Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   9 , No .   3 ,  J un e   201 9 , pp.  1805 ~ 18 13   IS S N:  20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v 9 i 3 . pp 1805 - 18 13           1805       Journ al h om e page :  http: // ia es core .c om/ journa ls /i ndex. ph p/IJECE   Develop ment of  portable  automat ic num ber pl ate re cogniti on  (ANPR)  system  on   Ras pb erry Pi       S.  F ak h ar  A .   G. ,  M. S aad H . ,  A.   Fau z an  K.,   R. A ff e ndi  H. ,  M.  Aidil  A .   Facul t y   of  El e ct r ic a l  &   E le c tronic  Eng ine e ring T ec hnolog y ,   Univ ersit i   Te kn ika l   Malay s ia Mel ak a  (UTe M) ,   Ma lay sia       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   A ug  11 , 201 8   Re vised N ov 20, 2 01 8   Accepte d Dec  11, 201 8       AN PR   sy stem  i s  used  in  aut o m at ing  acce ss   c ontrol   and  se cu rity   such  as  ide nti f y i ng  stolen  ca rs  in  re al   tim e  b y   installi ng   it   to  police  p at r ol  ca rs,  an d   det e ct ing  v ehicle s  that  ar e   ove rspee ding   on  highwa y s.  How eve r,   thi s  technolog y   is  stil l  r el a ti v ely  expe ns ive;  in  Novem ber   2014,   the  Ro y a l   Malay s ia n  Poli ce   (PD RM)  pu rch ase d  and  in stal le d  20  uni ts  of  AN PR   s y stems   in  the ir  pat rol  vehicl es  costi ng  nea rl y   R M  30  m il li on.   In   thi s  pape r  a  che ap er  alter n at i ve  of  a  porta b le  AN PR   sy st em  running  on  a  Raspber r y   P i   with  Op enCV  li bra r y   is  pre sen te d.   Once   th e  c amera   ca p ture s  an  image,  image  desa turati on,   fil t eri ng ,   segm ent at ion  and  cha ra cter  rec ogn it ion  is  all   done  on  the  Ras pber r y   Pi  b efo re   the  ext r acte d   n um ber   pla t e  is  d isplay ed   on  the   LCD  and  s ave d  to  a  data base .   Th e  m ai n   cha l le nges  in  a  porta b le  appl i ca t ion  in clude  cru c ial  ne ed  of  an  eff i ci en t  cod e  an d  red uced   computat ion al  complexi t y  while   offe ring  improve d  fle xibilit y .   The   per form ance  ti m e  is  al so  pre sente d ,   where   t he  whole  proc es s  is  run  with  a  not ic e able  3   se conds  dela y   in  g et ti ng   th e  f ina l   o utput .   Ke yw or d s :   Im age p r ocessi ng   Nu m ber   recog niti on   Op e nCV   Po rta ble  ANP R   Ra sp be rr y   Pi   Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Sh am su l   Fakha r  A bd  Gan i ,    Faculty  of  Ele c tric al  &  Ele ct r on ic   En gin ee ri ng Tec hnology ,   Un i ver sit i Te knikal M al ay sia  Mel aka (UTe M),   Hang T ua h  Jay a, 76 100 D ur ia n  T unggal , Me la ka,  Mal ay sia .   Em a il : sha m su lfak har@utem .ed u.m y       1.   INTROD U CTION     Au t om atic  Num ber   Plat e  Re cogniti on  ( A N PR)  te c hnolog y  has  play ed   a   substanti al   ro l e  in  a uto m at ed  traff ic   la w  en f or cem ent.  An   ANPR  syst e m   is  essenti al ly  a  m eans  of   ide ntifyi ng   a  ve hi cl e  nu m ber   plate   by   extracti ng  the  inf or m at ion   from   an  i m age  file   us in g  i m a ge  proces sin g  te chn iq ues .  Th e  process  ty pic al ly   consi sts  of  im a ge  ac qu isi ti on,   i m age  pr e proc essing,  dete rm i nation  an d  e xtr act ion   of   reg i on  of  inte rest  ( ROI),  and   inte rpreti ng   the  pix el s   into  nu m erical ly   read able  char act ers  usi n g  op ti cal   char act e r  recogn it i on   (O CR )   [ 1] - [ 3] .   Ther e   are   m any  te chn iq ues   use d  t o  im pr ov e   the  acc ur acy   of   t he  syst em ;  so m e  com m on   ones  a re  R GB ,   Ycb C r,   im age  filt er,  f uzzy  a lgorit hm ,  i m ag e  bin a rizat ion,   support  vecto r  m achines,  ge netic   al gorith m   and  arti fici al   neu ra l  network   [ 4] ,  [5] .  This  pa pe r  aim s  to  dev el op  an  A N PR  syst e m   runn i ng   s olely   on   the  Ra sp be rr y  Pi u sing O pe nCV .   Ra sp be rr y  Pi  is  a  card - siz e d  cheap   m ini - co m pu te r  aim ed  to  m ake  com p uting   acce ssi ble  to  the  public.   Wh il e  the  or i gi nal  intenti on  of  the  Ra s pb e rry   Pi  is  to  pro vid e  a  ba se  f or   ki ds   to  le ar n  pro gr am m ing ,  it   i s  al so  gaining   po pu l arit y  a m on g  te ch - e nthusiast s  as  it   ca n  be  us e d  t o  do  dif fer e nt  ty pes  of  c ommerci al   pro gr am m ing .   It  serv es  as  an  eff ic ie nt  ba se  du e  to  it s  low  c os t  an d  the  num ber   of   interfaces  a va il able.   The  Ra spber ry   Pi  can  be  us e d  instea d  of  a  per s onal   com pu te r,   but  with  so m e  lim it ation s  due  to  it s  lim it e d   processi ng po wer  [ 6] ,  [ 7] .   Ta ble 1 f ur t her il lustrate s t he  s pe ci ficat ion   detai ls of the  Pi 3  used i n  this  pro je ct .       Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   3 ,  June   201 9   :   1805   -   1813   1806   Tab le   1.   Ra s pb err y Pi   3 Speci ficat ion   Detai ls   Sp ecif icatio n   Details   So C   Bro ad co m  BCM2 8 3 7   CPU   4 × ARM  Co rtex - A 5 3 ,  1 .2GHz   GPU   Bro ad co m  Video Co re  IV   RAM   1 GB LPDDR2   (90 0  M Hz)   Netwo rkin g   1 0 /1 0 0  E th ernet, 2. 4 GHz 80 2 .11 n  wir eless   Blu eto o th   Blu eto o th  4.1   Clas sic, Blu eto o th  L o w E n ergy   Sto rage   Extern al  m icroSD   GPIO   40 - p in  head er,  po p u lated   Po rts   HDM I,  3.5 m m   an a lo g u e aud io - v id e o  jack, 4×  USB 2 .0, E th ernet,  Ca m e ra  S erial  I n t erface  (CSI) ,  Disp la y  Se r ial I n terface  ( DS I)       An  8  m egap i xe ls  (MP)  Ra s pber ry  Pi  cam era  can  be  at ta c hed  to  t he  on - bo a r d  Ra spbe r ry  Pi  cam er a   connecto r,   a nd  this  create s  a n  i m age  captur e   syst e m   with  em bed ded   com pu ti ng  that  can   extract  inform at ion  from   i m ages  without  the  ne ed  f or  an  e xte rn al   processi ng  unit .   T he  m ulti ple  GPIOs   avail able  c an  i nterf ace   with  e xter nal  de vices  an d  can  be  us e d  to  m ake  res ults  avail able   to  ot her  de vi ces.  Co ns ide r ing   t he  requirem ents  of   i m age  proces sing   c om par ed  to  the   Ra spber r y  Pi ’s   processi ng   m odule  and  it s  per iph e rals ,  it   is   decide d  that  t he  syst em   is  capab le   o n  e xe cuting  the  ta sk s  s pecifie d.   Ex per im ental   resu lt s  s how   that  th e   desig ne d  syst e m   is  decen t  e noug h  to  ru n  the  i m age cap t ur i ng   an d  im age   r ecognit ion al gorithm   [8] .       2.   PROP OSE D DESIG N   The  ove rall   syst e m   design   c an  be  cat e gorized  into  2  pa r ts,  the  ha rdwa re  desi gn   a nd  the  softwar e   desig n.   T he  ha rdwar e  desi gn   as  de picte d  in  Figure  1  will   be   entirel y  run  on   a  Ra s pber r y  Pi  3  with  Ra sp bia n  Jessie   OS   insta ll ed,   with  ad dit ion al   pe rip her a ls  of   a n  8  MP  c a m era  to  captu re  i m ages,  an d  a  3.5”  TFT  LC D  to  disp la y  the  re su lt s.  T he  rec ognized  num ber   plate s  will   al so   be  l ogge d  to  a  cl ou d  database  i ns ide  Pi .   The  syst em  is i nten ded to  be  por ta ble so it  is  powe red by c onnecti ng it  t o  a  m ob il e p ower bank.           Figure  1. Ha rdwar e  r e qu i rem ents       In   a ddit ion   t o  t he  Pyt ho n  pro gr am m ing   la nguag e   that  is  na ti vely   us ed  i n  Ra sp be rr y  Pi  e nv i ronm ent,   this  syst e m   wi ll   al so   us e  O pe nCV,  a  com pu te r  visi on   si m ula ti on   from   In te l  [ 9]   to  he lp  with  im age  pr e - processi ng   t ha t  is  desig ned  with  crit erias  of   res ource  optim iz at ion ,  lo w  power  co nsum ption   an d  i m pr ov e d  sp ee d.   The  pro po s ed  po rtable   AN PR  syst em   so ftwa re  i m ple m entat ion   can  be  cat eg or iz ed  into  7  pr oc edural   ste ps   as  il lustr at ed  in  Fi gure  2.   Eac h  proces s  is  cru ci al   be cause  the  res ult  of   on e  pa rtic ular  process  w il l  be  delivere d o n  to  the  nex t  proce ss.     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Develo pm e nt  of  p ort able  auto ma ti c  num ber plate rec ogniti on (AN PR)   …   ( Shamsul  Fak har A bd  Gani, )   1807       Figure  2. Im ple m entat ion  f l owcha rt       2 . 1.   Ima ge a cquisi tion   An   8  MP   Pi  No IR  cam era  ca pab le   of  ta king  inf rar e d  phot os   up  to  3280 × 2464  pix el s   is  us ed .  Th is   ca m era  is  al so   capab le   of  capt ur i ng   vi deo   at   1080p3 0,   72 0p60   a nd   64 0 × 480p90  res olu ti ons  w hich  is  a  high   qu al it y  vid e o   [ 10 ] .   T o  re duce   the  com pu ta ti on al   loa d  on  t he  Ra spber ry  Pi,  this  cam era   is  set up   to  ca pture  i m ages  with  only   640× 480  pi xels.  Be f or e  te sti ng   the  syst e m   with  a  li ve  im age,  a  te st  i m age  is  prel oa de d  to  te st t he  al gorit hm  as sh ow n  i n  Fi gur e  3.           Figure  3. Loa de d  te st i m age       2 . 2 .   Ima ge  d es atur at i on   The  nex t  ste p  is  conver ti ng  t he  col our  im a ge  into  gray scal e  by  app ly in g  im age  desatur at io n  [ 11] .  This  is  do ne  to  re duce  the  c om plexity   of   processi ng   c o l our  im age.  A  gr ay scal e  di gital   i m age  is  a  sing le   sam ple, car ryi ng only  intensi ty  inf orm ation ,  and this ca n fa ci li ta te  the p rocessi ng b et te r  [ 12 ] . O pen C V h as the   cvCvtCol or  f unct ion  to   co nv ert  col or  im ag es  to  gr ay scal e   an d  the   ef fect   of  this  f un ct io n  is  dem on stra te d  in   Figure  4.    Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   3 ,  June   201 9   :   1805   -   1813   1808       Figure  4. Im age cover te d  int o g raysca le       2 . 3 .   Ima ge  t hresh ol ding   Thr e sholdi ng   i s  the  proces s  of   c onve rtin g  the  gray scal e  im age  into  a  bi - le vel  im age.  It  does  not   identify   m ai n  obj ect s,  but  rat her   se pa rate  th e m   fr om   the  ba ckgr ound  in  order   t o  ob ta in   the  inf orm ation   that  we  ha ve  t o  de al   with.   Durin g  th res ho l ding,   it   is  cru ci al   to  set   the  c orre ct   t hr es ho l d  va lue  w hich  wi ll   best  determ ine  a  pix el   as  an  ob j ec t  or   a  bac kgr ound.  W e  us e  O pe nCV ' s   cvT hr e sh ol d  to  ac hiev e  this,  an d  the  resu lt   is as il lustrate d i n  Fi gure  5.           Figure  5. Im age af te r  t hr es hol ding       2 . 4 .   Ga us sian  f il te r   Gau s sia n  filt er   is  blu rr i ng   a n  i m age  by  appl yi ng   a  Gau s sia n  f un ct io n.   It  is  us ed  to  re duce  im age   no ise   a nd  re du ce  unwa nted   de ta il .  The  vis ua l  eff ect   of   t his  blurri ng  te ch nique  is  a  sm oo th  blur  re sem blin g  that  of   viewin g  the  im age  throu gh   a  tra ns l ucen t  sc reen .  Gau s sia n  fi lt er   is  ty pical l y  us ed  as  a  pre - pro cessi ng  sta ge  in  com pu te r  visio n  al gorithm s  in  or de r  to  enh a nce  im age  structu re s  at   diff eren t  s cal es   [13] .  Th e   eff ect  of ap plyi ng thi s fun ct io n  is  d e m on strat ed  in   Figure  6.           Figure  6. Im age af te r Ga us sia n fil te r   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Develo pm e nt  of  p ort able  auto ma ti c  num ber plate rec ogniti on (AN PR)   …   ( Shamsul  Fak har A bd  Gani, )   1809   2 . 5 .   Mo r ph olo gica l t ra nsform at i on   Mor phologica l  trans form at io n  ins pects  geom et rical   structur e  within  a n  i m age  by  pro bi ng   it   wit h  sm a ll   patte rn s  cal le d  structu ri ng   el em ents.  The  res ult  is  a  nonlinear  im a ge  operat or   th at   is  well - su it ed  f or  exp l or i ng  ge om et rical   and   to po l og ic al   str uc ture.  The   ope ra tor  is  a ppli ed  t o  a n  im age  in  order  to  m ake  certai n  featur e s  ap parent,  an d  disti nguis h  m eaningfu l  in form at io n  f ro m   irrelev ant  disto rtions   by  reducin g  i t  to  a   sk el et on   [ 14 ] .  This  proces s  ha s  4  kinds  of   op e rati ons:  ex pansi on,  co rro sion,  openi ng   and   cl os in g  op erati on.  Fig ure   7   s hows  the e f fect  of th e i m age af te r   m or phologica l  trans form ation .           Figure  7. Im age af te r  m orpho log ic al  tra ns f or m at ion       2 . 6 .   Segme ntati on   Im age seg m ent at ion  is the  pro cess of  div idi ng a n  im age in to m ulti ple p arts ,   ty pical ly  u se d  to i den ti fy   obj ect s  or   oth e r  relev ant  in for m at ion   in  di gital   i m ages   [15] .   Af te r  m orphol og ic al   tr a ns f or m at ion ,  2  se gm ents  wer e  ide ntifie d  as  po te ntial   cand i dates  as  de picte d  in  Fig ur e  8.   T he  seg m ents   will   then  go  thr ough  a no t he r   process  wh e re  the  syst e m   wil l  determ ine   wh ic h  one  has  th e   gr eat est   possi ble  char a ct er.  T he  se gm ent  will   be  isolat e d   in  a  s qu are  im age ,   an d  it   is  te ste d  so  that  the  lo ng e st  li st  of   pote nt ia l  char act er  w il l  be  determ in ed  as   the  act ual  nu m ber   plate .  T he  la st  i m age  with  the  m os t  po te ntial   char act er s   in  it   will   then  be  ch os e n   to   go   f or   char act e r  rec og niti on   i n  t he ne xt pr ocess .           Figure  8. Ca nd idate s for rec ogniti on  highli ghte d       2 . 7 .   Charac ter r ec ognitio n   To  rec ognize  al ph a nu m eric  char act e rs  f rom   the  segm ented  i m age,  the   po te ntial   num ber   plate   is  segm ented  f ur t her into  in div i du al  c ha racters  b e fore  OCR t est ing  as  s how n i n  Fig ure  9.           Figure  9. I nd i vi du al  c har act e r  seg m entat ion   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   3 ,  June   201 9   :   1805   -   1813   1810   This  syst e m   us e s   the  K - N ear est   N ei ghbour  (KNN)  m et ho d  w h ic h   re quir es  runn i ng   a  s et   of   te st  on  the  char act e r  li br ary  agai ns t  the  pix el s  of   the  separ at e d  ind ivi du al   ch aracte rs  f ro m   the  i m age  [16 ] .  A  si m il arity  fu nc ti on   ( )   can   be   de rive d  f r om   a  distance  f un ct i on  ( ) .  Wh e n  ( 1 , 2 )     [ 0 , 1 ]   w e  de fine  t he   si m il arity as     ( 1 , 2 ) = 1 − ( 1 , 2 )   ℎ    0 ≤ ( 1 , 2 ) ≤ 1       1      2     T he  syst em   will   deter m ine  the  ou tp ut  of  the   al ph an um eric  nu m ber   plate   by   pr int in g  it   on  the  i m age .   KNN  al gorith m   op erate s   by   giv in g  a  set   of   trai ni ng   dat a  to  gen e rate  the  data  struct ur e .  For  this  syst e m ,   m ul ti ple  data  structu re  has   been  ge ne rated   to   get  the  highest  per ce nt age  of   ac cu r ac y  of  the   ch aracte r   recog niti on   [ 17] .       3.   E X PERI MEN TAL  RES UL TS  A ND  D IS CUSSIO N   The  syst em   is  then  set   to  cap ture  im ages  fr om   the  cal ibra te d  [18]   Pi  NoIR  ca m era  and  sa m ples  of  100  im ages  w ere  ca ptured   a nd  te ste d.  It  is   obser ve d  t hat  the  syst em   m anag e s  to   deli ver  go od  res ul ts  w hen    the  sub j ect   is  within  2  m et e rs  f ro m   the  ca m era.   Sam pl es  of  the  s ucc essfu l  recog niti on s  im age  w ere  a s   il lustrate d  in  Fi gure  10  –   13.             Figure  10. Suc cessf ul r ec ogni ti on       Figure  11. Suc cessf ul r ec ogni ti on             Figure  12. Suc cessf ul r ec ogni ti on     Figure  13. Suc cessf ul r ec ogni ti on       So m et i m es  the   syst e m   fail s  t o  recog nize  ch aracte rs  co rr ec tl y,  wh ere  le tt e rs  are  filt ered   ou t  causi ng     the  cha racter  no t  to  be  reg is te red   in  the  da ta   structur e  as  dep ic te d  i n  Figure  14.  I n  som e  cases,  the  syst e m   conf us es  sim ilar  le tt ers  s uc h  as  D  f r om   O  or  6  f r om   8  and  s o  on.  T hi s  is  il lustrate d  in   Fig ure  15  a nd  ultim at ely in Tab le  2.       Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Develo pm e nt  of  p ort able  auto ma ti c  num ber plate rec ogniti on (AN PR)   …   ( Shamsul  Fak har A bd  Gani, )   1811         Figure  14. Eli m inate d  cha rac te r  er ror     Figure  15. C ha racter m is m a tch  e rror       Table  2.   C omm on   Re cogniti on Err or s   Actu al   Reco g n ized   Actu al   Reco g n ized   B   8 ,  6   R   P   D   0 ,  O   U   V   G   6   V   U   I   1   W   V   K   X   0   D,  Q   M   N   1   I   N   M   3   B   O   0   6   G   P   R   8   B   Q   0           Ba sed  on  10 0  s a m ples  ta ken,  i t  is  fou nd  that  t he  processi ng   on  the  Ra s pber ry  Pi  3  to ok  2  to  3  sec onds  to   process  the im age a nd co m e o ut  with t he re cognized  num ber   plate s,  wit h a succes s r ec ogniti on  rate o f 85%.           Figure  16. T he  co m plete  syst e m       4.   CONCL US I O N     Th e   de velo p m ent  of   a  porta bl e  AN PR  syst em   us ing   Ra spb err y  Pi  3  is  dem on strat ed  in  this  arti cl e,  i m ple m enting  Op e nCV   as  th e  cor e  im age  proces sin g  soft war e .  The  syst e m   per f or m s  m agn ific ie ntly ,  bu t  it   is  hope d  that  t he   Ra spber ry  Pi  fou nd at io n  ca n  com e  ou t  wit h  a  new e r  m od el   with   bette r   processi ng  po wer   t o  el i m inate   the  3  seconds  delay   need e d  to  pro du ce  t he  res ults.  In   t he  m eantim e,  fu ture  w ork  m ay   be  do ne  to   i m pr ove  the  ac cur acy   i n  the  r ecognit ion  pr oc ess  as  wel l  as  sp ee d  up  the  t i m e  ta ken   to  pro duce  the  outpu t  on   the alg or it hm  side.           Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   3 ,  June   201 9   :   1805   -   1813   1812   ACKN OWLE DGE MENTS   Th e  aut hors  w ou l d  li ke  to  th ank   Un i ver sit i   Tekn i kal  Ma la ysi a  Me la ka   (U TeM )   f or   pr ov i ding  the  su pp or t  nee de d  to   com plete   the  w ork  he rein  via  gra nt  nu m ber :  RAGS / 1/2 015/ICT 01/FTK/ 03 /B 00 115   a nd   PJP/2 016/P KA/ FTK - C ACT/S 01512 .       REFERE NCE S   [1]   H.  Raj put ,   T .   S om ,   and  S.  Kar ,   " An  Autom at ed  Vehic l e  L icen se  Plat e   Rec ogn it ion  S y s te m , "   Computer  ( Long .   Be ach .   Ca li f) . ,   v ol.   48 ( 8 ) ,   pp .   56 – 61,   2015 .   [2]   S.  R.   Aher  and  N.  D.  Kapa le ,   " Autom at ic   Num ber   Plat e  Recogniti on  S y stem   for  Vehic le   Ide nti ficat ion  Us ing   Optic a l  Char acte r  Rec ogn it ion , "   I nt.   Re s.   J .   Eng.  Technol . ,   pp .   23 95 – 56,   2017 .   [3]   S.  Du,  M.  Ibr ahim ,   M.  Shehata,   and  W .   Bad aw y ,   " Autom at ic   Li c ense   Plate  Re co gnit ion  (ALPR):   A  Stat e - of - the - Art  Review, "   I E EE   Tr ansacti ons   on  Circu it s and   Syste ms   for Vide o  Technol og y ,   v ol.   23 ( 2 ),   pp .   31 1 – 325,   2013 .   [4]   Z.   X.  Chen ,   C.   Y.  Li u,   F. L.  Ch ang,   and  G.  Y .   W ang,   " Autom at ic   Lice nse - Pl at e Loc a ti on  and  R e cogni ti on  b ase d  on  Feat ure   Salienc e , "   IEEE  Tr ans.  V eh.   Te chnol. ,   vol .   58 ( 7 ) ,   pp .   3781 – 3785,   2009 .   [5]   A.  Mutholi b,   T .   S.  Gunawan,   J .   Chebi l ,   and  M.  Kart iwi,   " Deve lopment  of  Portabl e  Autom at i c  Num ber   Pl ate   Rec ognition  S y s te m   on  Android   Mobile   Phone , "   in  IOP  Con fe re nce   S erie s:  Mat erial s  Scienc e  a nd  Engi ne ering ,    vol.   53 ( 1 ) ,   2013 .   [6]   D.  P.  R.   D.  Ms .   Seja l  V.  Gawan de,   " Raspber r y   Pi  Te chnol og y , "   Int.   J.   Adv.  Re s.   Comput.   Sci .   So ft w.   Eng . ,   vol .   5,     no.   4 ,   pp .   37 – 40 ,   2015.   [7]   The   MagPi   Mag az in e,  " Raspber r y   Pi   3  is out now!  Specs,  Benc hm ark s &  Mor e, "   MagPi   Mag . ,   pp.   1 – 14,   2016.   [8]   Senthi lkumar  G,  Gopala krishnan   K,  and  Sati sh  Kum ar,   " Embedde d  Im age   Capt uring  Sy st em  U sing  Raspber r y   Pi  S y stem, "   In t. J .   Eme rg.  Tr ends  Technol.  Comput .   Sci. ,   vol .   3 ( 2 ) ,   p p.   213 – 215 ,   201 4.   [9]   M.  Te en a  Raval i  and  R.   Sai  Ko m ara giri ,   " Im ag e  Proce ss ing  Plat form   On  Raspber r y   Pi  For  Fa ce   Rec ogn it ion , "   Glob.   J .   Adv. En g.   Techno l. ISSN ,   vol .   3 ,   pp .   2277 – 6370,   2014 .   [10]   W .   F.  Aba y a ,   J.  Basa,   M.  S y ,   A.  C.   Abad  and  E .   P.  Dadios,   " Low  Cost  Sm art   Secur ity   Camera   wi th  Night  Vision   Capa bilit y   Us in g  Raspber r y   P i  and  OpenCV, "   Inte rnationa l   Confe renc e  o n  Hum anoid,   Nanote chnol og y,  Information  Tec hnology ,   Comm unic ati on  and  C ontrol,   Environm ent   and  Manage ment  ( HNICEM) ,   Pala wan,   pp .   1 - 6,   2014 .   [11]   G.  Xie  and  W .   Lu,   " Im age   E dge  Detect ion  Based  O n  Openc v, "   Int .   J.   Elec tron.  El e ct r.  Eng. ,   vo l.   1 ( 2 ) ,    pp.   104 – 106 ,   20 13.   [12]   H.  Sugano  and  R.   Mi y amoto,   " Highl y   Optimiz ed  Im ple m entation  of  OpenCV  for  the  Ce ll   Bro adba nd  Engi ne ,   "     in  Computer  Vi s ion  and  Imag e  U nderstanding ,   vo l.   114 ( 11 ) ,   pp .   1 273 – 1281 ,   2010 .   [13]   Z.   Zi vkov ic ,   " I m prove d  Adapti ve  Gauss ia n  Mixture   Model  for   Bac kground  Subtraction, "   in  Pr oce ed ings  of  the   17th  Int ernati on al  Conf ere nce o n  Pattern  R ec og nit ion, 2004 .   IC PR   2004 . ,  v ol . 2 , p p.   28 – 31 ,   2004 .   [14]   H.  İ.  Çelik,   L .   C.   Dülg er,  an d  M.  Top al b ek irogl u,   " Fa bric  Defe ct  Det ec t io n  Us ing  Li n ea r   Filt e ring  and  Morphologic a l O per at ions, "   Ind ian  J .   Fi bre   Text.  R es. ,   vol .   39 ( 3 ) ,   2014 .   [15]   N.  Singh  and  M.  J.  Delwic he ,   " Mac hin e  Vision  Methods  for  Defe c t  Sorting  Stonefr uit , "   vol .   37 ( 6 ) ,   pp.   1989 – 1997 ,   Nov 1994.   [16]   G.  Am at o  and  F .   Falc hi ,   " kNN   base d  Im age   Cla s sific a ti on  Rely i n g  on  Loc al   Fea t ure   Sim il ari t y , "   Proc.   Thir d  Int.   Conf.   SImi larit y   Searc h  App l.  -   S ISAP   ’10 ,  pp .   10 1,   2010 .   [17]   R.   A.  Ham za h,   M.  S.  Ham id,   A.   F.  Kadm in,   and  S.  F.  A.  Ghani,   " Im prove m ent   of  Stere o  Cor respo nding  Algorit hm   base d  on  Sum   of   Abs olut e  Diffe ren ce s  and  Edg e  Preserving  Filt er , "   in  Proceedi ng s  of  the   2017  IEE E  Inte rnat iona l   Confe renc e  on   S ignal   and   Image Proce ss ing  App l ic ati ons ,   ICSIP A   2017 ,   pp.   222 – 2 25,   2017 .   [18]   R.   A.  Ham za h,   S.  F.  Abd  Ghani,   A.  F .   Kadm in  and  K.  A.  A.  Aziz,  " A  Prac tical  Method  for  Camera   Cal ibr at io n     in  Stere o   Vision   Mobile   Robo t  Naviga t ion, "   I E EE   Stud ent  Conf ere nce  on  R ese a rch  and  Dev el op ment  ( SCOReD) ,  Pulau  Pinang ,   pp .   104 - 108 ,   2012 .       BIOGR AP H I ES   OF  A UTH ORS       Sh ams ul  Fakh ar   bin   Ab d  Gani   gra dua te d  from   Univer siti   Malay sia   Perli s  (Uni MA P)  in  Bac helor  of  Engi ne eri ng   ( Com pute r  Engi n ee ring)   with  hon ours  in  2006  and   la t er  r ec e ive d  h i s  Master ' s  d egr e e  in  Inte rne t  &  W eb  Com puti n g  in  2015  fro m  Roy al   Melbour ne  Instit ute   of  Te chno log y   (R MIT)   Aus tra li a .   He  start ed  his  ca r ee r  as  an  R&D  el ectroni c  engi n ee r  spec ializing  in  software   design  f o r   m et er  cl uster  d eve lopment  in  Siemens   VDO  Autom oti ve  Penang  (la t er  known  as  Conti nent al   Autom oti ve  Mal a y si a).  Befor e  l e avi ng  Cont ine n t al ,   Sham sul  plays   an  a ct iv e  ro le   i n  Mitsubishi  Fus o   proje c ts  as  a  sof twar e  develope r   and  al so  softw are   project   m an age r.   Sham sul  is  now  a  le ct ure r   in  el e ct roni c and c om pute r  engi n eering  t ec hnolog y   depa rtment   of  F TK EE   UT eM.       Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Develo pm e nt  of  p ort able  auto ma ti c  num ber plate rec ogniti on (AN PR)   …   ( Shamsul  Fak har A bd  Gani, )   1813     Mohd  Saad   b orn  in  1981,   gra du at ed  from   Multi m edi a  Univer sit y   (MM U)  where   he  recei ved  his  B.   Eng  m aj oring  in   Com pute r  in  2003.   H e  the n  continues  working  with  Telek om   Malay si a  Berha d  an d   la t er  joi n ed   Sie m ens  VDO  Auto m oti ve  Penang  ( la t er  known a s Conti nental  Auto m oti ve  Malay si a )  as   a  softwar e  eng i nee r.  He   devel oped  firmw are  in   m et er   c luste r   developm ent   f or  both  local  a nd   int ern at ion al   cus tomer  in  the   area  of  Control ler  Area   Network  a nd  ECU  dia gnostic   during  his  t e nure   in  the   compan y .   In  2014  he  rec ei ved  his  M.  En g  m aj ori ng  in  Com pute r  and  Com m unic at ion  from   Univer siti   Keba ngsaa n   Malay s ia   (UK M) .   Curre n tly   h e  is  a  le ct ur er  in  Univer siti   Te knik al   Malay s ia  Mela ka   teac h ing   progra m m ing,   e m bedde d  s y st em a nd  m i cro cont r oll er   subjects.         Ah mad   Fau z a n   bin   Ka dmin   C Eng.   P.T e ch.   c u r ren tly   atta che d  with  UTe M  as  a   rese arc her ,   Ahm ad  Fauza n  bin   Kad m in  CEng.   P.T ec h.   h as  over   1 4  y e ars  of  experie nc e  in  e le c tr onic   &  comput er  engi ne eri ng  fi eld  with  te chnic al   expe r t ise   in   R&D  engi neering,   computer   vision  &  m edi cal  el e ct roni cs.   He  g rad uated  wi th  a  Bac h el or  Degr ee   i n  E lectr oni c   Engi neering  fro m   Univer siti   Sai n s   Malay s ia   (US M)  and  Master   D egr ee   in  Com pute r  &  Com m unic ation  Engi n ee r i ng  from   Univer siti   Keba ngsaa n  Ma l a y si a   (UK M) .   Pr evi ousl y ,   he  wor ked  with  M ega st ee l   Sdn.  Bhd. ,   S ams ung  SD I   (M )   Sdn .   Bhd.   and  Agensi  Angkasa  Nega ra .   He  publ ished  seve r al   te c hnic a l  and  engi n ee ring   pape rwor k s   in  image   proc essing  and   m edi c al  el e ct roni cs.         Ros tam  Affen di  Ham z ah   gra du at ed  from   Univer siti   Te knolog i  Malay s ia   (UTM )  where   he  rec e i ved  his  B.   Eng   m aj o ring  in  Elec tronic  Engi n ee ring  in   2000.   In  2010  he  recei v ed  his  M.  Sc.   m aj oring   in   El e ct roni c  S y s tem   Design  Engi n ee ring   from   Univer siti   Sa ins  Ma lay s ia   (US M) .   In  2017,   h e  re cei ved  PhD   m aj oring  in  El ectroni c  Im agi ng  from   Uni ver siti   Sains  Malay si a   (US M) .   Curre ntly   he  is   a   le c ture r  in  Uni ver siti   Te knik al  Malay sia   Mel a ka  teac h ing  dig it al  elec troni cs  and  digital  ima ge  proc essing.         Muhammad   Aidil  bin   Az har   gra duated  from   Univer siti   Te kn i kal   Ma lay sia   M el ak a  (UT eM)  i n   Bac he lor  of  Com pute r  Engi neering  Te chn o log y  (Com pute r  Sy s te m )  with  H onours  in  2018.   He  is   cur ren t l y   worki ng  as  a  t est  and   val id at ion  enginee r  in  a  firmw are   dep art m ent   in   W este rn  Digital   (M al a y s ia ).     Evaluation Warning : The document was created with Spire.PDF for Python.