Создание и программная реализация технологии распознавания номерных знаков с использованием синтетических обучающих выборок на основе сверточных нейросетей и бустинга.

Инструментарий: связка Caffe + Linux; Keras+Theano, OpenCV, Python

Результаты работы: на основе метода Виолы-Джонса был программно реализован детектор фрагмента видеокадра, содержащего номерной знак. На основе операторов Собеля и Канни реализована дальнейшая сегментация фрагмента с номерным знаком, и на основе преобразования Хафа реализован детектор наклона номерного знака, его выравнивания и центрирования. Написан генератор и с его помощью сгенерирована собственная база искусственных размеченных данных, релевантных реальным условиям съема. Обучающий датасет был заточен под низкое разрешение камеры, искажения моделировались рандомно при помощи аффинных преобразований и преобразования перспективы, размытие-масками Гаусса. Использовалась также аугментация при помощи функционала библиотеки Keras. На основе простой сверточной нейросети (типа Lenet) и скользящего окна реализован общий подход по распознаванию символов и номерных знаков. На основе бинаризации Оцу и поиска 4-связных областей реализована автоматическая разметка дорожного полотна (по яркостному фону) для разделения транспортных потоков. Алгоритм строился для двухполосного движения, хотя можно обобщить на несколько полос. Работа выполнялась с использованием CPU, вследствие чего пришлось использовать разные преобразования, хотя удобнее было бы использовать нейросети для локализации области номерного знака вместо каскадов Хаара.