تخمین مدت زمان سفر یکی از کاربردهای مهم سیستم­های ترافیک هوشمند می­باشد. در این کاربرد، مسافران می­توانند پیش از سفر به آمارها و اطلاعات مربوطه مراجعه کنند و تخمینی از مدت زمان سفر میان مبدا و مقصد خود داشته باشند. سامانه شناسایی پلاک خودرو یکی از راه حل­های مناسب جهت این کاربرد به شمار می­رود. در این راه حل، سامانه­ی شناسایی پلاک خودرو در نقاط مختلف یک جاده نصب می­شود (برای مثال در مبدا و مقصد) و بنابراین مدت زمان سفر را به صورت تفکیک شده برای هر خودرو محاسبه می­کند. با تحلیل آماری این مدت برای تمامی خودروها می­توان با دقت مطلوبی، متوسط و تغییرات آن در زمان­های مختلف روز و هفته را در جاده اندازه گرفت و برای تصمیم­گیری در اختیار عموم قرار داد.

اندازه ­گیری سرعت متوسط خودروها

علاوه بر روش­های معمول اندازه ­گیری سرعت که در یک نقطه­ ی خاص سرعت خودروها را محاسبه می­کنند، روش­هایی نیز جهت محاسبه سرعت متوسط خودروها در یک مسیر وجود دارد. جهت اندازه­ گیری سرعت متوسط نیاز به تشخیص هویت خودروها در ابتدا و انتهای مسیر می­باشد. تشخیص و شناسایی پلاک خودرو یکی از راه­های مناسب جهت تشخیص هویت خودروها و به تبع آن اندازه­ گیری سرعت متوسط آنها می­باشد. در این راه حل، دوربین­های تشخیص پلاک در چندین نقطه از مسیر نصب می­شوند و با ثبت زمان تردد خودرو از مقابل هر یک از آنها، امکان محاسبه سرعت متوسط خودرو میان هر دو نقطه متوالی وجود دارد. در این راه حل، حتی اگر رانندگان در مقابل این دوربین­ ها ترمز کنند تاثیر چندانی در سرعت متوسط محاسبه شده در مسیر نخواهند گذاشت و بنابراین تا حدی در مقایسه با روش­های مبتنی بر سرعت نقطه ­ای برتری دارد.

سرعت­ سنجی خودرو

رشد استفاده از سیستم­های کنترل هوشمند سرعت و ثبت تخلف در سال­های اخیر مشهود بوده است. این سیستم­ها برای تشخیص سرعت خودروهای عبوری، از روش­های متفاوتی استفاده می­کنند. در این زمینه می­توان از الگوریتم­های پردازش تصویر استفاده کرد. با استفاده از دو دوربین و کالیبره کردن آنها و پردازش تفاوت دید موجود در تصاویر بدست آمده از دو دوربین امکان تشخیص عمق خودروی عبوری فراهم می­شود و با توجه به مکان خودرو در لحظه­ های مختلف، سرعت خودرو قابل محاسبه است. از مزایای استفاده از روش سرعت­ سنجی خودروها به کمک پردازش تصویر نسبت به دیگر روش­ها مانند رادار و یا لیزر، پسیو بودن این روش است. بدین ترتیب امکان ثبت نشدن تخلف به علت استفاده متخلف از دستگاه­های مختل کننده وجود ندارد. همچنین دستگاه­های هشدار دهنده وجود سیستم­های سرعت­ سنج که با آشکارسازی امواج رادار به متخلف هشدار می­دهند نیز دیگر کاربری نخواهند داشت. این سیستم­های سرعت­ سنج دارای دو نوع هستند: [۵]

• سرعت­ سنج ثابت که بر روی پایه­ هایی در کنار بزرگراه­ها و جاده­ها نصب می­شوند.

این سیستم که وظیفه ­ی تشخیص سرعت و خواندن پلاک خودروهای عبوری را برعهده دارد، از الگوریتم­های پیچیده پردازش تصویر جهت سنجش سرعت و قرائت پلاک وسایل نقلیه بهره می­برد. خطای سرعت­ سنجی این سیستم ۱% و دقت پلاک­خوانی آن بیش از ۹۵% می­باشد و با این وصف سامانه مذکور تخصصی­ ترین سیستم در این زمینه می­باشد. با بهره­ گیری از چند سیستم در یک مسیر و پلاک­خوانی تمامی خودروها می­توان سرعت متوسط خودروهای عبوری را استخراج کرد و از آن جهت اعمال قانون استفاده کرد.

سیستم با استفاده از نورپردازی در محدوده ­ی مرئی و مادون قرمز؛ توانایی کار در همه ساعات شبانه­ روز و انواع شرایط آب و هوایی را دارا می­باشد. استفاده از پردازش تصویر استریو این امکان را برای سیستم مهیا می­ سازد که ترددها را مستقل از اندازه و شکل خودرو ثبت کرده و در دو دسته خودروهای سبک و سنگین طبقه ­بندی کند.

توانایی پلاک­خوانی این سیستم بسیار پایدار است و در صورتی که پلاک­ها سایه­ دار، تاریک و کثیف و یا مخدوش باشند تا حدی که برای چشم قابل تشخیص باشند سامانه تا حد چشمگیری از عهده قرائت آنها برمی­آید.

• سرعت­ سنج خودرویی که بر روی خودروی پلیس سوار می­شود. به علت حرکت خودروی پلیس استفاده از الگوریتم­های ثابت کننده تصویر به منظور حذف حرکت خودروی پلیس لازم می­باشد. از این نمونه بر روی خودروهای زانتیای کنترل نامحسوس پلیس ایران نصب شده است.

پلاک­خوانی خودرو

با آموختن نویسه­ هایی که پلاک خودرو از آن تشکیل شده است می­توان در تصویر بدست آمده از دوربین پلاک­خوان به دنبال آن نویسه­ ها گشت. سیستم­های پلاک­خوان خودرو کاربردهای مختلفی دارد که می­توان به چند نمونه اشاره کرد:

• پلاک­خوانی پارکینگ­ های مجتمع­های بزرگ
• پلاک­خوانی جهت کنترل عبور و مرور در مرزها
• پلاک­خوانی خودروهای متخلف در سیستم­های ثبت تخلف و اعمال جریمه

سیستم حمل و نقل هوشمند یک ابزار مهم برای تجزیه و تحلیل و کنترل وسایل نقلیه در حال حرکت در شهرها و بزرگراه ­هاست و در سال­های اخیر تحقیقات زیادی بر روی آن انجام شده است. امروزه تشخیص و شناسایی خودکار پلاک خودرو، یک عنصر کلیدی برای هر سیستم حمل و نقل هوشمند در هر یک از کاربردهای گفته شده می­باشد.

برگرفته از پایان نامه کارشناسی ارشد خانم میترا عبداللهی

محصولات مرتبط با این مقاله در شرکت شهاب :

• پلاکخوان ساتپا – کتابخانه تشخیص پلاک
• سیستم مدیریت پارکینگ آی پلاک – با قابلیت پلاکخوانی هوشمند

مراجع:

[۱]

H. Chen, X. Xie, Y. Feng and J. Zhou, “A Novel Method of Trip Route Estimation Based on Vehicle License Plate Recognition System,” Procedia – Social and Behavioral Sciences, vol. 96, pp. 643-652, 2013.

[۲]

Y. Wang, W. Lin and S. Horng, “A sliding window technique for efficient license plate localization based on discrete wavelet transform,” Expert Systems with Applications, vol. 38, pp. 3142-3146, 2011.

[۳]

M. Zahedi and S. Salehi, “License Plate Recognition System Based on SIFT Features,” Procedia Computer Science, vol. 3, pp. 998-1002, 2011.

[۴]

F. Öztürk and F. Özen, “A New License Plate Recognition System Based on Probabilistic Neural Networks,” Procedia Technology, vol. 1, pp. 124-128, 2012.

[۵]

H. Tohidi, A. Mustafa, A. Sojoodi, M. Kaviani, A. Ostadi, H. Khaledi, M. Rahimi, M. Noghani, A. Poursaberi and S. Salem, “A Vision Based Law Enforcement System,” in Proceedings of the International Conference on Image Processing, Computer Vision and Pattern Recognition, United States , 2009.