No abstract

Günümüz teknolojisinde gelişen bilgisayarlar hayatın her alanında aktif olarak kullanmaktadır. İş, eğitim, sosyal vb. alanlarda işlerimizi kolaylaştırmamıza yardımcı olan bu sistemler geliştikçe işlem yapabilmek ya da problem çözmek daha da kolay hale geldiği anlaşılmaktadır. Bu alanların hemen hemen hepsinin içerisinde yer alan görüntü ya da resim niteliği bulunan dosya veya dosyalar üzerinde ihtiyaca göre bir takım morfolojik işlemler gerçekleştirilebilir. Bu çalışmanın amacı herhangi bir araç görüntüsü alınarak aracın renginin tespit edilmesidir. Tespit edilen renk ihtiyaca göre kullanıldığı alanlar farklılık gösterebilir. Örneğin bir plaka okuma sisteminde araç bilgisi eşleştirmek için renk bulgusu önemli bir faktördür. Buna benzer birçok alanda ihtiyaç duyulan araç renk bilgisi için birçok farklı uygulama alanları ve yöntemleri mevcuttur. Bu tarz uygulama alanlarında kullanılmak üzere karmaşıklığı minimum düzeyde olan bir algoritma tasarlanmıştır. Sistem, python programlama dili kullanılarak tasarlanmıştır. Doğruluk oranı resmin piksel kalitesi ile direkt olarak doğru orantılıdır.

In this study, a deep learning-based counterfeit plate detection system that compares and detects vehicles with the make, model, color, and license plate is designed. As known that the relevant government institutions are responsible for keeping all detailed information about all motor vehicles in their database. All registration details are stored in the database. It is possible to find unregistered vehicles by comparing database records with detected details. In general, vehicles with counterfeit license plates are used in illegal actions. Therefore, it is of great importance to detect them. Generally, license plate recognition systems successfully detect counterfeit license plates that are randomly generated. Security units typically use such systems at toll roads, bridge crossings, parking lot entrances and exits, sites, customs gates, etc. This kind of system only checks the plate is exists or not in the database. But it is unsuccessful if the vehicle uses existing plate numbers such as stolen ones. In this study, the developed system can detect not only vehicles' plate numbers but also make, model, year, and color information by using deep learning. Thus, the system can also detect randomly generated plates and stolen plates that belong to another vehicle.