Abstract
The Iraqi License Plate Recognition (ILPR) is useful in many fields, such as private or public exits, parking lots, traffic control, and theft detection. This paper focusing on detecting the plate car and identifying the Arabic number on the plate. The main paper goal was to identify and understand plate cars with numbers /characters in the plate where it was difficult to detect the same object with different environments. It also, offers LPR which consists of three main stages; pre-processing with detect license plates, segmentation and recognition of characters. the first stage takes a camera picture then pre- processing it. License plate detection check for matching license plate to crop the appropriate plate in the picture. Segmentation done separately by splitting the numbers. The final stage is number recognition by using K- Nearest Neighbours (KNN) which is one of the basic machine learning algorithms used to match numbers with training data to provide a prediction that is accurate. The system was implemented using python3.5, open- cv library and, using 50 images, the accuracy performance results equal to 90 percent
Abstract
يعد التعرف على لوحة الترخيص العراقية (ILPR) مفيدًا في العديد من المجالات، مثل المخارج الخاصة أو العامة ومواقف السيارات ومراقبة حركة المرور واكتشاف السرقة. تركز هذه الورقة على كشف لوحة السيارة وتحديد الرقم العربي الموجود على اللوحة. كان الهدف الرئيسي للورقة هو تحديد وفهم السيارات ذات الأرقام/الحروف الموجودة في اللوحة حيث كان من الصعب اكتشاف نفس الكائن في بيئات مختلفة. كما يقدم أيضًا LPR الذي يتكون من ثلاث مراحل رئيسية؛ المعالجة المسبقة مع الكشف عن لوحات الترخيص وتجزئة الأحرف والتعرف عليها. تقوم المرحلة الأولى بالتقاط صورة بالكاميرا ثم معالجتها مسبقًا. التحقق من اكتشاف لوحة الترخيص لمطابقة لوحة الترخيص لاقتصاص اللوحة المناسبة في الصورة. يتم التجزئة بشكل منفصل عن طريق تقسيم الأرقام. المرحلة النهائية هي التعرف على الأرقام باستخدام K-أقرب الجيران (KNN) وهي إحدى خوارزميات التعلم الآلي الأساسية المستخدمة لمطابقة الأرقام مع بيانات التدريب لتوفير تنبؤ دقيق. تم تنفيذ النظام باستخدام python3.5 ومكتبة open-cv وباستخدام 50 صورة، كانت دقة نتائج الأداء تساوي 90 بالمائة