Você está na página 1de 20

License Plate Recognition From Still Images and Video Sequences: A Survey

Base de dados: http://www.medialab.ntua.gr/research/LPRdatabase.html

Processo de reconhecimento de placas de veculos dividido em trs etapas:


Localizao da placa (Deteco); Segmentao dos caracteres; Reconhecimento de cada caractere.

Localizao da placa
Pr processamento da imagem para atenuar imperfeies; Sistema rpido; Divididos em vrias tcnicas

Localizao da placa
Imagem Binria (Preto e Branco)
Tcnicas baseadas em bordas e morfologia matemtica. A magnitude do gradiente e a varincia local de uma imagem so analisados, uma vez que a mudana de brilho na regio placa mais notvel e mais frequente do que em outros lugares Em [1], o algoritmo baseia-se em uma operao morfolgica chamada top-hat. muito dependente da distncia entre a cmera e o veculo, com preciso de 80%. Em [77] foi alcanada a preciso de 93%.

Localizao da placa
Imagem Binria (Preto e Branco)
Em [2], um modelo hibrido foi desenvolvido com uma preciso de 99.6%. As imagens foram adquiridos a partir de uma distncia e ngulo fixo. Em [3] [4] [44] [45] [89] [100] [101] [125] e [131], o operador Sobel foi utilizado e a procura pela placa foi realizada utilizando uma janela retangular. A preciso em [3] foi de 97% e o tempo de processamento 47.9ms

Localizao da placa
Nveis em Cinza
Algoritmos que buscam pelo mximo contraste local (possivelmente retngulo que contem a placa). Em [15] a imagem analisada com um nmero N de linhas e contando as bordas existentes. Se o nmero de bordas for maior que um limite estabelecido, houve a localizao da placa. Se no, o algoritmo repetido diminuindo o limite de contagem de bordas. Mtodo simples e dependente do tamanho e distncia.

Localizao da placa
Nveis em Cinza
Em [5], processamento em blocos foi apresentado. Blocos com alta varincia e magnitude nas bordas foram identificados como possveis regies das placas. Blocos que satisfazem as dimenses da placa. Preciso de 92.5% Mtodos de quantizao vetorial, extrao de pequenas tiras com alto contraste. Em [39], tcnica Sliding Concentric Windows (SCW), utiliza medidas como valor mdio e desvio padro entre as duas janelas de tamanhos diferentes para localizar a placa. Preciso de 96.5%

Localizao da placa
Nveis em Cinza
Tcnicas baseadas em cores. Estas tcnicas fazem uso da aparncia esperada da placa (fundo da placa e cor do texto) em cada pas. Porm no proporcionam uma preciso alta por conta da instabilidade das cores devido a luminosidade e limitado por pas Em [7] e [43] levam em considerao que a combinao de cores entre o fundo e os caracteres da placa nica e acontece somente nesta regio.

Localizao da placa
Nveis em Cinza
Em [18][20], a lgica Fuzzy utilizada. Regras que utilizam caractersticas como brilho, textura so utilizadas.

Segmentao
Imagens Binrias
As imagens consideradas possveis placas so examinados na fase de segmentao de caracteres.

Mtodos que exploram projees verticais e horizontais dos pixels so mais simples e portanto mais disseminados na literatura.
Soma-se as colunas ou linhas das imagens de modo que se obtenha um vetor. A partir dos valores mnimos pode-se segmentar os caracteres.

Segmentao
A segmentao de caracteres necessria para execuo do reconhecimento de caracteres, que reconhece os caracteres individualmente. O sucesso do reconhecimento depende da segmentao correta dos caracteres. A maioria dos erros de reconhecimento so devidos a erros de segmentao. Altura da placa deve ser de pelo menos 20-25 pixels se a segmentao e processamento dos caracteres forem necessrias. No entanto, s vezes, essa resoluo no suficiente por conter sujeira, danos fsicos e sombras imprevisveis que degradam o desempenho de segmentao.

Reconhecimento
Para o reconhecimento de caracteres segmentados, diversos algoritmos usam classificadores estatsticos, arquiteturas de inteligncia computacional e tcnicas de combinao de padres.

Reconhecimento
Classificadores
Hbridos e estatsticos
Com a utilizao de modelos Markovianos o reconhecimento comea com pre-processamento e parametrizao da regio de interesse. Em [65] a preciso foi de 95,7% aps um procedimento complexo de pr-processamento.

Reconhecimento
Classificadores
RNAs
Redes neurais artificiais de mltiplas camadas so muito utilizados para o reconhecimento de caracteres em diversos trabalhos [15], [19], [29], [79], [125] [127], [132], [135]. O mtodo backpropagation foi utilizado em [118]. Deve haver muitos ciclos de treinamento para atingir um bom desempenho. Alm disso, o nmero de camadas escondidas, bem como o nmero de neurnios tem de ser definida aps tentativa e erro

Reconhecimento
Classificadores
RNAs
Na tabela abaixo indica algumas topologias de RNAs e seus respectivos trabalhos.

Reconhecimento
Classificadores
RNAs
Deve-se ter ateno para os caracteres parecidos. Em [133] uma camada foi adicionada para tratar os pares de caracteres problemticos (ex.: B/8, O/0, I/1, 0/D). Foi realizada um treinamento especial com os pares de caracteres parecidos e preciso relatada foi de 98.2%

Reconhecimento
Classificadores
RNAs
Em [20], redes Kohonen foram implementados para lidar com rudo, caracteres quebrados ou incompletos adquiridos a partir de placas que foram dobradas e/ ou inclinado em relao cmera. Para superar erros de classificao dos pares de caracteres semelhantes (8, B), (0 / D), e (O/D), um conjunto predefinido que contm os pares dos caracteres classificados incorretamente. Durante o reconhecimento de caracteres, uma vez que um caractere desconhecido classificado como um dos caracteres no conjunto, uma comparao entre o caractere desconhecido e o caractere classificado realizada. Esta comparao se concentra nas partes no ambguas e indicada na figura abaixo.

Reconhecimento
Classificadores
RNAs
Comparao de partes de caracteres em [20].

Reconhecimento
Esta ltima etapa de todo o processo deve ser capaz de tratar todos os erros provenientes da fase de segmentao. Embora se tenha avanos nos ltimos anos, ainda h trabalho a ser feito, como uma deteco robusta, que funcione de forma eficaz para uma variedade de ambientes(iluminao, tipos de placa, placas de diversos pases). Muitos algoritmos utilizam caractersticas fixas, como fontes, geometria da placa, cor para a localizao, segmentao e reconhecimento dos caracteres. A maioria dos sistemas focam no processamento de imagens com somente um veculo. No entanto, imagens de entrada pode conter mais do que um veculo. O estudo proposto em [5] mostrou resultados satisfatrios.

Tendncias atuais
Identificao do modelo do veculo Estimativa de velocidade Gesto de trfego inteligente

Você também pode gostar