| Titre : | Contrôle d’accès des véhicules par la reconnaissance automatique de leur plaque d’immatriculation |
| Auteurs : | WASSIM MABROUK, Auteur ; Sabrina Benameur, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2021 |
| Format : | 1 vol. (74 p.) / ill. / 29 cm |
| Langues: | Français |
| Mots-clés: | Reconnaissance automatique de plaque d’immatriculation (ALPR), Réseaux neuronaux Convolutionel (CNN), Reconnaissance optique des caractères Tesseract (OCR), Apprentissage Profond, Control d’accès. |
| Résumé : | La reconnaissance automatique des plaques d’immatriculation (ALPR) est devenue très importante dans notre vie quotidienne en raison de la croissance illimitée des voitures et des systèmes de transport, ce qui rend impossible la gestion et la surveillance de nombreux domaines par les humains, tels que la sécurité routière, la gestion des parkings, la poursuite des criminels. Dans ce mémoire, nous présenterons un système ALPR.Comme tout système ALPR, nous avons passé par un ensemble d’étapes, nous commençons d’abord par la capture de l’image d’un véhicule, puis nous exécutons une méthode de détection des plaques d’immatriculation construit par l’apprentissage profond utilisant les réseaux neuronaux(CNN). Par la suite on coupe cette plaque et on la convertit en une image en niveaux de gris, Les numéros de plaque d’immatriculation sont ensuite extraits en utilisant une fonction de la bibliothèque OCR tesseract, finalement on compare le contenu de notre plaque par les plaques qui sont déjà enregistrés dans la base de donnée du système et tout ça pour avoir le contrôle d’accès des véhicules dans un parking moderne. |
| Sommaire : |
Introduction générale ........................................................................................................................................ 1
Chapitre I : ....................................................................................................................................................... 3 La reconnaissance de plaque d’immatriculation: Etat de l’art ....................................................................... 3 1 Introduction ........................................................................................................................................ 3 2 Etat de l'art .......................................................................................................................................... 3 2.1 Un aperçu sur les plaque d’immatriculations ............................................................................. 3 2.1.1 Définition ............................................................................................................................. 3 2.1.2 Historique ............................................................................................................................ 3 2.1.3 La délivrance ....................................................................................................................... 3 2.1.4 Identification ................................................................. 4 2.1.5 Attribution des numéros ................................................. 4 2.1.6 Type des plaques ................................................................................................................. 5 2.2 Un aperçu sur les parkings .......................................................................................................... 6 3 La reconnaissance des formes ............................................................................................................ 7 3.1 Définition ..................................................................................................................................... 7 3.2 Système de reconnaissance des formes ..................................................................................... 7 3.2.1 Acquisition ........................................................................................................................... 8 3.2.2 Prétraitement ...................................................................................................................... 8 3.2.3 Segmentation ...................................................................................................................... 8 3.2.4 Extractions des primitives ................................................................................................... 9 3.2.5 Classification ....................................................................................................................... 9 3.2.5.1 L’apprentissage ............................................................................................................. 10 3.3 Méthodes de reconnaissance des formes ................................................................................ 11 3.3.1 Méthode de correspondance de modèle ......................................................................... 11 3.3.1.1 Corrélation .................................................................................................................... 12 3.3.1.2 Convolution ................................................................................................................... 13 3.3.2 Méthode statistique .......................................................................................................... 14 3.3.3 Approche syntaxique et structurelle ................................................................................. 14 3.3.4 Approche de réseaux de neurones .................................................................................... 15 4 L’importance du système de reconnaissance des plaques d’immatriculation dans l’entrée et la sortie du stationnement ........................................................................................................................................ 16 5 Les dernières technologies utilisées pour détecter les matricules ................................................... 17 5.1 LAPI (Lecture Automatique de Plaques d’Immatriculation) ..................................................... 17 5.1.1 Caractéristiques ................................................................................................................. 17 5.1.2 LAPI-ACCES ........................................................................................................................ 17 5.1.3 LAPI-ENGINE ...................................................................................................................... 18 5.1.4 LAPI-SMARTPHONE ........................................................................................................... 19 5.2 Système VIRONIC ....................................................................................................................... 19 A. Fonctionnement ........................................................................................................................ 19 B. Avantages .................................................................................................................................. 19 5.3 Système Auto-Vu ....................................................................................................................... 20 A. Fonctionnalités ...................................................................................................................... 20 5.4 OpenALPR .................................................................................................................................. 21 6 Autres applications utilisant le numéro d’immatriculation .............................. 22 7 Conclusion ................................................................................. 22 Chapitre 2 : .................................................................. 23 L’apprentissage profond ........................................................................ 23 1 Introduction ................................................................................. 23 2 Réseaux neuronaux ........................................................................... 23 2.1 Définition ........................................................................ 23 2.2 Architectures de réseaux de neurone ............................................ 23 2.2.1 Réseau d'anticipation à une seule couche .......................................... 23 2.2.2 Réseaux d’alimentation multicouches ............................................ 24 2.2.3 Réseaux récurrents ................................... 25 2.3 Types d’apprentissage automatique ....................................... 26 2.3.1 Apprentissage supervisé ........................................ 26 2.3.2 Apprentissage non supervisé ................................. 27 2.3.3 Apprentissage du renforcement .......................................... 27 2.3.4 Apprentissage semi-supervisé ............................................. 28 3 L’apprentissage profond ................................................... 28 3.1 Définition ............................................................ 28 3.2 Architectures d’apprentissage profond ............................ 29 3.2.1 Réseaux préétablis non supervises .................................. 29 3.2.2 Réseaux neuronaux récurrents(RNN) .............................. 31 3.2.3 Réseaux neuronaux récursifs (RNRs) ...................................... 32 3.2.4 Réseaux neuronaux convolutifs (RNC) ............................... 33 Hyper-paramètres de couche convolutionnelle : ....................... 37 Couches groupées : .................................... 37 4 Domaine d’application de l’apprentissage profond.............................. 40 4.1 Bio-informatique ....................................... 40 4.2 Santé ...................................................... 40 4.3 Robotique ..................................................... 41 4.4 Visual and vocal recognition .......................... 41 4.5 Reconnaissance visuelle et vocale .......................... 41 5 Les défis de l’apprentissage profond ................................................................................................ 42 5.1 La quantité de données utilisées .............................................................................................. 42 5.2 Le temps d’apprentissage trop élevé ........................................................................................ 42 5.3 Optimisation de l’hyper-paramètre .......................................................................................... 42 5.4 Difficulté à comprendre comment l’information arrive ...................... 42 6 L’apprentissage profond est sensible : ............................. 43 7 Conclusion .................................................................. 43 Chapitre 3 : .......................................................................... 44 Conception et implémentation ........................................ 44 1 Introduction ..................................................... 44 2 Conception générale de notre système ........................ 44 3 Conception détaillé ................................................ 45 3.1 L’apprentissage du modèle ................................... 46 3.1.1 La collecte et la préparation des ensembles de données (Description des données « dataset ») .. 46 3.1.2 Prétraitement des ensembles de données ............................... 47 3.1.2.1 Importer des bibliothèques ............................................ 48 3.1.2.2 Importer les ensembles de données ............................... 48 3.1.2.3 Prendre soin des données manquantes dans l’ensemble de données ................. 48 3.1.2.4 Encodage des données catégoriques ......................... 49 3.1.2.5 Diviser l’ensemble de données en ensemble de formation et ensemble de tests ....... 49 3.1.2.6 La mise à l’échelle des données ........................... 49 3.1.3 Entrainement du model (Training) ............................... 50 3.1.3.1 Conception de l’architecture du modèle ........................... 51 3.1.3.2 L’entrainement du model ................................................ 51 3.1.4 Utilisation du model obtenu .......................................... 51 3.2 La reconnaissance de plaque ............................................. 52 3.2.1 La segmentation des chiffres ............................................ 52 3.2.2 La reconnaissance des chiffres ....................................... 52 3.3 Le contrôle d’accès ...................................... 52 4 Implémentation ............................................................ 53 4.1 Environnements et Outils de développement ..................... 53 4.2 Chargement de l’ensemble de données (transfert les données vers le colab) .......... 59 4.3 Création du modèle ............................... 62 4.4 Algorithmes .................................................................. 63 4.4.1 Algorithme principal ................................... 63 4.4.2 Algorithme d’apprentissage ...................................... 63 4.4.3 Algorithme de reconnaissance de plaque ......................... 64 4.4.4 Algorithme de Contrôle d’accès ............................ 64 5 Résultats ............................................. 64 5.1 Architecture du modèle ......................................... 65 5.2 Présentation de l’application ..................................... 66 5.3 Discussion des résultats .................................................. 67 6 Conclusion ............................................................. 69 Conclusion générale ………………………………………………………………………………………………………………………………..70 Bibliographie ...................................................... 72 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/672 | Mémoire master | bibliothèque sciences exactes | Consultable |
