Automatic number-plate recognition (ANPR) in video streams and data anonymization for traffic monitoring, by use of machine vision
View/ Open
Date
2022-12-22Author
Pavlides, ArestisPublisher
Πανεπιστήμιο Κύπρου, Πολυτεχνική Σχολή / University of Cyprus, Faculty of EngineeringPlace of publication
CyprusGoogle Scholar check
Keyword(s):
Metadata
Show full item recordAbstract
Η ερευνητική εργασία που περιγράφεται σε αυτή τη διατριβή επικεντρώνεται στη δημιουργία κώδικα λογισμικού αυτόματης αναγνώρισης αριθμού πινακίδας οχημάτων (ANPR), το οποίο είναι σε θέση να αναλύει εικόνες από ροές βίντεο, να ανιχνεύει και να εξάγει την πινακίδα κυκλοφορίας ενός οχήματος για μεταγενέστερη χρήση. Προκειμένου να τηρηθεί ο Γενικός Κανονισμός Προστασίας Δεδομένων (GDPR) και να αποφευχθούν τυχόν προβλήματα απορρήτου με την επεξεργασία βίντεο, η αναπτυγμένη διαδικασία περιλαμβάνει δύο βασικά στάδια: (1) οι ροές βίντεο στην ανάλυση πρώτα «ανωνυμοποιούνται», θολώνοντας κάθε αριθμό πινακίδας που έχει εντοπιστεί και (2) οι ανιχνευθέντες αριθμοί που εντοπίζονται, αποθηκεύονται σε διαφορετικό αρχείο (κειμένου) για μελλοντική χρήση από τους χρήστες. Επίσης στη διατριβή αναφέρονται τα προβλήματα που προέκυψαν κατά τη διαδικασία, καθώς και τα εργαλεία και οι μέθοδοι που χρησιμοποιήθηκαν για την επίλυσή τους.
Το πρόγραμμα είναι γραμμένο στη γλώσσα προγραμματισμού Python. Αυτή η γλώσσα προτιμήθηκε λόγω της καταλληλόλητάς της για την εν λόγω εργασία, των πολλών συνεισφορών της στον τομέα της ανοιχτής όρασης υπολογιστή (openCV) και της πληθώρας εργαλείων που είναι διαθέσιμα για δημόσια χρήση (About OpenCV, 2022).
Όπως προαναφέρθηκε, ένα βασικό στοιχείο σε αυτήν την εργασία ήταν η συμμόρφωση με τον κανονισμό GDPR περί προσωπικών δεδομένων, έτσι ώστε τυχόν εντοπισμένα ευαίσθητα δεδομένα (όπως οι πινακίδες κυκλοφορίας των οχημάτων) να προστατεύονται από μια διαδικασία ανωνυμοποίησης. Αυτό επιτυγχάνεται με τη θόλωση των μερών της εικόνας που περιείχαν ευαίσθητες πληροφορίες. Η διαδικασία ανίχνευσης και ανωνυμοποίησης που χρησιμοποιήθηκε επέδειξε υψηλή ακρίβεια και θα μπορούσε επίσης να επεκταθεί σε άλλες εφαρμογές (Janowski, 2014). The research work described in this thesis focuses on the creation of an Automatic Number Plate Recognition (ANPR) software that is able to analyze images from video streams, to detect and to extract a vehicle’s license plate for subsequent use. In order to adhere to the General Data Protection Regulation (GDPR) and thus avoid any privacy issues with video processing, the developed process involves two key stages: (1) the video streams in analysis are first ‘anonymized’, by blurring any detected plate numbers, and (2) the detected plated numbers are stored in a different (textual) file for later use by the users. Also listed in the thesis, are the problems that arose in the process, and the tools and methods used to solve them.
The program is written in the Python programming language. This language was preferred because of its suitability to task, its many contributions in the field of open computer vision (CV) and the abundance of tools available for public use (About OpenCV, 2022).
As aforementioned, a key consideration in this work was compliance to GDPR so that processed sensitive data (such as vehicle license plates) would be protected by an anonymization process. This was done by blurring out the parts of the image that contained such sensitive information. The detection and anonymization process used exhibited a high accuracy and could also be expanded in other applications (Janowski, 2014).