Carregar apresentação
A apresentação está carregando. Por favor, espere
1
Aura Conci e Leonardo Hiss Monteiro
Reconhecimento de Placas por imagens Aura Conci e Leonardo Hiss Monteiro
2
Introdução Automação do processo de controle de estacionamento
Automação do processo de aplicação de multas nos veículos Necessidade de automação do processo de reconhecimento de placas
3
Objetivo Conseguir um método simples e eficaz para o reconhecimento das placas dos veículos.
4
Considerações Independente da distância de captura
Fácil adaptação a fonte utilizada
5
Processo utilizado
6
Fases do processamento
Pré-Processamento Armazenamento no formato PCX Binzarização Segmentação dos objetos conectados Primeira Fase de Processamento Cálculo dos momentos invariantes Segunda Fase do Processamento Cálculo das extremidades Cálculo das cavidades
7
Binarização Separação da imagem do fundo.
Utilização de um único ponto de corte (threshold). Utilizamos o método de limiarização Bimodal de Otsu.
8
Método de Limiarização Bimodal de Otsu
Particionamento dos pixeis de uma imagem com L niveis de cinza em duas classes C0 e C1. Limiar otimo -> Maximização da função critério
9
Histograma - Threshold
10
Erosão Diminuição do tamanho original sem perder as caractarísticas geométricas Utilizada para remover ruídos
11
Processo de Erosão Elemento escolhido: Processo:
Coloca-se o elemento escolhido para fazer a erosão na coordenada (i,j) Verifica-se se os vizinhos do elemento são pixeis do objeto (com valor 1) Se todos os vizinhos possuírem valor 1 mantêm-se o pixel central com valor 1. Se 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
Imagem Depois:
13
Segmentação de Objetos Conectados
Separação dos caracteres Utiliza como entrada a imagem binarizada e erodida. Na saida do algoritmo possuimos várias imagens sendo cada uma composta por um caracter.
14
Processo de Segmentação
Num primeiro momento é feita uma varredura na imagem buscando o primeiro pixel do objeto (pixel com valor 1). O valor desse pixel é alterado para o valor de um índice I. O valor desse índice I é incrementado (I=I+1). É 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. Esse 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 Imagem após o algoritmo de contagem:
Caracter segmentado utilizando o vetor:
16
Eliminação dos Ruídos Conectados aos Caracteres
Geralmente no 2 e 5 caracter. União do caracter com o furo de fixação
17
Filtro Utilizado Retas superior e inferior Caracteres após a filtragem
18
Filtragem dos Elementos Relevantes
Remoção dos objetos que estão na parte superior e inferior da imagem. Remoção dos objetos que estão na extremidade direita ou esquerda da imagem. Remoção dos objetos muito pequenos. Remoção dos objetos que contém dimensões horizontais muito grandes.
19
Limites Utilizados Coordenada X: Coordenada Y:
Remoção dos objetos com coordenada X menor que 2,5% do comprimento. Remoção dos objetos com coordenada X maior que 97,5% da comprimento. Coordenada Y: Remoção dos objetos com coordenada Y menor que 10% da altura. Remoção dos objetos com coordenada Y maior que 90% da altura.
20
Limites Utilizados Área: Dimensões horizontais:
Remover os objetos com área menos que 0,6% da área da imagem original. Dimensões horizontais: Remover se os objetos com dimensões horizontais maior que 12% do tamanho original da imagem.
21
Esqueletização Reduzir as partes de um objeto a uma linha fina que representa a representa. Favorece uma análise estrutural simples. Reduz a imagem a sua essência podendo eliminar algumas distorções. Mantem as propriedades geométricas e topológicas.
22
Algoritmo MAT (Medial Axis Transformation)
Passo1: Passo2: Vizinhança
23
Imagem Antes e Depois da Esqueletização
24
Primeira Fase de Processamento
No final da fase de pré-processamento a imagem inicial se encontra segmentada, esqueletizada e binarizada. Cada nova imagem é composta por um caracter. A primeira fase de processamento é composta pelo cálculo dos momentos invariantes.
25
Momentos Invariantes Teoria:
Existe apenas um objeto B que pode produzir o mesmo valor para os momentos de todas as ordens. Se dois objetos tem os mesmos momentos em todas as ordens, estes objetos são identicos.
26
Momentos Geométricos Definição:
27
Momentos Centrais Considerando a translação para a origem das coordenadas temos: Onde:
28
Invariância a Rotação Observamos que alguns momentos são invariantes a rotação como: A invariância a rotação pode ser obtida utilizando um sistema que coincida com os eixos principais:
29
Momentos Utilizados
30
Invariância a Escala Utilizada quando a distância de captura pode variar. Considerando uma transformação de escala: A área mudará:
31
Invariância a Escala nos Momentos Utilizados
32
Segunda Fase de Processamento
Detectar características geométricas de cada um dos caracteres. Distinguir caracteres como: 6 e 9 M e W Cálculo das Cavidades e extremidades.
33
Análise das Cavidades Dividida em duas etapas:
Algorítmo para a detecção dos candidatos Algorítmo 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
Detecção e classificação das extremidades dos caracteres. Classificação: Superior esquerda - SE Superior central - SC Superior direita - SD Central esquerda - CE Central central - CC Central direita - CD Inferior esquerda - IE Inferior central - IC Inferior direita – ID
38
Algorítmo para Detecção das Extremidades
39
Classificação das Extremidades
40
Classificação das Extremidades Detectadas
41
Reconhecimento da Imagem
Momentos invariantes Número de cavidades Classificação das extremidades Posição do caracter na imagem inicial
42
Processo de Reconhecimento
Criação do Banco de Dados. Comparação com o Banco de Dados: 1 Fase: Análise da posição do caracter na placa Análise do número de cavidades Análise das extremidades 2 Fase: Análise dos momentos invariantes
43
Casos de Reconhecimento
Possíveis situações após a 1 Fase de Reconhecimento: Nenhum elemento identificado Necessário adicionar do Bando de Dados Apenas 1 elemento identificado Elemento Reconhecido. 2 Fase não é necessária Mais de um elemento identificado 2 Fase é iniciada com os elementos identificados.
44
Segunda Fase de Reconhecimento
Análise dos momentos invariantes nos elementos que foram identificados na Primeira Fase. Cálculo das distâncias: Reconhecimento => Objeto que possuir as menores “distâncias”
45
Placas Processadas
46
Resultados Obtidos
47
Resultados Obtidos
48
Dados Obtidos 266 Caracteres Processados de 38 Placas diferentes.
51% Caracteres reconhecidos sem a necessidade do cálculo dos momentos 49% Caracteres reconhecidos com as técnicas dos momentos 917 Cálculos de momentos. 1% Erros apresentado no cálculo da distância dos momentos
49
Trabalhos Futuros Busca automática da placa do veículo nas imagens.
Pré - processamento para corrigir placas que não estejam no plano xy. Detecção das bordas antes da esqueletização para melhorar a qualidade da esqueletização. Cálculo da projeção dos pixeis nas direções horizontais e verticais. Aperfeiçoamento do Banco de Dados
50
Programas Existentes no Mercado
HTS Israel SIAV Automatisa
51
Links Interessantes Automatic Number Plate Recognition - Portugual
CARINA - Software Product for Automatic Number Plate Recognition - Hungary Automated Car Number Plate Recognition - Escocia Number Plate Recognition System - Africa do Sul License Plate Recognition (LPR) - Israel License Plate Reader - USA License Plate Recognition Systems - USA License Plate reader “Golden Eagle” - Russia CarFlow - Russia Jet ANPR Car Number Plate Recognition - Reino Unido
52
Links Interessantes Auto Vu Technologies Inc. - Canada
Computer Recognition Systems, Ltd - USA Tranport Data Systems - USA Dacolian - Recognition Software - Netherlands Ponfac S.A - Brasil Automatisa Sistemas Ltda - Brasil
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.