ivdon3@bk.ru
В работе анализируются различные подходы к выделению и распознаванию номерной пластины в интеллектуальных транспортных сетях. Была предложена модель глубокого обучения для локализации и распознавания номерных знаков на естественных изображениях, которая позволяет достичь удовлетворительных результатов с точки зрения точности и скорости распознавания по сравнению с традиционными. Приводятся оценки эффективности модели глубокого обучения.
Ключевые слова: VANET, интеллектуальные транспортные сети, YOLO, система управления городским движением, стеганография, deep learning, глубокое обучение, защита информации, convolutional neural network, CNN
В работе рассматривается стегоалгоритм с локализацией области встраивания в цветовом пространстве YCbCr для защиты изображений номерной пластины, транспортного средства с разных ракурсов, дорожного события, а также вопросы разработки программной системы, реализующей стегоалгоритм. Защита изображений позволяет эффективно реализовать концепцию многомодального взаимодействия социокиберфизических систем в автомобильной самоорганизующейся сети. Приводятся оценки эффективности разработанного метода.
Ключевые слова: VANET, интеллектуальные транспортные сети, система управления городским движением, стеганография, защита информации, водяной знак
2.3.1 - Системный анализ, управление и обработка информации , 2.3.6 - Методы и системы защиты информации, информационная безопасность