YOLO検出器を用いた堅牢なリアルタイム自動車ナンバープレート認識システム

自動車ナンバープレート認識（ALPR）は、多くの実用的な応用例があるため、頻繁に研究の対象となっています。しかし、現行の多くの解決策は依然として実世界の状況では堅牢性に欠けており、多くの制約条件下でのみ機能することが一般的です。本論文では、最先端のYOLOオブジェクト検出器を基盤とする堅牢で効率的なALPRシステムを提案します。各ALPRステージのために畳み込みニューラルネットワーク（CNNs）が訓練および微調整され、異なる条件（例えば、カメラ、照明、背景の変動）下でも堅牢性を確保しています。特に文字分割と認識のために、反転したナンバープレート（LPs）や反転した文字などの単純なデータ拡張トリックを用いた二段階アプローチを設計しました。この結果得られたALPR手法は、2つのデータセットで印象的な結果を達成しました。まず、101台の車両ビデオから2,000フレームで構成されるSSIGデータセットにおいて、当システムは認識率93.53%と47フレーム毎秒（FPS）を達成し、SighthoundおよびOpenALPR商用システム（それぞれ89.80%と93.03%）よりも優れた性能を示し、以前の結果（81.80%）よりも大幅に改善しています。次に、より現実的なシナリオを目指して、大規模な公開データセットであるUFPR-ALPRデータセットを導入しました。このデータセットには150ビデオと4,500フレームが含まれており、カメラと車両が移動している状況で撮影されています。また、異なる種類の車両（乗用車、バイク、バス、トラック）も含まれています。当社が提案するデータセットにおいては、商用システムの試用版は認識率が70%未満でした。一方で、当システムは認識率78.33%と35 FPSで優れた性能を発揮しました。