Aura Conci e Leonardo Hiss Monteiro

1. Aura Conci e Leonardo Hiss Monteiro Reconhecimento de Placas por imagens

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 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 (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: • 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 => 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