Aura Conci e Leonardo Hiss Monteiro - PowerPoint PPT Presentation

About This Presentation
Title:

Aura Conci e Leonardo Hiss Monteiro

Description:

Title: UTILIZA O DE T CNICAS DE PROCESSAMENTO DE IMAGEM PARA O RECONHECIMENTO DE PLACAS DE VE CULOS Author: Leonardo Last modified by: AURA Created Date – PowerPoint PPT presentation

Number of Views:111
Avg rating:3.0/5.0
Slides: 53
Provided by: leon213
Category:

less

Transcript and Presenter's Notes

Title: Aura Conci e Leonardo Hiss Monteiro


1
  • 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 -gt 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 Antes
  • 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 (II1).
  • 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
  • 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
  • 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
  • Antes
  • Depois

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 gt 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 2.0 - Automatisa

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

52
Links Interessantes
  • Auto Vu Technologies Inc. - Canada
  • http//www.autovu.com/website/content/products.htm
    l
  • Computer Recognition Systems, Ltd - USA
  • http//www.crs-its.com/
  • Tranport Data Systems - USA
  • http//www.transportdatasystems.com/products.htm
  • Dacolian - Recognition Software - Netherlands
  • http//www.dacolian.nl/
  • Ponfac S.A - Brasil
  • http//www.ponfac.com.br/
  • Automatisa Sistemas Ltda - Brasil
  • http//www.automatisa.com.br/siav2.htm
Write a Comment
User Comments (0)
About PowerShow.com