A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Aura Conci e Leonardo Hiss Monteiro. Introdução zAutomação do processo de controle de estacionamento zAutomação do processo de aplicação de multas nos.

Apresentações semelhantes


Apresentação em tema: "Aura Conci e Leonardo Hiss Monteiro. Introdução zAutomação do processo de controle de estacionamento zAutomação do processo de aplicação de multas nos."— Transcrição da apresentação:

1 Aura Conci e Leonardo Hiss Monteiro

2 Introdução zAutomação do processo de controle de estacionamento zAutomação do processo de aplicação de multas nos veículos zNecessidade de automação do processo de reconhecimento de placas

3 Objetivo zConseguir um método simples e eficaz para o reconhecimento das placas dos veículos.

4 Considerações zIndependente da distância de captura zFácil adaptação a fonte utilizada

5 Processo utilizado

6 Fases do processamento zPré-Processamento yArmazenamento no formato PCX yBinzarização ySegmentação dos objetos conectados zPrimeira Fase de Processamento yCálculo dos momentos invariantes zSegunda Fase do Processamento yCálculo das extremidades yCálculo das cavidades

7 Binarização zSeparação da imagem do fundo. zUtilização de um único ponto de corte (threshold). zUtilizamos o método de limiarização Bimodal de Otsu.

8 Método de Limiarização Bimodal de Otsu zParticionamento dos pixeis de uma imagem com L niveis de cinza em duas classes C0 e C1. zLimiar otimo -> Maximização da função critério

9 Histograma - Threshold

10 Erosão zDiminuição do tamanho original sem perder as caractarísticas geométricas zUtilizada para remover ruídos

11 Processo de Erosão zElemento escolhido: zProcesso: yColoca-se o elemento escolhido para fazer a erosão na coordenada (i,j) yVerifica-se se os vizinhos do elemento são pixeis do objeto (com valor 1) ySe todos os vizinhos possuírem valor 1 mantêm-se o pixel central com valor 1. ySe algum dos pixeis vizinho não possuir valor 1, muda-se o valor do pixel central para 0 (pixel de fundo).

12 Imagem Antes e Depois da Erosão zImagem Antes: zImagem Depois:

13 Segmentação de Objetos Conectados zSeparação dos caracteres zUtiliza como entrada a imagem binarizada e erodida. zNa saida do algoritmo possuimos várias imagens sendo cada uma composta por um caracter.

14 Processo de Segmentação zNum primeiro momento é feita uma varredura na imagem buscando o primeiro pixel do objeto (pixel com valor 1). zO valor desse pixel é alterado para o valor de um índice I. zO valor desse índice I é incrementado (I=I+1). zÉ feita uma varredura nos pixeis vizinhos a esse, de modo, que toda a vez que um pixel vizinho é encontrado o seu valor é alterado para o valor do índice e o índice I é incrementado. zEsse processo se repete até que não se encontrem mais pixeis vizinhos. Quando isso ocorre o valor do ultimo índice é armazenado em um vetor e volta-se ao passo 1 enquanto houver pixel não analisado na imagem.

15 Segmentação da Imagem zImagem após o algoritmo de contagem: zCaracter segmentado utilizando o vetor:

16 Eliminação dos Ruídos Conectados aos Caracteres zGeralmente no 2 e 5 caracter. zUnião do caracter com o furo de fixação

17 Filtro Utilizado zRetas superior e inferior zCaracteres após a filtragem

18 Filtragem dos Elementos Relevantes zRemoção dos objetos que estão na parte superior e inferior da imagem. zRemoção dos objetos que estão na extremidade direita ou esquerda da imagem. zRemoção dos objetos muito pequenos. zRemoção dos objetos que contém dimensões horizontais muito grandes.

19 Limites Utilizados zCoordenada X: yRemoção dos objetos com coordenada X menor que 2,5% do comprimento. yRemoção dos objetos com coordenada X maior que 97,5% da comprimento. zCoordenada Y: yRemoção dos objetos com coordenada Y menor que 10% da altura. yRemoção dos objetos com coordenada Y maior que 90% da altura.

20 Limites Utilizados zÁrea: yRemover os objetos com área menos que 0,6% da área da imagem original. zDimensões horizontais: yRemover se os objetos com dimensões horizontais maior que 12% do tamanho original da imagem.

21 Esqueletização zReduzir as partes de um objeto a uma linha fina que representa a representa. zFavorece uma análise estrutural simples. zReduz a imagem a sua essência podendo eliminar algumas distorções. zMantem as propriedades geométricas e topológicas.

22 Algoritmo MAT (Medial Axis Transformation) zPasso1: zPasso2: Vizinhança

23 Imagem Antes e Depois da Esqueletização zAntes zDepois

24 Primeira Fase de Processamento zNo final da fase de pré-processamento a imagem inicial se encontra segmentada, esqueletizada e binarizada. zCada nova imagem é composta por um caracter. zA primeira fase de processamento é composta pelo cálculo dos momentos invariantes.

25 Momentos Invariantes zTeoria: yExiste apenas um objeto B que pode produzir o mesmo valor para os momentos de todas as ordens. ySe dois objetos tem os mesmos momentos em todas as ordens, estes objetos são identicos.

26 Momentos Geométricos zDefinição:

27 Momentos Centrais zConsiderando a translação para a origem das coordenadas temos: zOnde:

28 Invariância a Rotação zObservamos que alguns momentos são invariantes a rotação como: zA invariância a rotação pode ser obtida utilizando um sistema que coincida com os eixos principais:

29 Momentos Utilizados

30 Invariância a Escala zUtilizada quando a distância de captura pode variar. yConsiderando uma transformação de escala: yA área mudará:

31 Invariância a Escala nos Momentos Utilizados

32 Segunda Fase de Processamento zDetectar características geométricas de cada um dos caracteres. zDistinguir caracteres como: y6 e 9 yM e W zCálculo das Cavidades e extremidades.

33 Análise das Cavidades zDividida em duas etapas: yAlgorítmo para a detecção dos candidatos yAlgorítmo para a contagem das cavidades

34 Detecção das Cavidades Regiões canditatas a cavidades Regiões de cavidades

35 Contagem do Número de Cavidades

36 Número de Cavidades dos Caracteres

37 Análise das Extremidades zDetecção e classificação das extremidades dos caracteres. zClassificação: ySuperior esquerda - SE ySuperior central - SC ySuperior direita - SD yCentral esquerda - CE yCentral central - CC yCentral direita - CD yInferior esquerda - IE yInferior central - IC yInferior direita – ID

38 Algorítmo para Detecção das Extremidades

39 Classificação das Extremidades

40 Classificação das Extremidades Detectadas

41 Reconhecimento da Imagem zMomentos invariantes zNúmero de cavidades zClassificação das extremidades zPosição do caracter na imagem inicial

42 Processo de Reconhecimento zCriação do Banco de Dados. zComparação com o Banco de Dados: y1 Fase: xAnálise da posição do caracter na placa xAnálise do número de cavidades xAnálise das extremidades y2 Fase: xAnálise dos momentos invariantes

43 Casos de Reconhecimento zPossíveis situações após a 1 Fase de Reconhecimento: yNenhum elemento identificado xNecessário adicionar do Bando de Dados yApenas 1 elemento identificado xElemento Reconhecido. 2 Fase não é necessária yMais de um elemento identificado x2 Fase é iniciada com os elementos identificados.

44 Segunda Fase de Reconhecimento zAnálise dos momentos invariantes nos elementos que foram identificados na Primeira Fase. zCálculo das distâncias: zReconhecimento => Objeto que possuir as menores distâncias

45 Placas Processadas

46 Resultados Obtidos

47

48 Dados Obtidos z266 Caracteres Processados de 38 Placas diferentes. y51% Caracteres reconhecidos sem a necessidade do cálculo dos momentos y49% Caracteres reconhecidos com as técnicas dos momentos z917 Cálculos de momentos. y1% Erros apresentado no cálculo da distância dos momentos

49 Trabalhos Futuros zBusca automática da placa do veículo nas imagens. zPré - processamento para corrigir placas que não estejam no plano xy. zDetecção das bordas antes da esqueletização para melhorar a qualidade da esqueletização. zCálculo da projeção dos pixeis nas direções horizontais e verticais. zAperfeiçoamento do Banco de Dados

50 Programas Existentes no Mercado zHTS Israel zSIAV Automatisa

51 Links Interessantes Automatic Number Plate Recognition - Portugual yhttp://www.utad.pt/~jbarroso/html/number_plate.html CARINA - Software Product for Automatic Number Plate Recognition - Hungary yhttp://www.arhungary.hu/ Automated Car Number Plate Recognition - Escocia yhttp://www.ednet.co.uk/~euroquest/falcon.htm Number Plate Recognition System - Africa do Sul yhttp://espresso.ee.sun.ac.za/~cc/npr/ License Plate Recognition (LPR) - Israel yhttp://www.htsol.com/Products/SeeCar.html License Plate Reader - USA yhttp://www.perceptics.com/ License Plate Recognition Systems - USA yhttp://www.garlic.com/biz/eotek/ License Plate reader Golden Eagle - Russia yhttp://fire.relarn.ru/personal/charly/berkut/index.htm CarFlow - Russia yhttp://www.photocop.com/products.htm#MegaPixel Jet ANPR Car Number Plate Recognition - Reino Unido yhttp://www.citysync.co.uk/pagedef.htm

52 Links Interessantes zAuto Vu Technologies Inc. - Canada yhttp://www.autovu.com/website/content/products.html Computer Recognition Systems, Ltd - USA yhttp://www.crs-its.com/ Tranport Data Systems - USA yhttp://www.transportdatasystems.com/products.htm Dacolian - Recognition Software - Netherlands yhttp://www.dacolian.nl/ Ponfac S.A - Brasil yhttp://www.ponfac.com.br/ zAutomatisa Sistemas Ltda - Brasil yhttp://www.automatisa.com.br/siav2.htm


Carregar ppt "Aura Conci e Leonardo Hiss Monteiro. Introdução zAutomação do processo de controle de estacionamento zAutomação do processo de aplicação de multas nos."

Apresentações semelhantes


Anúncios Google