Derin öğrenme kullanılarak sahte plakalı araç tespit sistemi geliştirilmesi

Abstract

Bu çalışmada, sahte plakalı araçları tespit edebilmek için araçların marka, model, renk, plaka gibi özelliklerini derin öğrenme yöntemi kullanılarak karşılaştıran ve tespit eden bir sistem tasarlanmıştır. Çalışmanın amacı, günlük hayatta aktif olarak kullanılan araçların özelliklerini kontrol ederek mevcut sistemlere ek olarak yardımcı bir sahte plaka tespit sistemi geliştirmektir. İlgili devlet kurumları tüm motorlu taşıtlara ait ayrıntılı tüm bilgileri kendi veri tabanında saklamakla sorumlu olduğu bilinmektedir. Rastgele seçilen veya başka bir araca ait sahte araç plakası marka, model, renk gibi tescil kayıtlarından farklıdır. Genelde sahte plakaya sahip araçlar yasa dışı ve cezai eylemlerde kullanılmaktadır. Bu nedenle, sahte araçları tespit etmek büyük önem taşımaktadır. Genel olarak, sahte plakaları tespit etmek için plaka tanıma sistemleri kullanılır. Bu yaklaşım, rastgele seçilen plaka numaraları için kullanışlıdır. Genelde güvenlik birimleri tarafından kullanılan bu tür sistemler, ücretli geçiş yolları, köprü geçişleri, otopark giriş-çıkışları, siteler, gümrük kapıları vb. İçin de kullanılmaktadır. Ancak çalıntı plakalı araçlarda kullanışlı değildir. Bunu tespit edebilmek için araç markasını, modelini, rengini ve plaka numarasını karşılaştırabilecek bir sistemin bulunması gerekmektedir. Bu çalışmada, sahte araç plaka algılama sistemi, araç marka, model, renk ve plaka numaralarının derin öğrenme kullanılarak karşılaştırılmasına dayalı olarak geliştirilmiştir. Tasarlanan bu sistemi diğerlerinden ayıran en temel fark veri setinin sıfırdan oluşturulmasıdır. Oluşturulan veri seti üzerinde eğitim ve test için derin öğrenme yöntemi kullanılarak farklı aktivasyon fonksiyonları ve optimizasyon yöntemleri ile irdelenmiş en iyi sonucu veren fonksiyonlar ve optimizasyon parametreleri sonuçları ile birlikte gösterilmiştir. Sistem sanal olarak oluşturulan bir veri tabanı ile test edilmiştir.

In this study, the detection of the counterfeit vehicle license plate was designed by taking into consideration the characteristics of the vehicles such as brand, model, color, and license plate by using deep learning. The main aim of the study is to develop an additional supplementary system to check the specifications of the vehicles that are actively used in daily life to prove real or counterfeit. It is known that the relevant government department is responsible to store information about details of all motor vehicles in traffic in their database. Counterfeit vehicles' license plate which is randomly chosen or belonging to another vehicle is different from registration records such as brand, model, and color. In general, vehicles that have the counterfeit license plate are used in illegal and criminal acts. Hence, it is crucially important to detect counterfeit vehicles. In general, license plate recognition systems are used to detect counterfeit license plates. This approach is useful for randomly chose plate numbers. These kinds of systems, which are generally used by security units, are also used for the toll-pass roads, bridge crossings, parking lot entry-exit, sites, customs gates, etc. But, it is not useful on stolen license plates that exist in records. It is necessary to develop a system that can compare vehicle brand, model, color, and license plate number. In this study, the counterfeit vehicle license plate detection system has been developed based on comparing vehicle brand, model, color, and license plate number by using deep learning. The database which is used in this study was completely done over again. Using the deep learning method for training and testing on the data set, the functions and optimization parameters that give the best results examined with different activation functions and optimization methods are shown together with their results. The system has been tested with a virtually created database.