Java ile JavaANPR Kullanarak Plaka Tanıma
(Öncelikle daha önceki Araç Plakası Okuma yazıma bakmadıysanız buradan ulaşabilirsiniz. OpenALPR ile Plaka Tanıma yazımıza ise buradan göz atabilirsiniz.)
Java platformu için geliştirilmiş bir plaka tanıma kütüphanesidir. Kendi içerisinde yer alan bir çok özgün algoritma sayesinde çok iyi sonuçlar verebilmektedir. Rusya ve Avrupa plakalarını doğrudan destekliyor. Özelleştirilebilir yapısı sayesinde istediğiniz ülkenin standartlarını tanıtabilirsiniz. Açık kaynak kodlu ve ücretsiz bir kütüphanedir. http://javaanpr.sourceforge.net/ sitesi üzerinden kaynak kodları ve dokümanları bulabilirsiniz. (Dokümanı okumayacağınızı biliyorum ama okumanızı öneririm, hatta bu yazıyı kapatın dokümanı okuyun, ardından buraya gelirseniz bir çok şeyi öğrenirsiniz.) Snapshots klasörü içerisinde örneklerde kullanılmak üzere oluşturulmuş bir çok araç plakası mevcuttur.
- Kaynak kod: http://javaanpr.sourceforge.net/javaanpr.zip
- Kaynak kod (Github): https://github.com/oskopek/javaanpr
- Örnek resimler: http://javaanpr.sourceforge.net/snapshots.zip
- Doküman: http://javaanpr.sourceforge.net/anpr.pdf
- OpenHub: https://www.openhub.net/p/javaanpr
Javaanpr kaynak kodunu indirelim ve netbeans ile açalım. Eclipse kullanıyorsanız projeyi içe aktarabilirsiniz. Derleyip çalıştırdığınızda Türkiye plakalarını okumadığını göreceksiniz bunun için \resources\syntax.xml dosyasını aşağıdaki gibi değiştirin.
<?xml version="1.0" encoding="iso-8859-2"?>
<structure>
<type name="turkey_2x3x2">
<char content="0123456789"/>
<char content="0123456789"/>
<char content="abcdefghijklmno0pqrstuvwxyz"/>
<char content="abcdefghijklmno0pqrstuvwxyz"/>
<char content="abcdefghijklmno0pqrstuvwxyz"/>
<char content="0123456789"/>
<char content="0123456789"/>
</type>
<type name="turkey_2x2x4">
<char content="0123456789"/>
<char content="0123456789"/>
<char content="abcdefghijklmno0pqrstuvwxyz"/>
<char content="abcdefghijklmno0pqrstuvwxyz"/>
<char content="0123456789"/>
<char content="0123456789"/>
<char content="0123456789"/>
<char content="0123456789"/>
</type>
<type name="turkey_2x3x2">
<char content="0123456789"/>
<char content="0123456789"/>
<char content="abcdefghijklmno0pqrstuvwxyz"/>
<char content="abcdefghijklmno0pqrstuvwxyz"/>
<char content="abcdefghijklmno0pqrstuvwxyz"/>
<char content="0123456789"/>
<char content="0123456789"/>
</type>
<type name="turkey_2x2x36">
<char content="0123456789"/>
<char content="0123456789"/>
<char content=" 0123456789abcdefghijklmno0pqrstuvwxyz"/>
<char content="abcdefghijklmno0pqrstuvwxyz"/>
<char content="abcdefghijklmno0pqrstuvwxyz"/>
<char content=" 0123456789abcdefghijklmno0pqrstuvwxyz"/>
<char content="0123456789"/>
<char content="0123456789"/>
<char content="0123456789"/>
</type>
<type name="turkey_2x2x3">
<char content="0123456789"/>
<char content="0123456789"/>
<char content="abcdefghijklmno0pqrstuvwxyz"/>
<char content="abcdefghijklmno0pqrstuvwxyz"/>
<char content="0123456789"/>
<char content="0123456789"/>
<char content="0123456789"/>
</type>
</structure>
Burada yaptğımız şey Türkiyedeki plakalara göre bir tanımlama oluşturmak. Bazı plakaları ekledim, örneğim 2x2x3 ile ilk 2 karakter rakam sonraki 2 karakter harf ve son 3 karakter ise rakam olabilir diye belirttim. Bu şekilde istediğiniz plaka formatlarının tanımlamasını yapmalısınız.
resources/config.xml dosyası içerisini açarsanız, uygulamanın kullandığı yapılandırma ayarlarını göreceksiniz burada plaka tanımada kullanılacak olan algoritmalar, plakanın eni ve boyu, karakterlerin boyutları vs. gibi bir çok seçenek yer alır. Açıklamaları takip ederek ihtiyacınıza göre özelleştirebilirsiniz. Aşağıdaki gibi özelleştirdim, varsayılan olarakta bırakabilirsiniz.
<?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd"> <properties> <comment>This si global configuration file for Automatic Number Plate Recognition System</comment> <!-- PHOTO --> <!-- thresholding mode 0 - plain thresholding N - adaptive thresholding with radius N (must be greater or equal than 1) --> <entry key="photo_adaptivethresholdingradius">7</entry> <!-- thresholding mode --> <!-- SKEW DETECTION --> <!-- skew detection 0 - disable 1 - enable --> <entry key="intelligence_skewdetection">0</entry> <!-- skew detection --> <!-- PLATE CANDIDATES SEARCH --> <entry key="intelligence_numberOfBands">3</entry> <!-- how many bands from image should be extracted from image vertical graph --> <entry key="intelligence_numberOfPlates">3</entry> <!-- how many plates from band should be extracted from band horizontal graph --> <entry key="intelligence_numberOfChars">20</entry> <!-- maximum number of chars extracted from plate's horizontal graph --> <!-- PLATE HEURISTICS (DETERMINES CONSTRAINTS FOR PLATE ACCEPTANCE) --> <entry key="intelligence_minimumChars">5</entry> <!-- minimum number of detected characters --> <entry key="intelligence_maximumChars">15</entry> <!-- maximum number of detected characters --> <entry key="intelligence_maxCharWidthDispersion">0.5</entry> <!-- maximum character width dispersion --> <entry key="intelligence_minPlateWidthHeightRatio">0.5</entry> <!-- plate proportions: minimum plate width/height ratio --> <entry key="intelligence_maxPlateWidthHeightRatio">15.0</entry> <!-- plate proportions: maximum plate width/height ratio --> <!-- CHARACTER HEURISTICS (DETERMINES CONSTRAINTS FOR CHARACTERS ACCEPTANCE) --> <entry key="intelligence_minCharWidthHeightRatio">0.1</entry> <!-- char proportions: minimum char width/height ratio --> <entry key="intelligence_maxCharWidthHeightRatio">0.92</entry> <!-- char proportions: maximum char width/height ratio --> <entry key="intelligence_maxBrightnessCostDispersion">0.161</entry> <!-- maximum character brightness difference (from other chars) --> <entry key="intelligence_maxContrastCostDispersion">0.1</entry> <!-- maximum character contrast difference (from other chars) --> <entry key="intelligence_maxHueCostDispersion">0.145</entry> <!-- maximum character hue difference (from other chars) --> <entry key="intelligence_maxSaturationCostDispersion">0.24</entry> <!-- maximum character saturation difference (from other chars) --> <entry key="intelligence_maxHeightCostDispersion">0.2</entry> <!-- maximum character height difference (from other chars) --> <entry key="intelligence_maxSimilarityCostDispersion">100.0</entry> <!-- maximum character cost (recognition process) --> <!-- CHARACTER NORMALIZATION, FEATURE EXTRACTION AND RECOGNITION MODES --> <entry key="char_normalizeddimensions_x">8</entry> <!-- normalized character width (downsampled)--> <entry key="char_normalizeddimensions_y">13</entry> <!-- normalized character height (downsampled)--> <!-- path to directory containing already normalized characters. Dimensions of these characters must match with normalized characters width and height --> <entry key="char_learnAlphabetPath">./resources/alphabets/alphabet_8x13</entry> <!-- character downsampling methods 0 - linear resampling (good for preserving edges (edge detection)) 1 - weighted average (good for direct pixel mapping) --> <entry key="char_resizeMethod">1</entry> <!-- character downsampling method --> <!-- feature extraction method 0 - direct pixel mapping (good for blurred characters) 1 - edge detection (good for skewed/deformed characters) --> <entry key="char_featuresExtractionMethod">0</entry> <!-- feature extraction method. 0=map, 1=edge --> <!-- pattern classification methods 0 - euclidean distance pattern matching 1 - feedforward neural network --> <entry key="intelligence_classification_method">0</entry> <!-- classification method. 0=euclidean distance pattern mathing, 1=neural network --> <!-- NEURAL NETWORK LEARNING PARAMETERS --> <entry key="char_neuralNetworkPath">./resources/neuralnetworks/network_avgres_813_map.xml</entry> <!-- neural network topology file (caution : dimensions must match with selected extraction method) --> <entry key="neural_maxk">8000</entry> <!-- maximum number of iterations during learning process --> <entry key="neural_eps">0.07</entry> <!-- expected error ratio --> <entry key="neural_lambda">0.05</entry> <!-- lambda factor : speed of convergence --> <entry key="neural_micro">0.5</entry> <!-- micro factor : persistance ratio --> <entry key="neural_topology">20</entry> <!-- number of neurons in middle nn layer --> <!-- SYNTAX ANALYSIS OF RECOGNIZED PLATE --> <!-- syntax analysis mode : 0 - do not correct 1 - correct characters only if character count matchs 2 - correct characters anyway (eliminate redundant characters) --> <entry key="intelligence_syntaxanalysis">2</entry> <!-- syntax analysis mode --> <entry key="intelligence_syntaxDescriptionFile">./resources/syntax/syntax.xml</entry> <!-- CAR SNAPSHOT, BAND, PLATE GRAPH ANALYSIS --> <entry key="carsnapshot_graphrankfilter">9</entry> <entry key="carsnapshot_distributormargins">25</entry> <entry key="carsnapshotgraph_peakDiffMultiplicationConstant">0.1</entry> <entry key="carsnapshotgraph_peakfootconstant">0.55</entry> <entry key="bandgraph_peakDiffMultiplicationConstant">0.2</entry> <entry key="bandgraph_peakfootconstant">0.55</entry> <entry key="platehorizontalgraph_detectionType">1</entry> <!-- 1=edge detection 0=magnitude derivate --> <entry key="platehorizontalgraph_peakfootconstant">0.05</entry> <entry key="plateverticalgraph_peakfootconstant">0.42</entry> <entry key="plategraph_rel_minpeaksize">0.86</entry> <entry key="plategraph_peakfootconstant">0.7</entry> </properties>
Artık indirdiğimiz test uygulamasını çalıştırabiliriz. Main sınıfını çalıştırıyoruz. Image/load.. diyerek resimlerin bulunduğu klasörü seçerseniz, uygulama o klasör içerisinde dönerek tüm görselleri liste yükleyecektir. List üzerinden seçip recognize plate derseniz plakayı OCR edecektir.
Görüldüğü üzere aracın plakası OCR edildi. (Araç sahibi kim bilmiyorum internette buldum sahibi mail atarsa kaldırırım 🙂 ). Ülkemizde çok fazla plaka çeşidi var bir çok plaka için özelleştirilmesi gerekebilir. Artık size kalmış kaynak kodları değiştirerek istediğiniz projenizde kullanabilirsiniz.
