ระบบตรวจจับและรู้จำป้ายทะเบียนรถจักรยานยนต์ที่ขับขี่บนทางเท้าโดยใช้เทคนิค Deep Learning
DOI:
https://doi.org/10.65205/jcct.2026.e3827คำสำคัญ:
การตรวจจับวัตถุ, รถจักรยานยนต์บนทางเท้า, การรู้จำป้ายทะเบียนรถ, YOLO, การเรียนรู้เชิงลึกบทคัดย่อ
การขับขี่รถจักรยานยนต์บนทางเท้าเป็นการกระทำผิดกฎหมายที่พบได้บ่อยในเขตเมือง และก่อให้เกิดความเสี่ยงต่อความปลอดภัยของผู้เดินเท้า อย่างไรก็ตาม แนวทางที่มีอยู่ยังมีข้อจำกัดในการประมวลผลภาพจากกล้องวงจรปิดในสภาพแวดล้อมจริง โดยเฉพาะมุมมองแบบมุมสูงและภาพที่มีความละเอียดจำกัด อีกทั้งป้ายทะเบียนรถจักรยานยนต์มีขนาดเล็กกว่าป้ายทะเบียนรถยนต์อย่างมีนัยสำคัญ ส่งผลให้จำนวนพิกเซลที่ใช้ในการรู้จำตัวอักษรลดลง และเพิ่มความท้าทายต่อกระบวนการรู้จำอักขระจากภาพ งานวิจัยนี้นำเสนอระบบอัตโนมัติสำหรับตรวจจับรถจักรยานยนต์บนทางเท้าและรู้จำป้ายทะเบียนจากภาพกล้องวงจรปิด โดยใช้เทคนิคการเรียนรู้เชิงลึกสำหรับการตรวจจับวัตถุ และเทคนิคการรู้จำอักขระจากภาพ (OCR) สำหรับการอ่านข้อความบนป้ายทะเบียน โดยมุ่งเน้นการใช้งานในสภาพแวดล้อมจริงจากกล้องมุมสูง ระบบประกอบด้วยขั้นตอนการตรวจจับรถจักรยานยนต์ การตรวจจับป้ายทะเบียน และการรู้จำตัวอักษร โดยใช้แบบจำลอง YOLO ที่ผ่านการฝึกด้วยชุดข้อมูลที่มีการกำกับ พร้อมทั้งมีการปรับปรุงคุณภาพของภาพก่อนเข้าสู่กระบวนการ OCR เพื่อเพิ่มประสิทธิภาพในการรู้จำ ผลการทดลองพบว่าระบบมีค่าความมั่นใจเฉลี่ยในการตรวจจับรถจักรยานยนต์เท่ากับ 0.80 และในการตรวจจับป้ายทะเบียนเท่ากับ 0.84 ขณะที่ความแม่นยำของ OCR เพิ่มขึ้นจาก 32% เป็น 46% หลังการปรับปรุงคุณภาพของภาพ ผลการวิจัยแสดงให้เห็นว่าระบบสามารถประยุกต์ใช้ในการตรวจจับการกระทำผิดบนทางเท้าในสภาพแวดล้อมจริง และมีศักยภาพในการพัฒนาเป็นระบบสนับสนุนการบังคับใช้กฎหมายจราจรอัตโนมัติ
Downloads
เอกสารอ้างอิง
Audomthankun, P., & Nakharacruangsak, S. (2024). Enhancing the Efficiency of License Plate Detection Using YOLO and Optical Character Recognition. Journal of Science and Technology Southeast Bangkok University, 4(2), 140–150. https://doi.org/10.14456/jsci-sbu.2024.19 (In Thai)
Bautista, D., & Atienza, R. (2022). Scene Text Recognition with Permuted Autoregressive Sequence Models. arXiv. https://doi.org/10.48550/arXiv.2207.06966
Ding, H., Wang, Q., Gao, J., & Li, Q. (2024). A Training-Free Framework for Video License Plate Tracking and Recognition with Only One-Shot. arXiv. https://doi.org/10.48550/arXiv.2408.05729
Nascimento, V., Laroca, R., Ribeiro, R. O., Schwartz, W. R., & Menotti, D. (2024, September 30 – October 3). Enhancing License Plate Super-Resolution: A Layout-Aware and Character-Driven Approach. 2024 37th SIBGRAPI Conference on Graphics, Patterns and Images, 1–6. Institute of Electrical and Electronics Engineers. https://doi.org/10.1109/SIBGRAPI62404.2024.10716303
Nitmai, D., Porsarn, S., & Tangchoopong, T. (2023). Vehicle License Plate Detection and Recognition for Parking Management System. Rattanakosin Journal of Science and Technology, 5(2), 72–86. (In Thai)
Ultralytics. (2023). Ultralytics YOLO Docs. https://docs.ultralytics.com
Vargoorani, Z. E., & Suen, C. Y. (2024). License Plate Detection and Character Recognition Using Deep Learning and Font Evaluation (Vol. 15154, pp. 231–242). https://doi.org/10.1007/978-3-031-71602-7_20
Wang, C.-Y., Bochkovskiy, A., & Liao, H.-Y. M. (2022). YOLOv7: Trainable Bag-of-Freebies Sets New State-of-the-Art for Real-Time Object Detectors. arXiv. https://doi.org/10.48550/arXiv.2207.02696
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
หมวดหมู่
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 วารสารคอมพิวเตอร์และเทคโนโลยีสร้างสรรค์
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
