Модель і засоби візуальної ідентифікації автомобілів у системі контролю доступу на транспортні майданчики
Автор: Трач Владислав Ігорович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні управляючі системи та технології
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Актуальність. Зростання інтенсивності транспортних потоків, підвищені вимоги до автоматизації перевірки транспортних засобів та необхідність роботи в реальних умовах зйомки (змінне освітлення, кутові викривлення, шуми, неоднорідність номерних знаків) зумовлюють потребу у створенні стійких та інтерпретованих систем автоматичного розпізнавання номерних знаків (ALPR). Існуючі рішення часто демонструють нестабільність і обмежену прозорість роботи, що ускладнює їх інтеграцію у системи безпеки та контролю доступу. Об’єкт дослідження – процес автоматичного візуального розпізнавання номерних знаків транспортних засобів. Предмет дослідження – методи, алгоритми та технології детекції, геометричної та фотометричної нормалізації та OCR-розпізнавання номерних знаків у локальних системах контролю доступу. Мета дослідження – розроблення інтелектуальної локальної системи автоматичного розпізнавання номерних знаків із підвищеною точністю, стійкістю до складних умов зйомки та можливістю детального покрокового аналізу роботи алгоритму. Методи та інструменти дослідження. У роботі застосовано методи комп’ютерного зору та глибокого навчання: детекцію номерного знака на основі моделі YOLOv8; гібридну геометричну нормалізацію із використанням перетворення Гафа та аналізу головних компонент (PCA); адаптивну фотометричну обробку; багатоваріантний OCR-аналіз із подальшою автокорекцією розпізнаних символів відповідно до форматів українських номерних знаків. Реалізовано модуль інтерпретації, що фіксує усі проміжні етапи обробки (debug-галерею) для прозорої діагностики роботи системи. Результати та практичне значення. Проведено експериментальне порівняння розробленого пайплайна з класичними (MSER, порогова сегментація, Tesseract) та нейромережевими підходами (EAST, базові моделі YOLO та EasyOCR). Показано, що запропонована система забезпечує вищу точність, значно кращу стійкість до шумів, кутових викривлень та низького контрасту, а також стабільність при обробці зображень різної якості. Реалізоване рішення може бути інтегроване у локальні комплекси контролю доступу, системи відеоаналітики та корпоративні безпекові платформи без залежності від хмарних сервісів. Дана магістерська робота складається зі вступу, чотирьох розділів, висновків, списку використаних джерел та додатків. У першому розділі обґрунтовано актуальність проблеми та проаналізовано сучасні підходи до ALPR. Другий розділ присвячено побудові загальної архітектури системи та опису її функціональних модулів. У третьому розділі наведено розроблене програмне забезпечення та детальний опис реалізованих алгоритмів. Експериментальна частина роботи викладена у четвертому розділі, де представлено результати тестування системи та їх порівняльний аналіз. Загальний обсяг роботи становить 133 сторінки, у тому числі 117 сторінок основного тексту містить 24 рисунків, 4 таблиці, список використаних джерел налічує 32 найменування. Ключові слова: інтелектуальна система, розпізнавання номерних знаків, комп’ютерний зір, глибоке навчання, OCR, YOLOv8, контроль доступу.