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