Derin öğrenme yöntemi ile araç ve plaka tanıma

Abstract

Yapılan çalışmada, görüntü üzerinden araç ve plaka tanıma çalışması yapılmıştır. Bu çalışmada kullanılan veriler sahadan toplanan gerçek veriler olup, model eğitim ve test işlemi bu veriler üzerinden gerçekleşmiştir. Öncelikle, piyasada mevcut birçok araç ve plaka tanıma çalışması yapılmıştır ve yapılan çalışmalarda özellikle araç tanıma kısmında etiketlenen resimler aracın tamamını kapsamaktadır. Literatürde yapılan bu çalışmalarda, araç tanıma için her marka ve model araçlar veri setinde bulunmak zorundadır. Örneğin son model bir araç ile aynı markaya ait on yaşında bir araç veri setinde ayrı ayrı bulunmak zorundadır. Yine herhangi bir model için binek (hususi oto) ve binek olmayan (otobüs, truck, kamyon... vb.) markaların her birinin ayrı ayrı veri setinde bulunmak zorundadır. Eğer herhangi biri veri setinde bulunmaz ise o modeli tespit edemez. Yine literatürde yapılan çalışmada, gelecek sene çıkacak yeni modellerde kasa değişimi olacağı için oluşturulan nesne tespit modeli bu araçları da görüntü üzerinden tespit edemeyecektir. Bundan dolayıdır ki yeni modeller piyasaya çıktığında bu modellerle tekrardan bir eğitim aşaması söz konusu olup nesne tespit modelinin güncellenmesi gerekecektir. Bu çalışmada ise yukarıda bahsettiğimiz handikapların hiçbiri bulunmamaktadır. Bu çalışmada araç tanıma için yapılan yaklaşımda araçların amblemleri üzerinden araç tanıma yapılmaktadır. Bunun nedeni trafik halinde iken araç donanımında bulunan kameralar sayesinde diğer araçların marka ve plakalarını acil durumda tespit edilmesini sağlayarak, ilgili aracın bilgilerine ivedi bir şekilde ulaşılması amaçlanmaktadır. Yine mevcut piyasa koşullarında çok fazla araç ve marka olduğundan ilgili aracı sadece amblem üzerinden tanımak kullanıcılara hız ve doğru araç ve plaka tespit etme imkânı sunmuştur. Araç üzerinde bulunan amblemler çok kolay değiştirilemeyeceğinden dolayı, bu çalışmada nesne tespit modeli bir defa oluşturulur. Gerek eski model araçlar da gerekse yeni çıkacak araçlarda veya binek ya da binek olmayan tüm bahsettiğimiz kategorilerdeki araçlarda amblem aynı kalacağından eski model veya gelecekte üretilecek olan araçları da nesne tespit modelini tekrar tekrar güncellemeden araç ve plaka tespiti yapmış olacağız. Yapılan çalışmada sahadan araç verileri toplanmış olup bu veriler üzerinde etiketleme çalışması yapılarak görüntüde bulunan araçlar üzerindeki amblemler ve araçların plakaları üzerinden bir araç ve plaka tanıma çalışması yapılmıştır.

In the study, vehicle and license plate recognition studies were carried out on the image. The data used in this study are real data collected from the field, and the model training and testing process was carried out on these data. First of all, many vehicle and license plate recognition studies available in the market have been carried out, and the pictures tagged especially in the vehicle recognition section cover the entire vehicle. In these studies in the literature, every brand and model of vehicles must be included in the data set for vehicle identification. For example, a latest model vehicle and a ten year old vehicle of the same brand must be included in the dataset separately. Again, for any model, each of the passenger (private car) and non-passenger (bus, truck, truck ... etc.) brands must be in the data set separately. If any of them are not found in the data set, it cannot detect that model. Again, in the study conducted in the literature, the object detection model created will not be able to detect these vehicles over the image, since there will be a case change in the new models to be released next year. Therefore, when new models are released, there is a training phase with these models and the object detection model will need to be updated. In this study, however, none of the above mentioned handicaps are present. In this study, in the approach made for vehicle identification, vehicle identification is done through the emblems of the vehicles. The reason for this is to ensure that the brands and license plates of other vehicles are detected in an emergency, thanks to the cameras in the vehicle equipment while in traffic, and it is aimed to reach the information of the relevant vehicle immediately. Again, since there are too many vehicles and brands in the current market conditions, recognizing the relevant vehicle only through the emblem provided users with the opportunity to determine speed and correct vehicle and license plate. Since the emblems on the vehicle cannot be changed very easily, the object detection model is created once in this study. Since the emblem will remain the same on both old model vehicles, new vehicles, and vehicles in all categories that are passenger or non-passenger, we will detect vehicles and license plates for old models or vehicles that will be produced in the future, without updating the object detection model again and again. In the study, vehicle data were collected from the field, and a vehicle and license plate recognition study was carried out on the emblems and license plates of the vehicles in the image by tagging work on these data.