Universidade Estadual do Ceará. Instituto Federal de Educação, Ciência e Tecnologia do Ceará

Transcrição

1 Universidade Estadual do Ceará Instituto Federal de Educação, Ciência e Tecnologia do Ceará MESTRADO PROFISSIONAL EM COMPUTAÇÃO APLICADA MPCOMP Sistema Automático para Detecção de Capacetes em Motociclistas Utilizando Imagens Digitais FORTALEZA - CE 2014

2 MANOEL LOPES FILHO SISTEMA AUTOMÁTICO PARA DETECÇÃO DE CAPACETES EM MOTOCICLISTAS UTILIZANDO IMAGENS DIGITAIS Dissertação apresentada ao Curso de Mestrado Profissional em Computação Aplicada da Universidade Estadual do Ceará, como requisito parcial para obtenção do grau de Mestrado em Computação. Área de Concentração: SAD Sistemas de Apoio a Decisão. Orientador: Prof. Dr. Marcos José Negreiros Gomes FORTALEZA CEARÁ

3 3

4 4

5 A Deus por dar forças e me manter firme na caminhada. A minha família e amigos que sempre me apoiaram nos momentos difíceis. 5

6 AGRADECIMENTOS À Deus pela minha vida e criação. Por guiar meus passos, meus estudos e as minhas decisões. Por alimentar meu corpo e minha alma. Por estar sempre me dando graças em cada momento de minha vida desde os mais simples aos mais difíceis. À minha família, pelo apoio e incentivo diário para que eu estudasse e pudesse crescer tanto no aspecto profissional como no aspecto espiritual. Em especial à minha Mãe Maria Duarte e ao meu Pai Manoel Lopes, pois sem os seus esforços e amor eu nunca teria chegado aonde eu cheguei. Serei grato eternamente por terem sacrificado suas vidas, seus tempos e seus trabalhos em prol do sonho de ver seus seis filhos formados e caminhando com suas próprias pernas. E graças à Bondade do Senhor Jesus Cristo, eles conseguiram cumprir sua missão com excelência. Aos meus irmãos Alfredo, Patrícia, Matusael, Janaína e Matusalem, por fazerem parte da minha vida e estarem presentes nos momentos alegres e tristes, sempre me dando apoio e força. Aos meus vários e incontáveis sobrinhos! Pois eles são a alegria de minha casa! Em especial aos meus afilhados Daniela Lopes e Samuel Lopes que têm um lugar especial guardado no meu coração. À minha namorada Isabel Nascimento, que me acompanhou nesta batalha, e teve que aguentar meus estresses e chatices durante o período de aulas e de escrita deste trabalho. Ao seu imenso amor que me ajudou a ser um homem melhor e mais feliz. E com quem eu pretendo passar o resto dos meus dias. Aos meus amigos e companheiros de luta Fernando Almeida, Robson Sales, Raul Holanda, Leonard Augusto, Symon Moura, por me ajudarem a construir as ideias contidas neste trabalho. Ao meu Orientador Marcos Negreiros, por me ajudar e orientar a construir um trabalho melhor e mais autentico. A todos que de certa forma estiveram presentes na minha vida e formação, cuja lista seria muito extensa para apresentar neste local. 6

7 RESUMO Os sistemas de fiscalização eletrônica veicular têm uma importância fundamental para a fiscalização do trânsito nas grandes cidades. Tendo em vista o cumprimento das normas de trânsito brasileiras, este trabalho propõe um sistema de detecção de motociclistas utilizando ou não o capacete de segurança em imagens digitais, item de uso obrigatório para o tráfego de motocicletas. A solução para a detecção do motociclista utilizando ou não o capacete é baseada no processamento digital de imagens. O processo é dividido em algumas fases: pré-processamento da imagem, segmentação do capacete ou cabeça, extração de atributos e classificação do objeto segmentado. Para avaliação da metodologia proposta, foi utilizado um banco de dados contendo 3000 imagens das duas classes em estudo, com (2000) e sem capacete (1000). Os resultados obtidos ao fim da aplicação da metodologia foram satisfatórios chegando a atingir uma taxa de acerto superior a 93%. Palavras chave: Processamento digital de imagens, morfologia matemática, detecção de capacete, redes neurais artificiais. 7

8 ABSTRACT Automatic traffic control and enforcement systems, are of great importance for the enforcement of traffic rules in big cities. In the compliance with Brazilian's traffic rules, this dissertation proposes a system to automatic detect, from digital images, motorcycle's drivers using or not the helmet, a required item for motorcycle's driver. The solution for the detection of motorcycle's drivers using the helmet or not is based on digital image processing. The process is divided into different phases: image preprocessing, segmentation (of helmet or head), feature extraction and classification of the segmented object. To evaluate the proposed method an image database was used which contains 3,000 images both classes in study, with (2,000) and without a helmet (1,000). The results obtained after applying the methodology were satisfactory, reaching a rate of over 93% accuracy. Keywords: Digital image processing, mathematical morphology, detection of helmet, artificial neural networks. 8

9 LISTA DE TABELAS Tabela 5.1: Taxas de acerto e erro do processo de segmentação das imagens com e sem capacete Tabela 5.2: Avaliação do processo de segmentação Tabela 5.3: Matriz de confusão para a ferramenta WEKA Tabela 5.4: Matriz de confusão para a ferramenta MATLAB Tabela 5.5: Matriz de confusão para a ferramenta BKP_MLP Tabela 5.6: Matriz de confusão para a ferramenta MED_FOURIER Tabela 5.7: Quadro resumo das taxas de acerto e de erro dos classificadores Tabela 5.8: Taxas de acerto e erro do processo de localização e classificação de motociclistas utilizando ou não capacete em imagens digitais Tabela 5.9: Avaliação do processo de localização e classificação de motociclistas utilizando ou não capacete em imagens digitais Tabela 5.10: Resultado da segmentação do grupo [G01] Tabela 5.11: Resultado do processo de classificação do grupo [G01] Tabela 5.12: Resultado global do grupo [G01] Tabela 5.13: Resultado da segmentação do grupo [G02] Tabela 5.14: Resultado do processo de classificação do grupo [G02] Tabela 5.15: Resultado global do grupo [G02] Tabela 5.16: Resultado da segmentação do grupo [G03] Tabela 5.17: Resultado do processo de classificação do grupo [G03] Tabela 5.18: Resultado global do grupo [G03] Tabela 5.19: Resultado da segmentação do grupo [G04] Tabela 5.20: Resultado do processo de classificação do grupo [G04] Tabela 5.21: Resultado global do grupo [G04] Tabela 5.22: Resultado da segmentação do grupo [G05] Tabela 5.23: Resultado do processo de classificação do grupo [G05] Tabela 5.24: Resultado global do grupo [G05] Tabela 5.25: Resultado da segmentação do grupo [G06]

10 Tabela 5.26: Resultado do processo de classificação do grupo [G06] Tabela 5.27: Resultado global do grupo [G06] Tabela 5.28: Resultado da segmentação do grupo [G07] Tabela 5.29: Resultado do processo de classificação do grupo [G07] Tabela 5.30: Resultado global do grupo [G07] Tabela 5.31: Resultado da segmentação do grupo [G08] Tabela 5.32: Resultado do processo de classificação do grupo [G08] Tabela 5.33: Resultado global do grupo [G08] Tabela 5.34: Resultado da segmentação do grupo [G09] Tabela 5.35: Resultado do processo de classificação do grupo [G09] Tabela 5.36: Resultado global do grupo [G09] Tabela 5.37: Resultado da segmentação do grupo [G10] Tabela 5.38: Resultado do processo de classificação do grupo [G10] Tabela 5.39: Resultado global do grupo [G10] Tabela 5.40: Resultado da segmentação do grupo [G11] Tabela 5.41: Resultado do processo de classificação do grupo [G11] Tabela 5.42: Resultado global do grupo [G11] Tabela 5.43: Resultado da segmentação do grupo [G12] Tabela 5.44: Resultado do processo de classificação do grupo [G12] Tabela 5.45: Resultado global do grupo [G12] Tabela 5.46: Quadro resumo dos testes de grupo

11 ÍNDICE DE FIGURAS Figura 1.1: Exemplo de uma imagem obtida automaticamente através de um equipamento de fiscalização eletrônica Figura 2.1: Segmentação do motociclista através de diferença de background...26 Figura 2.2: Detecção de objetos circulares na imagem segmentada...26 Figura 2.3: Algoritmo proposto por Ku et al (2008)...27 Figura 2.4: Tipos de oclusão visual tratadas pelo algoritmo...27 Figura 2.5: Resultado obtido ao final do processo...28 Figura 2.6: (a) e (b) imagens de círculos com diferentes níveis de ruído. (c) e (d) espectro da HT para as respectivas imagens. (e) e (f) resultado da HT com as regiões circulares detectadas...29 Figura 2.7: Resultado obtido da aplicação do algoritmo em imagens reais. (a) imagem analisada. (b) mapa de bordas. (c) resultado do processo de detecção. (d) resultado após os filtros de tamanho...29 Figura 2.8: Resultado do processo de detecção de bordas...30 Figura 2.9: Resultado da localização do melhor círculo envolvente...31 Figura 2.10: Resultado da análise da cor da pele...31 Figura 2.11: Resultado da técnica proposta do Chiverton (2012)...32 Figura 3.1: Exemplo de uma imagem digital com seu sistema de coordenadas...35 Figura 3.2: Função gaussiana bidimensional com média (0, 0) e σ = Figura 3.3: Histograma de uma imagem...47 Figura 3.4: Exemplos de elementos estruturantes (a) cruz; (b) caixa; (c) linha vertical; (d) diamante (GONZALEZ; WOODS, 2010)...49 Figura 3.5: Exemplo da Dilatação (a) Imagem A (b) Elemento estruturante B (c) Resultado da dilatação de A por B (SALES, 2010)...51 Figura 3.6: Exemplo da Erosão.(a) Imagem A (b) Elemento estruturante B (c) Resultado da erosão de A por B (SALES, 2010)...53 Figura 3.7: Exemplo da Abertura. (a) Imagem A (b) Elemento estruturante B (c) Resultado da abertura de A por B (SALES, 2010)

12 Figura 3.8: Exemplo do Fechamento. (a) Imagem A (b) Elemento estruturante B (c) Resultado do fechamento de A por B (SALES, 2010)...56 Figura 3.9: Modelo de um Perceptron...62 Figura 3.10: Forma de onda da função sigmóide...63 Figura 3.11: Arquitetura de uma MLP com uma camada de entrada, duas camadas ocultas e uma camada de saída...64 Figura 4.1: Diagrama de blocos da metodologia proposta...69 Figura 4.2: Equipamento de Fiscalização Eletrônica (TRANA, 2010)...72 Figura 4.3: Exemplo de uma imagem zoom...73 Figura 4.4: Imagem resultante do processo de conversão de uma imagem no formato RGB para o formato em tons de cinza...76 Figura 4.5: Exemplo de uma imagem obtida por um equipamento de fiscalização eletrônica, apresentado a placa e a falta do uso do equipamento de segurança, o capacete...77 Figura 4.6: Exemplo do resultado do processo de redução do espaço de busca...78 Figura 4.7: Efeito do ruído devido ao asfalto...79 Figura 4.8: Resultado da aplicação do filtro para remoção do ruído da imagem...79 Figura 4.9: Resultado do método de detecção de bordas de Canny...81 Figura 4.10: Resultado dos processos morfológicos (dilatação e abertura)...82 Figura 4.11: Exemplo de uma região de interesse...84 Figura 4.12: Exemplo de imagem descartada pelos filtros de tamanho...85 Figura 4.13: Exemplo dos perfis superior, esquerdo e direito de uma região de interesse..86 Figura 4.14: Exemplo da suavização e remoção dos spikes dos perfis esquerdo, direito e superior...87 Figura 4.15: Exemplo da imagem gerada a partir dos três perfis...88 Figura 4.16: Resultado final da segmentação do capacete ou cabeça...89 Figura 4.17: Resultado final do pós-processamento da imagem...90 Figura 4.18: (a) Exemplo de uma cabeça e seu histograma (b) Exemplo de um capacete e seu histograma...91 Figura 4.19: Exemplo de um capacete com histograma semelhante ao histograma de uma cabeça

13 Figura 4.20: (a) Imagem segmentada de um capacete, seu histograma e sua FFT respectivamente, (b) Imagem segmentada de uma cabeca, seu histograma e sua FFT respectivamente...95 Figura 4.21: Imagem segmentada de um capacete escuro uniforme, seu histograma e sua FFT respectivamente...95 Figura 5.1: Imagem do banco de imagens...98 Figura 5.2: Exemplo de falha de segmentação...99 Figura 5.3: Exemplo de um motociclista utilizando o capacete Figura 5.4: Exemplo de um motociclista sem o capacete Figura 5.5: Exemplo de uma imagem noturna de um motociclista com capacete Figura 5.6: Exemplo de uma imagem do grupo [G01] Figura 5.7: Exemplo de resultado da segmentação do grupo [G01] Figura 5.8: Exemplo de uma imagem do grupo [G02] Figura 5.9: Exemplo de resultado da segmentação do grupo [G02] Figura 5.10: Exemplo de uma imagem do grupo [G03] Figura 5.11: Exemplo de resultado da segmentação do grupo [G03] Figura 5.12: Exemplo de uma imagem do grupo [G04] Figura 5.13: Exemplo de resultado da segmentação do grupo [G04] Figura 5.14: Exemplo de uma imagem do grupo [G05] Figura 5.15: Exemplo de resultado da segmentação do grupo [G05] Figura 5.16: Exemplo de uma imagem do grupo [G06] Figura 5.17: Exemplo de resultado da segmentação do grupo [G06] Figura 5.18: Exemplo de uma imagem do grupo [G07] Figura 5.19: Exemplo de resultado da segmentação do grupo [G07] Figura 5.20: Exemplo de uma imagem do grupo [G08] Figura 5.21: Exemplo de resultado da segmentação do grupo [G08] Figura 5.22: Exemplo de uma imagem do grupo [G09] Figura 5.23: Exemplo de resultado da segmentação do grupo [G09] Figura 5.24: Exemplo de uma imagem do grupo [G10] Figura 5.25: Exemplo de resultado da segmentação do grupo [G10] Figura 5.26: Exemplo de uma imagem do grupo [G11]

14 Figura 5.27: Exemplo de resultado da segmentação do grupo [G11] Figura 5.28: Exemplo de uma imagem do grupo [G12] Figura 5.29: Exemplo de resultado da segmentação do grupo [G12]

15 LISTA DE SIGLAS E ABREVIATURAS CONTRAN CTB SFEV ITS HT SVM MLP RNA FFT Conselho Nacional de Trânsito Código de Trânsito Brasileiro Sistema de Fiscalização Eletrônica Veicular Intelligent Transportation System Hough Transform Support Vector Machine Multi-Layer Perceptron Redes Neurais Artificiais Fast Fourier Transform 15

16 SUMÁRIO 1. Introdução Motivação Objetivos Objetivo Geral Objetivos Específicos Justificativa Metodologia de Desenvolvimento Organização do Trabalho Estado da Arte Fundamentação Teórica Processamento Digital de Imagens Técnicas Utilizadas no Processamento Digital de Imagens Binarização de Imagens Filtragem de Imagens Detecção de Bordas Histograma de Imagens Morfologia Matemática Operadores Morfológicos em Imagens Binárias Coeficientes Estatísticos Redes Neurais Artificiais Validação Cruzada Metodologia Proposta Equipamentos de Fiscalização Eletrônica Veicular Pré-Processamento Conversão da Imagem para Tons de Cinza Redução do Espaço de Busca

17 4.3.3 Remoção do Ruído Segmentação Detecção de Bordas Morfologia Matemática Heurísticas de Localização Separação dos Objetos Conectados Filtros de Tamanho Conversão do objeto 2D para sinais 1D Conversão de sinais 1D para objetos 2D Identificação das Regiões Circulares Envolventes Pós-Processamento Extração de Atributos Classificação Análise dos Resultados Ferramentas Utilizadas Cenário de Teste Avaliação do Processo de Segmentação Avaliação do Classificador Avaliação Global Avaliação por Grupos [G1] Imagens de um Motociclista com Capacete de Coloração Clara Uniforme no Período Diurno [G02] Imagens de um motociclista com capacete de coloração escura uniforme no período diurno [G03] Imagens de um motociclista com capacete adesivado/customizado no período diurno [G04] Imagens de dois motociclistas com capacete no período diurno [G05] Imagens de um motociclista com capacete de coloração clara uniforme no período noturno [G06] Imagens de um motociclista com capacete de coloração escura uniforme no período noturno

18 5.6.7 [G07] Imagens de um motociclista com capacete adesivado/customizado no período noturno [G08] Imagens de dois motociclistas com capacete no período noturno [G09] Imagens de um motociclista sem capacete no período diurno [G10] Imagens de dois motociclistas sem capacete no período diurno [G11] Imagens de um motociclista sem capacete no período noturno [G12] Imagens de dois motociclistas sem capacete no período noturno Análise Geral dos Grupos Conclusões e Trabalhos Futuros Conclusões Trabalhos Futuros Referências

19 1. Introdução O aumento da frota de motocicletas trouxe uma consequência trágica para as ruas do Brasil, em especial na região nordeste, o crescimento dos acidentes e mortes envolvendo motociclistas. O capacete é o equipamento para condutores e passageiros de motocicletas e similares que, quando utilizado corretamente, minimiza os efeitos causados por impacto contra a cabeça do usuário em um eventual acidente. Segundo o sistema de informações de mortalidade, no Brasil em dez anos, contados de 2001 até 2011 (informação mais recente fornecida pelo ministério da saúde) houve um aumento de 263,5% nos acidentes de moto com vítima fatal, segundo o Sistema de Informação de Mortalidade. Segundo o CONTRAN (2006) (Conselho Nacional de Trânsito), na resolução 203 de setembro de 2006, artigo 1º, é obrigatório, para circular nas vias públicas, o uso de capacete pelo condutor e passageiro de motocicleta, motoneta, ciclomotor, triciclo motorizado e quadriciclo motorizado. O não cumprimento desta, de acordo com o artigo 4º da mesma resolução, implicará nas sanções previstas nos incisos I e II do Art. 244 do Código de Trânsito Brasileiro (CTB), conforme o caso. Atualmente, no Brasil, o monitoramento do uso deste tipo de equipamento de segurança obrigatório é realizado através de fiscalizações dos motociclistas que trafegam na via. Isso é feito de forma manual a partir de observações realizadas por agentes de trânsito qualificados para o cargo em execução. Além disto, nenhum sistema automático de detecção capacetes em motociclistas foi identificado ou está em operação no país. 19

20 1.1 Motivação Como já foi dito anteriormente, no Brasil houve um grande crescimento do número de motocicletas e também do número de acidentes de trânsito envolvendo motociclistas. Além disto, muitos destes motociclistas agem de forma imprudente e não respeitam a legislação de trânsito vigente, colocando assim a sua própria vida em risco e aumentando os gastos públicos com o tratamento de acidentados graves do trânsito. Segundo o ministério da saúde foram gastos pelo Sistema Único de Saúde, em 2011, uma quantia de 96 milhões de reais com internações relacionadas a acidentes de moto, segundo o Portal Brasil. Desta forma, faz-se necessário um mecanismo de fiscalização eficiente que seja capaz de monitorar a circulação de motociclistas que não usam o equipamento de segurança obrigatório. Com isso, espera-se que haja uma redução do número de motociclistas imprudentes e consequentemente uma redução na quantidade de acidentes envolvendo vítimas graves ou fatais. Todas as informações e imagens utilizadas para este estudo foram geradas por equipamentos de fiscalização eletrônica, pertencentes à empresa Trana Construções Ltda, que atua há 16 anos no mercado de fiscalização eletrônica com abrangência nas cidades de Fortaleza, Mossoró, Natal, Juazeiro do Norte, Caucaia, São Luís, Campo Grande, Goiânia, São Paulo, Rio de Janeiro. O equipamento da empresa Trana é capaz de realizar uma classificação veicular, ou seja, ele é capaz de identificar o tipo de veículo que trafega na via. Desta forma, o equipamento consegue capturar as imagens apenas das motocicletas. E essa imagem, como pode ser visto na Figura 1.1, será analisada pelo sistema proposto neste trabalho que identificará o uso ou não do capacete. 20

21 Figura 1.1: Exemplo de uma imagem obtida automaticamente através de um equipamento de fiscalização eletrônica. 1.2 Objetivos Objetivo Geral Desenvolver um sistema capaz de realizar a detecção automática de motociclistas utilizando ou não o capacete, baseado no processamento digital de imagens, com imagens reais fornecidas por equipamentos de fiscalização eletrônica Objetivos Específicos Propor uma nova metodologia capaz de localizar e classificar motociclistas que utilizam ou não o equipamento de segurança obrigatório, capacete, em 21

22 imagens obtidas a partir de equipamentos de fiscalização eletrônica instalados em diversos pontos do Brasil; Montar uma base de imagens de motociclistas utilizando ou não o capacete, com variações de ambiente, perspectiva, iluminação e resolução; Propor uma metodologia para realizar a avaliação dos resultados obtidos a partir do algoritmo proposto; Contribuir para o desenvolvimento tecnológico da empresa Trana Construções, financiadora deste trabalho, visando mantê-la entre as principais empresas desse mercado no Brasil; Contribuir com a diminuição dos motociclistas imprudentes e consequentemente com o número de acidentes com vítimas graves ou fatais. 1.3 Justificativa Devido ao grande número de acidentes envolvendo morte de motociclistas no Brasil registrados pelo Sistema de Informação de Mortalidade e pela quantia gasta com internações de motociclistas pelo Sistema Único de Saúde, fazem-se necessárias soluções que objetivem a redução dos acidentes de moto. Desta forma, a proposta deste trabalho baseia-se em análise do produto gerado pelo equipamento de fiscalização eletrônica, neste caso a imagem digital, para identificar o uso do capacete de segurança. Além dos benefícios alcançados para a população, um sistema de fiscalização automática de motociclistas trafegando sem o uso do capacete de segurança, trará um diferencial competitivo para a empresa por se tratar de uma solução inovadora no mercado Brasileiro. Como a Trana Construções é a empresa financiadora deste trabalho, o projeto deverá ser implantado em todo seu parque de equipamentos, de forma a proporcionar um avanço tecnológico. Isto é um diferencial em relação às outras empresas do ramo. Como resultado, a empresa Trana Construções poderá configurar entre as principais empresas de fiscalização eletrônica do país. 22

23 Além disso, existe a grandeza social do projeto que visa, após a implantação do sistema, uma redução das vítimas graves ou fatais e consequentemente uma redução dos gastos públicos com hospitais e medicamentos para tratar essas vítimas. 1.4 Metodologia de Desenvolvimento Para o desenvolvimento desta solução foi realizada uma pesquisa bibliográfica para identificar quais as soluções existentes, propostas na literatura, que fossem capazes de resolver o problema. Nesta pesquisa foram levantadas as técnicas utilizadas, a abordagem do problema, os índices de eficiência, e os problemas intrínsecos das técnicas ou tecnologias envolvidas na solução. Esta pesquisa foi de fundamental importância para o entendimento do problema e para a proposta da solução deste trabalho. Todas as imagens utilizadas neste trabalho foram cedidas pela empresa Trana Construções. O Banco de Imagens foi gerado a partir de imagens obtidas de equipamentos de fiscalização eletrônica distribuídos no território Brasileiro. Neste banco existem os mais diversos tipos de imagens de motociclistas utilizando ou não o capacete, em iluminações diferentes, ambientes diferentes e condições climáticas diferentes. Isto propiciou o desenvolvimento de uma solução mais robusta e invariante à iluminação e diferença de ambientes. A metodologia utilizada neste trabalho pode ser dividida nas seguintes etapas descritas a seguir: Pesquisar técnicas de segmentação de imagens. Existem várias técnicas de segmentação de imagens, cada técnica, geralmente, é composta por um conjunto de algoritmos que procuram um objeto em específico na imagem. Esta fase é de fundamental importância, já que é necessária a localização do capacete ou cabeça na imagem do motociclista. A eficiência final da solução 23

24 depende da eficiência desta fase, pois a classificação do objeto segmentado só será válida, caso o objeto seja segmentado corretamente. Pesquisar técnicas de reconhecimento de padrões. Somente a localização do objeto, cabeça ou capacete, não é suficiente. É necessário que após a segmentação do objeto, ocorra uma fase de extração de atributos e classificação deste objeto. É nesta fase que a solução irá determinar a qual classe, cabeça ou capacete, a imagem segmentada pertence. Desta forma, imagens segmentadas de forma incorreta podem ocasionar falhas nesta fase. Validar a solução com o banco de imagens obtido. Nesta fase a solução proposta será avaliada utilizando-se o banco de imagens. Ao final desta fase, serão obtidas as taxas de acerto da solução, ou seja, uma matriz de confusão será o produto final da validação. 1.5 Organização do Trabalho Esta dissertação está dividida em cinco capítulos além desta introdução. No capítulo 2 é apresentada a pesquisa bibliográfica, ou estado da arte, sobre o tema do trabalho. Neste capítulo ainda são discutidas as técnicas utilizadas para a solução do problema e as dificuldades de cada trabalho da pesquisa. O capítulo 3 introduz a fundamentação teórica necessária para o entendimento do problema e da solução proposta para a resolução do mesmo. Serão explanados técnicas e algoritmos de segmentação de objetos em imagens digitais e algoritmos de reconhecimento e classificação de padrões. O capítulo 4 apresenta a metodologia utilizada para a solução do problema. Nela constarão, com detalhes, todas as técnicas utilizadas para a segmentação da cabeça ou capacete na imagem do motociclista, os atributos extraídos destas imagens segmentadas, e os algoritmos utilizados para classificar o objeto segmentado. 24

25 No capítulo 5 serão analisados de forma crítica os resultados obtidos, as técnicas de validação da solução e serão apresentadas as taxas de eficiência parcial e final da solução. Por fim, no capítulo 6 serão discutidas as conclusões sobre o trabalho de pesquisa desenvolvido, as dificuldades encontradas para obtenção da solução e sugestões de melhorias e trabalhos futuros. 25

26 2. Estado da Arte No Brasil houve um grande crescimento do número de motocicletas e também do número de acidentes de trânsito envolvendo motociclistas. Além disto, muitos destes motociclistas agem de forma imprudente e não respeitam a legislação de trânsito vigente, colocando assim a sua própria vida em risco e aumentando os gastos públicos com o tratamento de acidentados graves do trânsito, segundo o Portal Brasil. Nesta seção serão avaliados os trabalhos relacionados com o tema de pesquisa desta dissertação. Uma análise crítica será realizada sobre cada trabalho, levando em consideração seus pontos positivos e negativos para a solução do problema em questão em um sistema de fiscalização eletrônica veicular. 2.1 Trabalhos Avaliados Segundo Chiverton e Uttama (2010), as técnicas de processamento digital de imagens são capazes de realizar em imagens digitais ou em vídeos a localização e classificação de motociclistas utilizando ou não capacete. O algoritmo proposto por Chiverton e Uttama (2010) baseia-se no rastreamento do motociclista, através da análise das imagens do vídeo, segmentação da região do capacete e análise estatística para realizar a classificação. A segmentação do motociclista ocorre através de análise do background obtido através das imagens do vídeo, como pode ser visto na Figura 2.1. Em uma segunda fase é realizado o processo de localização de objetos circulares como pode ser visto na Figura 2.2. * As técnicas descritas no capítulo 2 serão apresentadas no capítulo 3. 25

27 Por fim, Chiverton e Uttama (2010) utilizaram-se uma técnica de classificação estatística para avaliar a probabilidade de estes círculos serem ou não um capacete. Figura 2.1: Segmentação do motociclista através de diferença de background FONTE: (CHIVERTON; UTTAMA, 2010) Ainda de acordo com Chiverton e Uttama (2010), foram implementados os algoritmos propostos por outros autores como Ku et al (2008), porém, se mostraram ineficientes para o ambiente proposto pelos primeiros. Já o método proposto por Chiverton e Uttama obteve resultados que atingiram 85.6% de taxa de acerto sobre a base de validação. Figura 2.2: Detecção de objetos circulares na imagem segmentada FONTE: (CHIVERTON; UTTAMA, 2010) 27

28 Segundo Ku et al (2008), o problema se caracteriza como um problema de ITS (Intelligent Transportation System), pois a aplicação combina eletrônica, comunicação, computação e tecnologia de sensores, é apresentado, também, uma abordagem para a solução do problema baseado em vídeo, porém os autores tem uma preocupação maior com problemas relacionados à oclusão visual para que haja uma maior eficácia. Figura 2.3: Algoritmo proposto por Ku et al (2008) FONTE: (KU ET AL, 2008) O algoritmo realiza o rastreamento do motociclista, segmentação, verificação da existência da oclusão visual, segmentação do capacete e classificação do objeto, como pode ser visto na Figura 2.3. A segmentação do motociclista através da diferença de background é a primeira fase do algoritmo, nela, o objeto é segmentado para posterior análise. Na segunda etapa do processo, denominado de reconhecimento, é verificada a validade deste objeto segmentado, se há oclusão visual decorrente da captura do vídeo, tratamento da oclusão, localização e segmentação do capacete e rastreamento do objeto. Figura 2.4: Tipos de oclusão visual tratadas pelo algoritmo FONTE: (KU ET AL, 2008) 28

29 Por fim, ainda de acordo com Ku et al (2008), na sua aplicação prática ele obteve um resultado de 96% durante o dia e de 80% no período noturno. Figura 2.5: Resultado obtido ao final do processo FONTE: (KU ET AL, 2008) Wen (2003) propõe um algoritmo capaz de localizar semicírculos em uma imagem digital. Esta técnica baseia-se na transformada de Hough (HT), que foi proposta para detecção de padrões. Neste caso, a HT foi utilizada para detecção de círculos, completos ou não, como podemos observar na Figura 2.6. Wen (2003) propôs o algoritmo: remoção do ruído da imagem, detecção do mapa de bordas, localização dos semicírculos, filtro de tamanho para realizar a classificação. O resultado desta técnica pode ser visto na Figura 2.7. Por fim Wen (2003) não utilizou nenhuma técnica da validação para levantar as taxas de aproveitamento do algoritmo proposto. 29

30 Figura 2.6: (a) e (b) imagens de círculos com diferentes níveis de ruído. (c) e (d) espectro da HT para as respectivas imagens. (e) e (f) resultado da HT com as regiões circulares detectadas FONTE: (WEN, 2003) Figura 2.7: Resultado obtido da aplicação do algoritmo em imagens reais. (a) imagem analisada. (b) mapa de bordas. (c) resultado do processo de detecção. (d) resultado após os filtros de tamanho. FONTE: (WEN, 2003) 30

31 Figura 2.8: Resultado do processo de detecção de bordas, FONTE: (LIU ET AL, 2005) Liu et al (2005) propuseram um algoritmo capaz de identificar um motociclista utilizando ou não o capacete a partir de imagens frontais. O algoritmo é composto por cinco etapas: filtro gaussiano para a remoção do ruído e borramento da imagem, detecção de bordas utilizando o algoritmo de Canny, regressões lineares múltiplas para localizar bordas com concavidades para baixo, calculo do melhor círculo envolvente para demarcar as possíveis áreas de cabeça ou capacete e análise da cor da pele dentro das regiões circulares encontradas para identificar se existe ou não o uso do capacete. A Figura 2.8 mostra o resultado da detecção de bordas, a Figura 2.9 mostra o resultado do melhor círculo envolvente e a Figura 2.10 mostra a análise da cor da pele. 31

32 Figura 2.9: Resultado da localização do melhor círculo envolvente, FONTE: (LIU ET AL, 2005) Ainda segundo Liu et al (2005), foram realizados testes empíricos, sendo assim, não existe uma avaliação formal e nem indicadores de taxas de aproveitamento da técnica proposta. Figura 2.10: Resultado da análise da cor da pele, FONTE: (LIU ET AL, 2005) 32

33 Outra abordagem apresentada por Chiverton (2012) localiza e identifica o capacete ou cabeça através da subtração do background. Após isto a região da cabeça ou capacete é isolada e são calculados os histogramas dos quatro quadrantes da imagem. Esses histogramas foram utilizados para treinar uma Support Vector Machine (SVM) e realizar a classificação da imagem com ou sem capacete. Ainda segundo Chiverton (2012) a transformada de Hough (HT) utilizada por outros autores não se mostra eficiente, pois além do objeto alvo ele localiza vários outros, gerando assim muitos falsos positivos. Já a técnica proposta por ele conseguiu atingir taxas de acerto maiores que 95%, se mostrando uma técnica bastante eficaz. Figura 2.11: Resultado da técnica proposta do Chiverton (2012) FONTE: (CHIVERTON, 2012) Após a análise do estado da arte, foi verificado que para aplicações práticas de monitoramento das vias de transporte há algumas necessidades das quais os algoritmos apresentados anteriormente não apresentam um suporte necessário. As técnicas utilizando vídeo são técnicas computacionalmente caras, pois, necessitam estar constantemente realizando cálculos para se obter o background da cena em questão. Isto gera um consumo 33

34 razoável e constante do uso do processador. Também é necessário, para as aplicações de monitoramento de trânsito, que as imagens sejam capturadas pela traseira da motocicleta, pois, as motos não possuem a placa de identificação na frente, tornando inviáveis as técnicas frontais. Outro ponto necessário é que as imagens analisadas sejam coloridas ou em tons de cinza, pois, durante o período noturno há baixa luminosidade, e o uso de iluminadores no espectro de luz visível é proibido, pois, ofusca os condutores, permitindose assim, somente iluminadores infravermelhos. Desta forma, no período noturno as imagens são obtidas em tons de cinza, fazendo-se necessário uma técnica que não utilize informações de cores da imagem. Sendo assim, para que o sistema seja eficaz e viável na localização de motociclistas utilizando ou não capacetes, é imprescindível que ele seja capaz de analisar uma única imagem, seja ela colorida ou não, assim como se o objeto segmentado é realmente um capacete, utilizando dados que vão além do tamanho. Isto é levantado para se obter não só boas taxas de classificação, mas também um custo computacional baixo, ou seja, isto torna o projeto viável para execução prática. Devido a essas necessidades, foi proposto um algoritmo que atenda a todas estas limitações apresentadas, visando, sempre, a melhoria no desempenho e na taxa de acerto. 34

35 3. Fundamentação Teórica Neste capítulo é apresentada a fundamentação teórica utilizada para a construção da solução proposta por este trabalho. Diversos conhecimentos serão abordados, como o processamento digital de imagens, que inclui algoritmos de extração de bordas e morfologia matemática. Também serão apresentados os conceitos de redes neurais artificiais e o algoritmo de validação cruzada. 3.1 Processamento Digital de imagens Pode-se definir uma imagem como uma função bidimensional, f(x, y), em que x e y são coordenadas espaciais, e a amplitude de f em qualquer par de coordenadas (x, y) é chamada de intensidade ou nível de cinza da imagem nesse ponto, sendo os valores x, y e f finitos e discretos (GONZALEZ; WOODS, 2010). A seguir, na Figura 3.1, pode-se observar um exemplo de uma imagem digital com seu sistema de coordenadas, onde o ponto superior esquerdo é a referência deste sistema. A imagem digital, determinada por uma função bidimensional, pode ser representada em forma de matriz de M x N amostras, onde cada elemento da matriz é chamado de pixel (PEDRINI; SCHWARTZ, 2008). 35

36 Figura 3.1: Exemplo de uma imagem digital com seu sistema de coordenadas FONTE: (GOOGLE) Cada pixel da matriz tem associado um valor L min f(x, y) L máx tal que o intervalo [L min,l máx ] é denominada de escala de cinza (PEDRINI; SCHWARTZ, 2008). No caso específico das imagens monocromáticas, cada pixel pode assumir valores que variaram entre 0 (preto) e 255 (branco), representando um byte da matriz (PEDRINI; SCHWARTZ, 2008). A imagem binária é um caso particular de uma imagem monocromática, onde o intervalo [L min, L máx ] é formado por apenas dois elementos, geralmente sendo 0 (preto) e 1 (branco). Para imagens em cores, cada pixel tem associado um valor vetorial representando a cor, sendo esta definida por meio das grandezas luminância, matiz e saturação, associadas, respectivamente, ao brilho da luz, ao comprimento de onda dominante e ao grau de pureza do matiz (PEDRINI; SCHWARTZ, 2008). Existem também outros tipos de representação que variam de acordo com o padrão de cores adotado. Padrões comumente utilizados são o RGB, HSI e YUV, dentre outros (GONZALEZ; WOODS, 2010). Para realizar a análise computacional das imagens digitais utiliza-se um processo especificado no processamento digital de imagens. O processamento digital de imagens pode ser definido como um conjunto de técnicas computacionais para captura, representação e transformação de imagens (PEDRINI; SCHWARTZ, 2008). 36

37 As técnicas do processamento digital de imagens são aplicadas em diversas áreas, como segurança, medicina, automação industrial, dentre outras. A utilização destas técnicas tem como objetivo extrair informações, contidas nas imagens, que sejam necessárias para a solução do problema em questão. Estas técnicas incluem métodos para filtragem de ruídos, realce da imagem, localização e descrição de objetos, compressão de dados, codificação, etc (PEDRINI; SCHWARTZ, 2008). Para um sistema completo de processamento e análise de imagens digitais são necessárias algumas fases (PEDRINI; SCHWARTZ, 2008). São elas: Aquisição. Pré-processemento. Segmentação Representação e descrição. Reconhecimento e Interpretação. A importância de cada fase citada acima será apresentada a seguir. A aquisição da imagem consiste em obter a imagem de forma digital através da utilização de um dispositivo ou sensor capaz de alterar suas propriedades de acordo com a cena a qual se deseja representar de forma fidedigna, para que seja realizado o processamento digital da mesma (PEDRINI; SCHWARTZ, 2008). Alguns dispositivos comuns que realizam a aquisição de imagens digitais são: Câmeras digitais; Scanners; Tomógrafos; Ultrassom. 37

38 A aquisição é de fundamental importância para o entendimento do problema, pois é nesta fase que a cena será digitalizada. Dificuldades na definição da cena podem comprometer e até mesmo inviabilizar, a solução do problema em questão. Após a aquisição, caso seja necessário, algumas técnicas podem ser utilizadas para realizar o melhoramento das imagens, isto é realizado no pré-processamento. O préprocessamento consiste em realizar alterações na imagem original de forma a melhorar a visualização da cena. São realizadas nesta fase a extração de ruídos por filtragem, ajuste de brilho e contraste, realce das bordas da imagem, entre outras (GONZALEZ; WOODS, 2010). Cada operação realizada na fase de pré-processamento altera o conteúdo da imagem original obtida na fase de aquisição. Desta forma, as técnicas de pré-processamento devem ser utilizadas de forma cautelosa, pois, informações úteis podem ser desfiguradas nesta fase. Com a imagem pronta para ser analisada, é necessário encontrar dentro da cena exposta, algum ou alguns objetos de interesse. A segmentação visa separar da cena da imagem digital um objeto de específico interesse do problema. Geralmente a fase de segmentação é uma das fases mais difíceis do processamento digital de imagens (GONZALEZ; WOODS, 2010). Nesta fase são analisadas as propriedades da cena em questão e avaliadas as técnicas que deverão ser utilizadas para localizar o objeto desejado na cena. Após separado o objeto, são extraídas suas características que serão utilizadas nas fases posteriores. Podem ser vistos a seguir exemplos de algumas técnicas utilizadas nesta fase: Detecção de bordas; Detecção de linhas; Detecção de circunferências; Morfologia matemática; 38

39 Após a localização do objeto de interesse, faz-se necessário obter uma representação do mesmo. A representação tem como objetivo realizar a estruturação dos dados obtidos na etapa de segmentação de forma a adequá-los para o processamento computacional, geralmente são utilizados representações por fronteiras ou por regiões (GONZALEZ; WOODS, 2010). Essas estruturas facilitam o armazenamento e a manipulação dos objetos de interesse extraídos da imagem. A representação do objeto específico por fronteira é apropriado quando os atributos de interesse se concentram nas características externas de forma, como vértices, bordas e pontos de inflexão. Já a representação por região é adequada quando o foco é direcionado às propriedades internas do objeto, como a textura, cor ou a forma do esqueleto (GONZALEZ; WOODS, 2010). Cada aplicação irá determinar a melhor forma de realizar sua representação, podendo inclusive utilizar as duas representações simultaneamente. A descrição ou seleção de características é o processo pelo qual são determinadas quais as características de interesse dos objetos. Neste processo são extraídos os atributos que resultam em alguma informação quantitativa de interesse ou que possam ser utilizados para diferenciar uma classe de objetos de outra. A seguir, alguns exemplos de atributos comumente utilizados: Relação de aspecto; Área; Perímetro; Curvatura; Densidade de bordas. Por fim, o processo de reconhecimento e interpretação é responsável por separar os objetos em classes distintas e atribuir rótulos para os mesmos. Esta classificação é baseada nos atributos de cada classe, chamados de descritores (GONZALEZ; WOODS, 2010). 39

40 É de imensa importância a escolha correta dos descritores, pois, os mesmos devem separar as classes de interesse de forma apropriada, para se obter um bom resultado da classificação. A seguir, algumas técnicas de reconhecimento: Redes neurais artificiais (Multi Layer Perceptron; Suport Vector Machine; entre outras); Árvores de decisão; Classificadores estatísticos (classificador gaussiano, KNN, entre outros); Heurísticas e meta-heurísticas. 3.2 Técnicas Utilizadas no Processamento Digital de Imagens Existe um número considerável de técnicas consagradas no processamento digital de imagens, que têm fundamental importância na resolução dos problemas deste nicho. A seguir serão apresentadas algumas destas técnicas, dentre elas têm-se: binarização de imagens, filtragem de imagens, detecção de bordas e morfologia matemática Binarização de Imagens O processo de binarização de uma imagem digital consiste em converter uma imagem em tons de cinza, com os valores de cada pixel variando de 0 à 255, para uma imagem preto e branco, com os valores de cada pixel variando entre 0 ou 1. Esta técnica é baseada na classificação dos pixels (x, y) de uma imagem f(x, y) de acordo com a especificação de um limiar T que separa os pixels do objeto e do fundo de acordo com a expressão (PEDRINI; SCHWARTZ, 2008): 40

41 g(x, y) = { 1, se f(x, y) > T 0, se f(x, y) T } Equação 3.1: Função de limiarização binária Existem basicamente dois tipos de limiarização, a limiarização global e a limiarização local ou regional. A limiarização global é definida quando um único limiar é definido para binarizar toda a imagem. Já na limiarização local ou regional o valor do limiar no pixel (x, y) é definido de acordo com as propriedades da sua vizinhança (GONZALEZ; WOODS, 2010). A binarização também pode ser vista como uma forma de compressão dos dados, já que o processo irá transformar uma imagem que possui pixels que variam no intervalo [0, 255] para uma imagem onde seus pixels variam de [0,1]. Nesta transformação haverá uma significativa perda de informação, logo, a escolha do limiar é essencial para que se possua uma imagem devidamente binarizada. Para que se possa escolher um limiar de forma mais eficiente e de forma automática, vários métodos são utilizados. Um deles é o método de Otsu que é um método de cálculo de limiar global que busca maximizar a variância entre duas classes, sendo os pixels do objeto e os pixels do fundo (GONZALEZ; WOODS, 2010). Para a separação destas classes o método de Otsu, utiliza a informação do histograma da imagem, e nele aplica vários cálculos para encontrar o ponto de corte ótimo que maximize a variância entre as duas classes. 2 A partir do cálculo da variância σ T e da média μ T globais da imagem, o método 2 procura maximizar a razão η(t) da variância entre as classes σ B em relação à variância total, para todos os valores possíveis de limiar T (PEDRINI; SCHWARTZ, 2008), sendo expressa por: 41

42 η(t) = σ B 2 σ T 2 Equação 3.2: Razão da variância entre classes As variâncias entre as classes podem ser obtidas pela expressão dada na Equação 3.3, abaixo (PEDRINI; SCHWARTZ, 2008): L 1 σ T 2 = (i μ T ) 2 i=0 T ω 1 = p i i=0 L 1 μ T = ip i i=0 ω 2 = 1 ω 1 σ B 2 = ω 1 ω 2 (μ 1 μ 2 ) 2 μ 1 = μ S ω 1 μ 2 = μ T μ S ω 2 T μ S = ip i i=0 L 1 p i i=0 = 1, p i = η i η Equação 3.3: Equações para o cálculo da variância entre as classes Na Equação 3.3, ηi é o número de pixels com nível de cinza i, η é o número total de pixels da imagem, pi é a probabilidade do nível de cinza i ser encontrado na imagem, L é o número de pixels de cinza da imagem e T é o valor do limiar. O valor escolhido para T e T* é aquele que maximiza a razão η(t), podendo ser determinado através da Equação 3.4 (GONZALEZ; WOODS, 2010). T * = máx η(t) 0 T L 1 Equação 3.4: Limiar ótimo de Otsu 42

43 Por fim, o método de Otsu é bastante eficiente em imagens com maior variância de intensidade, porém, por ser um algoritmo de limiarização global e que utiliza somente o histograma, o método de Otsu não leva em consideração os detalhes específicos da imagem (PEDRINI; SCHWARTZ, 2008) Filtragem de Imagens As operações de filtragem em imagens digitais podem tanto ser realizadas no domínio do espaço quanto no domínio da frequência, sendo normalmente classificadas como passa-baixas, passa-altas e passa-faixa (PEDRINI; SCHWARTZ, 2008). Os filtros no domínio da frequência levam em consideração a distribuição da imagem no espectro da frequência. Os filtros passa-baixa são filtros que atenuam as altas frequências, relacionadas diretamente com os detalhes das imagens, como bordas e ruídos. Já os filtros passa-alta são filtros que realçam as altas frequências, sendo geralmente utilizados para realçar as bordas das imagens. Por fim, os filtros passa-faixa selecionam um intervalo de frequências do sinal para ser realçado. Já os filtros do domínio espacial são aplicados diretamente ao conjunto de pixels da imagem (matriz M x N), enquanto que os filtros do domínio da frequência consistem em modificar a transformada de Fourier de uma imagem e depois calcular a transformada inversa para obter o resultado final da filtragem, (GONZALEZ; WOODS, 2010). No domínio espacial, geralmente os filtros são formados através do uso de matrizes denominadas de máscaras, as quais são aplicadas diretamente a imagem. Esse processo de filtragem pode ser definido pela expressão (GONZALEZ; WOODS, 2010): g(x,y) = T[f(x,y)] Equação 3.5: Filtragem no domínio espacial 43

44 Na Equação 3.5, f(x, y) é a imagem de entrada, g(x, y) é a imagem de saída e T é a máscara em f definida em uma vizinhança do ponto (x, y). Um filtro bastante utilizado é o filtro Gaussianao. Essa filtragem, no domínio espacial, é um tipo de filtro passa-baixas utilizado para suavizar uma imagem (PEDRINI; SCHWARTZ, 2008). A aplicação deste filtro é realizada através de uma convolução com uma máscara onde os seus coeficientes são obtidos através de uma função Gaussiana bidimensional, como pode ser visto na Figura 3.2. A função Gaussiana discreta com média zero e desvio padrão σ é definida segundo a Equação 3.6: Figura 3.2: Função gaussiana bidimensional com média (0, 0) e σ = 1 G(x,y) = 1 2πσ exp (x 2 + y 2 ) 2 2σ 2 Equação 3.6: Função Gaussiana bidimensional Os filtros Gaussianos apresentam algumas características que os tornam úteis no processamento digital de imagens. Sua principal função é realizar a remoção dos ruídos da imagem, sendo em sua maior parte utilizado durante a fase pré-processamento da imagem. Também é importante destacar a propriedade isotrópica deste filtro, ou seja, as duas dimensões, são simétricas com relação à rotação, aplicando o mesmo grau de suavização 44

45 em todas as direções, além de serem separáveis, o que permite que sejam executados através da aplicação de um filtro Gaussiano unidirecional, seguido da aplicação do mesmo filtro orientado ortogonalmente ao filtro do primeiro estágio, reduzindo consideravelmente o número necessário de operações executadas (PEDRINI; SCHWARTZ, 2008) Detecção de Bordas Um conceito extremamente importante no processamento digital de imagens é o conceito de bordas. Uma borda é o limite ou a fronteira entre duas regiões. O que determina a mudança de regiões são as altas variações de intensidade de níveis de cinza entre pixels vizinhos. Sendo assim, a detecção de bordas, essencialmente, é uma operação de identificação de mudanças significativas de intensidade, podendo ser descritas por meio de derivadas, mais precisamente pelo operador gradiente, que é comumente utilizado para essa diferenciação (PEDRINI; SCHWARTZ, 2008). O gradiente, é um vetor cuja direção indica os locais nos quais os níveis de cinza da imagem sofrem maior variação de intensidade. O vetor gradiente f(x, y) de uma imagem na posição (x, y) pode ser representado pelo vetor (GONZALEZ; WOODS, 2010): f f = [ g x x g ] = y f [ y] Equação 3.7: Vetor gradiente Na Equação 3.7 apresentada a cima, f/ x e f/ y são as derivadas parciais da imagem nas direções x e y respectivamente. 45

46 Na detecção de bordas, a magnitude do vetor gradiente é denominada por mag( f) e expressada pela Equação 3.8 (PEDRINI; SCHWARTZ, 2008). mag( f) = g 2 x + g 2 y = f 2 x + f 2 y Equação 3.8: Magnitude do vetor gradiente Por fim, a direção do vetor gradiente é dada pelo ângulo α(x, y) medido em relação ao eixo x e expresso pela Equação 3.9 (GONZALEZ; WOODS, 2010). α(x, y) = arctan g x g y Equação 3.9: Ângulo do vetor gradiente Várias técnicas são utilizadas para detectar as bordas de uma imagem. Cada uma destas técnicas determina uma matriz, geralmente, quadrada que será convoluída com a imagem. Um dos operadores bastante utilizados é o operador Canny. O operador Canny é um método de detecção de bordas que procura otimizar a localização de pontos da borda na presença do ruído. Este método é bastante eficaz conseguindo localizar as bordas da imagem com alta precisão. Outra característica deste operador é a concepção de localizar apenas um único ponto para a borda detectada (GONZALEZ; WOODS, 2010). Este método de localização de bordas é dividido em fases: 46

47 Suavização da imagem; Cálculo do gradiente; Supressão não máxima; Limiarização com histerese. Na primeira fase, a imagem é suavizada utilizando-se um filtro gaussiano. Esta suavização busca a remoção do ruído de alta frequência. Após isto, é calculada a magnitude e a direção do gradiente da imagem. Em seguida, são localizados os pontos de máximo local para a magnitude do gradiente da imagem, técnica conhecida como supressão não máxima. Esta operação visa a redução da espessura das bordas. Por fim, realiza-se uma limiarização com histerese, para remover os fragmentos gerados por texturas finas que tenha resultado do processo de cálculo do gradiente. Esse processo consiste no uso de dois limiares distintos, T1 e T2, com T2 > T1, tal que pontos da borda que possuem gradiente maior que T2 são mantidos como pontos de borda. Pontos conectados a esses pontos de borda são considerados como pertencentes à borda se a magnitude de seu gradiente estiver acima de T1, evitando que as bordas fiquem fragmentadas em múltiplos segmentos (GONZALEZ; WOODS, 2010) Histograma de Imagens O histograma é uma sumarização dos dados da imagem, geralmente obtido através de uma imagem em tons de cinza. Ele representa uma contagem da quantidade de pixels que possuem e mesma intensidade. A representação da imagem por um histograma é muito importante, pois se pode verificar somente nesta informação se a imagem é clara ou escura, se possui contraste global ou não, além de poder utilizá-lo para calcular métricas como média, variância, entre outros (GONZALEZ; WOODS, 2010). 47

48 Figura 3.3: Histograma de uma imagem A Figura 3.3 exemplifica um histograma de uma imagem, pode-se observar que o espectro varia de 0 (preto) à 255 (branco), que são os valores de intensidade assumidos pelos pixels da imagem, na coordenada y tem variação de até a quantidade de pixels da imagem. 3.3 Morfologia Matemática A morfologia matemática abrange diversas técnicas baseadas na estruturação da fundamentação da teoria dos conjuntos. As técnicas da morfologia matemática são diretamente relacionadas à união, interseção, complemento, diferença, translação e reflexão de conjuntos. Esta abordagem para o processamento de imagens trás uma gama de aplicações baseado na forma dos objetos, fazendo assim, da morfologia matemática uma poderosa ferramenta para o processamento digital de imagens (GONZALEZ; WOODS, 2010). No processamento de imagens, a morfologia matemática é explorada de duas formas: a morfologia em imagens binárias ou a morfologia em imagens em tons de cinza. Na morfologia binária, o conjunto de pixels da imagem é definido no espaço bidimensional 48

49 dos números inteiros Z 2,em que cada elemento do conjunto é um vetor bidimensional com coordenadas (x, y) dos pontos dos objetos (PEDRINI; SCHWARTZ, 2008, p. 327). Todas as operações morfológicas são aplicadas às imagens a partir de um elemento estruturante. O elemento estruturante é definido em Z 2 de acordo com a forma que se deseja trabalhar (GONZALEZ; WOODS, 2010). Este elemento pode tomar diversas formas são elas: Circular Linear Cruz Diamante Caixa A Figura 3.4, como pode ser vista a seguir, apresenta alguns dos elementos estruturantes comumente utilizados e citados acima, onde os pontos pertencentes ao objeto estão hachurados, a origem, também chamada de âncora ou ponto central, é destacada na imagem com um retângulo preto e os pontos em branco não pertencem ao elemento estruturante. Juntamente com o elemento estruturante, o operador morfológico é definido como um mapeamento entre o conjunto que define uma imagem e o elemento estruturante. O operador morfológico também pode ser visto como a operação que será aplicada a imagem gerando sua transformação (GONZALEZ; WOODS, 2010). 49

50 (a) (b) (c) (d) Figura 3.4: Exemplos de elementos estruturantes (a) cruz; (b) caixa; (c) linha vertical; (d) diamante (GONZALEZ; WOODS, 2010) Nas operações morfológicas, o elemento estruturante é deslocado sobre a imagem, sendo esses deslocamentos relacionados com a origem do elemento e com o seu formato. 50

51 3.3.1 Operadores Morfológicos em Imagens Binárias Os operadores morfológicos em imagens binárias são divididos em quatro: Dilatação; Erosão; Fechamento; Abertura. A dilatação é uma operação morfológica que proporciona o aumento da área geométrica de um objeto controlado pelo formato e dimensão do elemento estruturante. Ou seja, a forma e a extensão do aumento da área geométrica está diretamente relacionada ao elemento estruturante utilizado. 51

52 (a) A (b) B (c) D(A, B) Figura 3.5: Exemplo da Dilatação. (a) Imagem A (b) Elemento estruturante B (c) Resultado da dilatação de A por B (SALES, 2010) O processo de dilatação consiste em deslocar a origem do elemento estruturante sobre cada pixel da imagem, realizando-se uma adição de Minkowski, que é a união dos elementos da imagem transladados pelos elementos do elemento estruturante (PEDRINI; SCHWARTZ, 2008). A seguir pode-se observar a definição formal do operador de dilatação aplicado a um conjunto A, pelo elemento estruturante B, indicada por A B, é definida pela Equação

53 D(A, B) = A B = (A + b) b B Equação 3.10: Definição da Dilatação A Figura 3.5 apresenta a aplicação do operador de dilatação com o elemento estruturante, definido por Figura 3.5 B, a uma imagem, definida por Figura 3.5 A, gerando com resultado a Figura 3.5 C. Como pode ser visto, a dilatação ampliou a área da imagem de acordo com o elemento estruturante utilizado. Outro operador morfológico bastante utilizado é o operador de erosão. A erosão é uma operação morfológica que proporciona a diminuição da área geométrica de um objeto controlado pelo formato e dimensão do elemento estruturante. Ou seja, a forma e a extensão da diminuição da área geométrica, estão diretamente relacionadas ao elemento estruturante utilizado. 53

54 (a) A (b) B (c) E(A, B) Figura 3.6: Exemplo da Erosão. (a) Imagem A (b) Elemento estruturante B (c) Resultado da erosão de A por B (SALES, 2010) O processo de erosão consiste em deslocar a origem do elemento estruturante sobre cada pixel da imagem, realizando-se uma subtração de Minkowski, que é a intersecção de todas as translações dos elementos da imagem transladados pela reflexão dos elementos do elemento estruturante (PEDRINI; SCHWARTZ, 2008). A seguir pode-se observar a definição formal do operador de erosão aplicado a um conjunto A, pelo elemento estruturante B, indicada por A Ө B, é definida pela Equação

55 E(A, B) = AӨB = (A + b) b Bˆ Equação 3.11: Definição da Erosão A Figura 3.6 apresenta a aplicação do operador de erosão com o elemento estruturante, definido por Figura 3.6 B, a uma imagem, definida por Figura 3.6 A, gerando com resultado a Figura 3.6 C. Como pode ser visto, a erosão reduziu a área da imagem de acordo com o elemento estruturante utilizado. A abertura é uma operação morfológica definida como a aplicação de duas operações morfológicas consecutivas na imagem, são elas: uma erosão seguida da dilatação. Este operador é geralmente utilizado para suavizar o contorno de um objeto, eliminar contornos estreitos entre objetos e remover saliências finas (GONZALEZ; WOODS, 2010). 55

56 (a) A (b) B (c) A B Figura 3.7: Exemplo da Abertura. (a) Imagem A (b) Elemento estruturante B (c) Resultado da abertura de A por B (SALES, 2010) A seguir pode-se observar a definição formal do operador de abertura aplicado a um conjunto A, pelo elemento estruturante B, indicada por A B, é definida pela Equação A B = (AӨB) B Equação 3.12: Definição da Abertura 56

57 A Figura 3.7 apresenta a aplicação do operador de abertura com o elemento estruturante, definido por Figura 3.7 B, a uma imagem, definida por Figura 3.7 A, gerando com resultado a Figura 3.7 C. Como pode ser visto, a abertura manteve o núcleo da imagem intacto, removendo somente as saliências do objeto de acordo com o elemento estruturante utilizado. Por fim, o fechamento é uma operação morfológica definida como a aplicação de duas operações morfológicas consecutivas na imagem, são elas: uma dilatação seguida da erosão. Este operador é geralmente utilizado para fechar pequenos buracos, homogeneizando o objeto (GONZALEZ; WOODS, 2010). (a) A (b) B (c) A B Figura 3.8: Exemplo do Fechamento. (a) Imagem A (b) Elemento estruturante B (c) Resultado do fechamento de A por B (SALES, 2010) 57

58 A seguir pode-se observar a definição formal do operador de fechamento aplicado a um conjunto A, pelo elemento estruturante B, indicada por A B, é definida pela Equação A B = (A B)ӨB Equação 3.13: Definição do Fechamento. A Figura 3.8 apresenta a aplicação do operador de fechamento com o elemento estruturante, definido pela Figura 3.8 B, a uma imagem, definida pela Figura 3.8 A, gerando com resultado a Figura 3.8 C. Como pode ser visto, o fechamento manteve o núcleo da imagem intacto, realizando somente o fechamento das lacunas encontradas no objeto de acordo com o elemento estruturante utilizado. 3.4 Momentos Estatísticos Dada f(x) uma função densidade de probabilidade contínua, define-se como o enésimo momento centrado em r de f(x) como (RYAN, 2009): M n,r = (x r) n f(x)dx Equação 3.14: Momentos centrados em r Na Equação 3.14, Mn,r pode ser observado o enésimo momento centrado em r da distribuição de probabilidades f(x), para uma função contínua. Dada uma amostragem de f(x), temos que o enésimo momento centrado em r pode ser obtido através da Equação 3.15 (RYAN, 2009): 58

59 I 1 M n,r = 1 (x(i) r)n I i=0 Equação 3.15: Enésimo momento amostral centrado em r Na Equação 3.15, I é o total de amostras, e x(i) é a i-ésima amostra dos dados. Levando em consideração a Equação 3.15, pode-se facilmente obter o enésimo momento centrado em zero, mn, E[x n ], definido pela Equação 3.16: I 1 E[x n ] = m n = M n,0 = 1 I (x(i))n i=0 Equação 3.16: Enésimo momento centrado em zero O primeiro momento centrado em zero é definido como a média m1. Esta medida é utilizada para o cálculo dos momentos centrados na média. A seguir, na Equação 3.17, é definido o enésimo momento centrado na média, Θn. I 1 Θ n = M n,m1 = 1 I (x(i) m 1 )n i=0 Equação 3.17: Enésimo momento centrado na média Para sinais discretos, a média pode ser calculada através do uso da Equação 3.18, apresentada a seguir: I 1 m 1 = 1 I x i i=0 Equação 3.18: Cálculo da Média 59

60 amostras. Na Equação 3.18, m1 é a média, e x(i) é a i-ésima amostra do sinal formado por I Outra medida importante é o desvio padrão. O desvio padrão representa uma medida estatística de variação, sendo calculada pela raiz quadrada da variância, que é o segundo momento centrado na média. A seguir, pode-se observar a Equação 3.19, que exemplifica o cálculo do desvio padrão para sinais discretos. σ = σ 2 = 1 I 1 I (xi m 1 ) 2 i=0 Equação 3.18: Desvio padrão Por fim, a mediana é uma importante medida de tendência central. A mediana ordena os dados de forma crescente. O valor central destes dados é a mediana, no caso da quantidade de dados ser par, a mediana assumirá a média dos dois valores centrais. Desta forma, a metade dos dados organizados está acima da mediana e a outra metade encontra-se abaixo da mesma. As Equações 3.19 e 3.20 determinam a forma como se deve calcular a mediana no caso do conjunto de dados ser par e ímpar respectivamente (RYAN, 2009). m = xn + xn Equação 3.19: Cálculo da mediana para n par m = xn+1 2 Equação 3.20: Cálculo da mediana para n ímpar 60

61 Outra métrica estatística bastante utilizada em processamento de imagens digitais são os momentos invariantes de HU. Os momentos de HU são medidas globais e invariantes puramente estatísticas da distribuição dos pontos da imagem (HUANG; LENG, 2011). Os momentos de HU podem ser calculados de acordo com a Equação 3.21, como pode ser visto a seguir: N m pq = x=1y=1 M x p y q I(x, y) Equação 3.21: Momentos de HU O centro de massa do objeto pode ser obtido através dos momentos de ordem 1 m01 e m10. O centro de massa do objeto pode ser definido pelo ponto (xg, yg) definidos pelas Equações 3.22 e 3.23 (HUANG; LENG, 2011). x g = m 10 m 00 Equação 3.22: Coordenada X do centro de massa x g = m 01 m 00 Equação 3.23: Coordenada Y do centro de massa A Equação 3.24 define os momentos centrais de HU que são invariantes a rotação e translação, e a Equação 3.35 define os momentos centrais de HU que são invariantes a rotação, translação e escala, obtidos através da normalização dos momentos centrais de HU (HUANG; LENG, 2011). N n pq = x=1y=1 M (x xg ) p (y y g ) q Equação 3.24: Momentos centrais de HU 61

62 u pq = n pq y m 00 com y = p+q Equação 3.25: Momentos centrais e invariantes de HU 3.5 Redes Neurais Artificiais As redes neurais artificiais (RNA) são técnicas computacionais que buscam a resolução de problemas utilizando uma abordagem similar ao cérebro. Esta técnica possui uma arquitetura paralela o que confere a mesma um desempenho superior aos modelos convencionais. Além disto, as redes neurais possuem uma importante característica que é a capacidade de aprender por meio de exemplos e de generalizar a informação aprendida (BRAGA; CARVALHO; LUDERMIR, 2007). A constituição das redes neurais é dada através dos neurônios artificiais que são diretamente conectados entre si. O neurônio artificial é similar ao neurônio do cérebro que a partir de sinais de entrada podem ativar as conexões de saída. O conjunto destas conexões forma um modelo matemático capaz de modelar relações lineares e não lineares, auxiliando, assim, na resolução dos mais diversos e complexos grupos de problemas (BRAGA; CARVALHO; LUDERMIR, 2007). Para a construção da rede neural geralmente é necessário que ocorra um processo prévio de aprendizado, também conhecido como treinamento. Neste processo, a rede neural terá seus pesos ajustados (HAYKIN, 1999). Existem dois grupos de paradigmas que classificam os algoritmos de treinamento: o aprendizado supervisionado e o aprendizado não supervisionado. O aprendizado supervisionado baseia-se no uso de informações corretas, entradas e saídas, a respeito do ambiente que será aplicado a rede. Esta informação é apresentada a rede na forma de exemplos associados à saída esperada da rede, e o algoritmo de treinamento irá calcular os pesos da rede de forma que ela melhor se adeque a solução do problema. Já no treinamento não supervisionado, a informação de treinamento não contém a saída da rede, ou seja, o 62

63 treinamento é dado através da regularidade dos exemplos passados a rede (HAYKIN, 1999). Um exemplo de uma rede neural bastante utilizada é a MLP (Multi Layer Perceptron, ou Perceptron multicamadas). A MLP é um tipo de rede neural utilizada no reconhecimento de padrões e na aproximação de funções, sendo formada pela interconexão de diversos neurônios artificiais do tipo Perceptron, dispostos em camadas. Essa rede é capaz de resolver problemas que possuem superfície de decisão não linear, além de ser capaz de aproximar qualquer função contínua com o uso de uma camada intermediária e de aproximar qualquer função com a utilização de duas camadas intermediárias (BRAGA; CARVALHO; LUDERMIR, 2007). A Figura 3.9 representa a unidade básica da MLP conhecida como Perceptron. Ele é formado por diversas entradas e uma única saída. Para cada entrada xi do Perceptron é associado um peso wi, sua saída é determinada em função da soma ponderada das entradas, adicionado de um offset, como pode ser visto na Equação Figura 3.9: Modelo de um Perceptron m v = [ (xn w n )] + b n=1 Equação 3.26: Somatório ponderado das entradas de um Perceptron Na Equação 3.26, v é a soma ponderada das entradas do Perceptron, onde xn é a n- ésima entrada, de um total de m entradas, wn é o peso associada à n-ésima entrada e b é o 63

64 offset. A saída do Perceptron, y, é determinada pela função φ, denominada de função de ativação, apresentada na Equação y = φ(v) Equação 3.27: Saída do Perceptron Diversas funções de ativação podem ser utilizadas para os Perceptrons. Porém uma restrição deve ser seguida para a escolha da função de ativação na MLP, é necessária a escolha de uma função que seja diferenciável em todos os pontos, sendo muito comum o uso da função sigmoide (BRAGA; CARVALHO; LUDERMIR, 2007). Figura 3.10: Forma de onda da função sigmoide A Figura 3.10 apresenta a forma de onda da função sigmóide. Esta função pode ser definida matematicamente pela equação φ(t) = 1 + e t Equação 3.28: Função sigmoide 64

65 A MLP é organizada em camadas formadas por um ou mais Perceptrons. Cada Perceptron da camada j tem sua saída conectada às entradas dos Perceptrons da camada seguinte j+1. A arquitetura da rede neural é dividida em uma camada de entrada, uma ou mais camada intermediárias, chamadas também de camada oculta e uma camada de saída. A camada de entrada não possui pesos sinápticos, apenas recebendo os atributos de entrada, ou seja, é uma camada que transfere a informação da entrada para os Perceptrons da camada seguinte. A camada de saída tem o valor final calculado pela rede para os atributos apresentados na camada de entrada. Por fim, as camadas ocultas situadas entre a camada de entrada e a camada de saída realizam a maior parte do processamento através das conexões ponderadas. Esta camada pode ser considerada como uma camada de extração de características (HAYKIN, 1999). A Figura 3.11 apresenta um exemplo de arquitetura da MLP com suas interconexões entre os Perceptrons e as camadas da rede. Neste exemplo, tem-se uma camada de entrada, duas camadas ocultas e uma camada de saída. Figura 3.11: Arquitetura de uma MLP com uma camada de entrada, duas camadas ocultas e uma camada de saída Após a rede neural ter sido treinada e os pesos dos Perceptrons obtidos, pode-se apresentar uma entrada desconhecida para a rede e obter o resultado através do fluxo natural dos dados na rede. 65

66 Várias heurísticas e testes são utilizados para determinar a arquitetura da MLP e para realizar o treinamento e cálculo dos pesos dos Perceptrons. Dentre estes vários algoritmos, um dos mais utilizados é o backpropagation (HAYKIN, 1999). O algoritmo backpropagation baseia-se na apresentação de cada exemplo do conjunto de treinamento por inúmeras vezes a rede, até que seja satisfeita uma condição de parada. Para cada exemplo submetido, são ajustados os pesos dos Perceptrons visando a redução do erro obtido na saída da rede em relação à saída desejada. A seguir, pode-se observar a divisão lógica do algoritmo (HAYKIN, 1999): Apresentação do exemplo à rede; Cálculo da saída da rede; Medição do erro entre a saída calculada e a saída esperada; Ajuste dos pesos da rede; Propagação do erro da rede para as camadas seguintes; Ajuste dos pesos para as demais camadas; Repetição do procedimento até ser satisfeita a condição de parada. A Equação 3.29 mostra a regra delta. Esta regra é utilizada para realizar o ajuste dos pesos da rede e necessita obrigatoriamente que a função de ativação do Perceptron seja diferenciável em todos os pontos. w j,i = w j,i + η y j δ i Equação 3.29: Regra Delta Ainda na Equação 3.29 tem-se que wi,j é o peso que conecta o neurônio j ao neurônio i, η é a taxa de aprendizado, yj é a saída do neurônio j e δi é o gradiente local do 66

67 neurônio i. Geralmente, o coeficiente de aprendizado opera com valores entre 0,2 e 0,8 (HAYKIN, 1999). O valor gradiente local é calculado a partir do erro dos neurônios da camada de saída. O cálculo do erro da saída do neurônio i pode ser obtido através da Equação e i = d i y i Equação 3.30: Erro dos neurônios Na Equação 3.30 tem-se que ei é o erro no neurônio i, di é saída desejada no neurônio i e yi é a saída obtida no neurônio i. Já para o cálculo do gradiente local para os neurônios na camada de saída pode ser definido pela Equação 3.31: δ i (n) = y i φ ' (v i ) Equação 3.31: Gradiente local dos neurônios da camada de saída neurônio i. Na Equação 3.31 tem-se que φ'(vi) é a primeira derivada da função de ativação do Como não se conhece o valor desejado do erro nas camadas ocultas, os erros obtidos da camada de saída são retro-propagados da camada k+1 para a camada k e assim sucessivamente até a primeira camada da rede. Ao fim do processo, obtêm-se todos os pesos da rede ajustados (HAYKIN, 1999). 3.6 Validação Cruzada Com o uso das redes neurais como classificadores em reconhecimento de padrões ou aproximadores de função, se faz necessário um mecanismo para avaliar a eficiência do modelo gerado e qualidade do modelo gerado. Para isto, é calculada uma taxa de erro que 67

68 evidencia o quão bom está o modelo gerado pelo treinamento da rede neural (WITTEN; FRANK, 2005). O cálculo desta taxa de erro se dá através da apresentação à rede neural de exemplos que não estão contidos nos conjuntos de elementos que foram utilizados para realizar o treinamento da rede e calcular os pesos sinápticos (WITTEN; FRANK, 2005). Existem diversas abordagens de validação utilizadas. Geralmente, o processo de validação consiste em dividir o conjunto de exemplos em dois conjuntos distintos chamados de conjunto de treinamento e conjunto de teste. O conjunto de treinamento será utilizado pelo algoritmo de treinamento para realizar os cálculos dos pesos sinápticos da rede. Já o conjunto de teste será apresentado à rede e os seus resultados serão comparados ao resultado esperado, medindo, assim, a taxa de erro da rede (WITTEN; FRANK, 2005). A validação cruzada é uma técnica de validação que ao invés de dividir o conjunto em somente dois subconjuntos, ela divide o conjunto em n subconjuntos. Este tipo de validação utiliza a cada iteração um dos n subconjuntos para teste e o restante (n-1 subconjuntos) para treinamento. Ou seja, nesta técnica serão realizadas n testes, uma vez com cada subconjunto, fazendo assim que cada amostra do conjunto seja utilizada para se testar a rede. O desempenho final do classificador é obtido pela média dos resultados obtidos nas n repetições (WITTEN; FRANK, 2005). O uso da validação cruzada para avaliar resultados de classificadores é amplamente utilizado em diversos trabalhos. Considerando as diversas possibilidades de teste a partir da definição do número de partições, a variação mais utilizada é a validação cruzada com 10 partições (WITTEN; FRANK, 2005). 68

69 4. Metodologia 4.1 Proposta A metodologia proposta neste trabalho visa à resolução do problema da detecção de motociclistas utilizando ou não o capacete em imagens digitais. Esta solução foi baseada nas imagens de motociclistas geradas pelos equipamentos de fiscalização eletrônica veicular de propriedade da empresa Trana Construções LTDA e tem como objetivo localizar e classificar em uma imagem digital se o motociclista está ou não utilizando o capacete. Para isto, o método foi dividido em algumas etapas apresentadas a seguir: Pré-processamento: Nesta fase serão realizadas melhorias na imagem com o intuito de facilitar a segmentação do objeto desejado. Nesta etapa serão aplicados alguns métodos como a conversão da imagem para tons de cinza, filtro gaussiano e redução do espaço de busca da imagem; Segmentação: Nesta fase será realizada a busca do objeto desejado, ou seja, o capacete ou cabeça. Vários métodos serão aplicados como a extração de bordas utilizando o método de Canny, morfologia matemática (dilatação e abertura), filtro da mediana, entre outros; Pós-processamento: Nesta fase será realizado o tratamento das porções da imagem que foram segmentadas buscando selecionar somente imagens válidas para as próximas fases que são as de extração de atributos e classificação; Extração de atributos: Nesta fase será realizada a extração de atributos da imagem segmentada. Vários atributos serão utilizados como os momentos de HU, coeficientes estatísticos (média e variância) e o histograma. 69

70 Classificação: Nesta fase será realizada a classificação dos atributos desta imagem como capacete ou cabeça. Para realizar a classificação serão utilizadas redes neurais artificiais, neste caso a MLP. Figura 4.1: Fluxograma da metodologia proposta A figura 4.1 apresenta um diagrama de blocos (Fluxograma) da metodologia proposta para a solução do problema de detecção de motociclistas utilizando ou não capacete. Cada uma destas fases exibidas no diagrama será detalhada no decorrer deste trabalho. 70

71 4.2 Equipamentos de Fiscalização Eletrônica Veicular Os sistemas de fiscalização eletrônica veicular (SFEV) são sistemas que monitoraram de forma autônoma o tráfego de veículos nas vias de transporte e aplicar as devidas sanções aos condutores infratores, segundo documento interno da Trana Construções Ltda. Várias das infrações de trânsito dispostas pelo CTB são fiscalizadas de forma automática pelos SFEV. Algumas destas infrações são: Avanço do sinal vermelho; Parada sobre a faixa de pedestres; Velocidade superior à máxima permitida pela via; Trafegar em faixa ou horários não permitidos; Circular em faixa exclusiva para ônibus; Retorno em local proibido; Conversão em local proibido; Entre outras. Para realizar este monitoramento, os SFEV são compostos por diversos itens para que atendam o plano de instalação e correto funcionamento para o local no qual será operado. Alguns dos itens mais comuns são: Módulo de detecção veicular. o Laços indutivos; o Laser; o Ultrassom; o Câmeras de vídeo; 71

72 o Entre outros. Módulo de captura de imagens o Câmeras analógicas; o Câmeras digitais. Módulo de processamento de Infrações local o Sistema microprocessado; o Sistema microcontrolado. Módulo de processamento e armazenamento de infrações remoto o Datacenter. O módulo de detecção veicular é em geral um sistema eletrônico, capaz de detectar a passagem de um veículo em uma faixa de tráfego monitorada. Este módulo conta com um sensor que pode ou não ser de superfície. O sensor de superfície é um sensor intrusivo ao asfalto e possui um custo de fabricação e manutenção menores, tem-se como exemplo os laços indutivos. Já os sensores que não são de superfície possuem um alto custo de fabricação, mas não são intrusivos ao asfalto, segundo documento interno da Trana Construções Ltda. O módulo de captura de imagens é composto pelo conjunto de câmeras e flashes utilizados para capturar as imagens necessárias para caracterizar a infração cometida. Este conjunto deve exibir imagens de qualidade, tanto diurnas como noturnas. O módulo de processamento de infração local é composto por um sistema microcontrolado ou microprocessado. Este módulo é responsável pela identificação dos veículos infratores, controle dos módulos de detecção veicular e captura de imagens que enviam as infrações ao módulo remoto de processamento e armazenamento de infrações, segundo documento interno da Trana Construções Ltda. 72

73 Esses três módulos formam o equipamento de fiscalização eletrônica veicular, que deve funcionar de forma autônoma. A Figura 4.2 ilustra o processo de identificação de infração pelos módulos autônomos de fiscalização eletrônica. Figura 4.2: Equipamento de Fiscalização Eletrônica FONTE: Documento interno da Trana Construções Ltda Por fim, o módulo remoto de processamento e armazenamento de infrações é composto por um datacenter que processa e armazena as infrações dos vários equipamentos de fiscalização veicular. Especificamente, o equipamento de fiscalização eletrônica da empresa Trana Construções é composto por um módulo medidor que utiliza sensores indutivos para a detecção dos veículos, um sistema óptico composto por câmeras com resolução 1280 x 960 pixels e flashes infravermelhos, um módulo de processamento local e um centro de processamento remoto. 73

74 O equipamento da Trana é capaz de identificar a passagem dos veículos através da detecção dos sensores indutivos, que além de detectar o veículo produz um sinal dado pela variação da indutância do sensor, chamado de perfil magnético. Este perfil é utilizado pelo equipamento para realizar a classificação veicular nas seguintes classes: moto, carro, utilitário, caminhão e ônibus. Após a análise da passagem do veículo e a verificação das infrações associadas ao mesmo, o módulo de processamento solicita ao sistema óptico a captura das imagens que irão caracterizar a infração. Cada infração de trânsito possui um conjunto de imagens que a caracterizam. Obrigatoriamente, todas as infrações devem possuir uma imagem zoom do veículo. Esta imagem deve ser capaz de identificar o veículo fiscalizado sem deixar dúvidas e conter somente um único veículo, caso contrário será uma imagem inválida, segundo documento interno da Trana Construções Ltda. Para as imagens zooms dos motociclistas, é necessário um ajuste de câmera de forma que todo o condutor esteja presente na imagem, a placa esteja visível e legível e seja possível verificar o uso do capacete. A Figura 4.3 apresenta um exemplo de uma imagem zoom. Figura 4.3: Exemplo de uma imagem zoom 74

75 Como características das imagens dos motociclistas tem-se que todos os capacetes ou cabeças se encontram na porção superior da imagem e os capacetes possuem um diâmetro que varia de 40 a 60 pixels. Estas imagens podem ser coloridas ou em tons de cinza. Todo processo proposto nesta metodologia, foi baseado nas características das imagens zooms adquiridas dos equipamentos de fiscalização eletrônica da Trana Construções. 4.3 Pré-Processamento O pré-processamento consiste em realizar melhorias na imagem obtida com o objetivo de facilitar o processo de segmentação. O pré-processamento utilizado é dividido em três etapas: conversão da imagem para tons de cinza, redução da área de busca da imagem e a remoção do ruído através da convolução da imagem com um filtro gaussiano Conversão da Imagem para Tons de Cinza O equipamento de fiscalização eletrônica adquire imagens digitais, através do seu sistema ótico, de basicamente dois tipos: as imagens coloridas e as imagens em tons de cinza ou monocromática. As imagens coloridas são obtidas pelo equipamento de fiscalização eletrônica no período diurno, pois não há a necessidade da utilização de iluminação auxiliar, ou seja, a iluminação da cena fica a cargo da iluminação natural do ambiente. No período noturno, é necessária a utilização de iluminação auxiliar, como a iluminação contínua ou orientada aos momentos de aquisição da imagem, que se dá através do uso de flashes. Dois tipos de flashes são comumente utilizados no mercado, são eles: o flash de espectro de luz visível e o flash de espectro de luz infravermelho. Devido à necessidade de 75

76 não realizar a ofuscação dos condutores com a emissão do flash visível, as imagem noturnas são obrigatoriamente monocromáticas, devido ao uso de flashes infravermelhos. Desta forma, as imagens obtidas pelos equipamentos de fiscalização eletrônica no período diurno são coloridas e as imagens obtidas no período noturno são em tons de cinza ou monocromática. Com o objetivo de padronizar uma solução única que possa ser utilizada tanto nas imagens obtidas no período diurno como noturno, faz-se necessário a utilização somente de imagens em tons de cinza. Com isto, é necessário realizar a conversão das imagens coloridas para tons de cinza. A imagem colorida é apresentada no formato RGB. Este formato tem como componentes espectrais primárias o vermelho, verde e a azul, respectivamente. Cada pixel da imagem possui uma combinação de valores destes três espectros formando assim uma cor composta. Para realizar a conversão do padrão RGB para tons de cinza é aplicada a Equação 4.1, onde R representa o valor do pixel para o tom vermelho, G representa o valor do pixel para o tom verde e B representa o valor do pixel para o tom azul, apresentada a seguir: Y = 0,2999 R+ 0,587 G + 0,114 B Equação 4.1: Conversão RGB para tons de cinza seguir: O resultado da aplicação da Equação 4.1 pode ser vista na Figura 4.4 apresentada a 76

77 Figura 4.4: Imagem resultante do processo de conversão de uma imagem no formato RGB para o formato em tons de cinza Redução do Espaço de Busca As imagens capturadas pelos equipamentos de fiscalização eletrônica seguem um padrão. Este padrão é dado pelas condições de instalação e pelas características necessárias para definir de forma inequívoca os infratores de trânsito. Para caracterizar de forma correta e inequívoca estes infratores, faz-se necessário que a imagem seja capturada pela traseira, pois as motocicletas só possuem placas neste local. Também é preciso identificar a olho nu a placa, marca e modelo do veículo, e por fim caracterizar a infração. No caso da detecção de motociclistas utilizando ou não capacete, a imagem tem que mostrar a placa e o uso ou não do capacete, para que se possa caracterizar o infrator de forma inequívoca. 77

78 A imagem da figura 4.5 mostra um exemplo de uma imagem que segue os padrões mínimos necessários para identificar a placa da motocicleta e a falta do uso do equipamento de segurança obrigatório, o capacete. Figura 4.5: Exemplo de uma imagem obtida por um equipamento de fiscalização eletrônica, apresentado a placa e a falta do uso do equipamento de segurança, o capacete. Devido às características das imagens obtidas pelos equipamentos de fiscalização eletrônica, Figura 4.5, é fácil observar que na região inferior da imagem não existe a possibilidade de se encontrar uma cabeça ou capacete válido para o sistema. Nesta região pode-se sim encontrar um capacete, porém, preso na garupa, ou no cotovelo do motociclista. Desta forma, para evitar que o método de localização do capacete ou cabeça, encontre estes capacetes inválidos (capacetes na garupa ou cotovelo), é proposta a redução do espaço de busca da imagem. A redução do espaço de busca visa remover da imagem as regiões que não possuem possibilidades de se encontrar um capacete ou cabeça válidos para o sistema. Além de remover esses elementos que não são de interesse, a redução do espaço de busca, também 78

79 aumenta a eficiência temporal do algoritmo, pois reduz a área da imagem na qual o algoritmo de segmentação precisará procurar o capacete ou cabeça. Nesta dissertação, é proposta a utilização de apenas 30% da altura da imagem. Ou seja, um corte horizontal será feito na imagem, utilizando somente os pixels que se encontrem na porção superior da imagem. Este corte da imagem zoom em 30% foi escolhido devido ao fato de que todos os capacetes ou cabeças encontram-se nesta porção da imagem, ou seja, com este corte não haverá nenhuma perda. imagem. A figura 4.6 apresenta o resultado do processo de redução do espaço de busca da Figura 4.6: Exemplo do resultado do processo de redução do espaço de busca Remoção do Ruído Devido à aquisição da imagem através do sensor não ser perfeita, pode-se observar o aparecimento de ruídos na imagem. Estes ruídos são extremamente prejudiciais para o processo de segmentação, devido às suas propriedades de alta frequência, pois ele dificulta a aplicação de métodos que localizem retas, ou círculos, ou padrões de tamanho e forma na imagem. Além do ruído de aquisição tem-se também o ruído devido à composição do asfalto. Caso não seja aplicado o filtro de remoção do ruído a quantidade de bordas relativas ao asfalto torna inviável a localização dos objetos na imagem. A figura 4.7 apresenta o efeito do ruído gerado pelo asfalto. 79

80 Figura 4.7: Efeito do ruído devido ao asfalto Vários são os filtros para a remoção do ruído da imagem. Comumente, são aplicados filtros espaciais. Para este trabalho, foi utilizado o filtro gaussiano, devido a sua característica isotrópica, que reduz consideravelmente a quantidade de operações executadas, otimizando assim, o tempo computacional do processo total. A aplicação do filtro gaussiano se dá através da convolução da imagem resultante do processo de redução do espaço de busca com uma janela de 15x15 pixels, com os valores de cada pixel calculados a partir da função gaussiana com média (0, 0) e desvio padrão 1. A figura 4.8 mostra o resultado da aplicação do filtro gaussiano para a remoção do ruído da imagem. Figura 4.8: Resultado da aplicação do filtro para remoção do ruído da imagem 80

81 4.4 Segmentação Esta fase do processo utilizará como imagem base para a realização da busca do capacete ou cabeça a imagem gerada após o pré-processamento, como pode ser visto na Figura 4.6. Após realizado o pré-processamento, serão aplicadas as seguintes técnicas: Detecção de bordas utilizando o método de Canny; Morfologia matemática (dilatação e abertura); Heurísticas de localização baseadas nas características das imagens. As heurísticas de localização são novas técnicas propostas pelo trabalho com o intuito de otimizar a localização do capacete ou cabeça utilizando as informações pertinentes ao problema. A seguir as técnicas utilizadas na segmentação serão explanadas Detecção de Bordas Existem vários métodos para a extração de bordas da imagem, comumente são utilizadas as técnicas de Sobel e de Canny. Neste trabalho foi escolhida a técnica de Canny, pois a técnica de Sobel privilegia uma direção, já a técnica de Canny contempla todo o plano cartesiano que envolve a imagem. Além disto, o método de Canny realiza uma remoção de ruídos, utilizando um filtro gaussiano, e evidencia as bordas de maior intensidade, ou seja, as bordas que possuem uma alta derivada são mais presentes, deixando de lado assim, as bordas com menor intensidade. 81

82 A aplicação do método de Canny é realizada sobre a imagem gerada pela fase de pré-processamento Figura 4.8. O resultado da aplicação desta técnica pode ser observado na Figura 4.9. Figura 4.9: Resultado do método de detecção de bordas de Canny A Figura 4.9 apresenta o resultado da aplicação do método de Canny na Figura 4.8. Pode-se observar que o ruído foi removido no pré-processamento e que só restam as bordas de maior intensidade da imagem, ou seja, as bordas reais dos objetos da imagem Morfologia Matemática Após a detecção das bordas da imagem é necessário identificar quais os objetos presentes na cena analisada. Para isto, foram utilizados os operadores de morfologia matemática que são capazes de unir os objetos da cena. Neste trabalho dois operadores foram utilizados com o intuito de unir e diferenciar os objetos da cena, a dilatação e a abertura. Estas técnicas são aplicadas a imagem gerada pela detecção de bordas, Figura 4.9. O resultado da aplicação dos operadores da morfologia matemática podem ser visto na Figura Para que a aplicação destas técnicas seja bem sucedida é necessário que haja uma definição correta do elemento estruturante utilizado. No caso deste trabalho foi utilizado 82

83 um elemento estruturante circular de tamanho pequeno o bastante que não una objetos distintos da imagem. A dilatação quando aplicada à imagem gerada pela detecção de bordas, irá aumentar a largura das bordas unindo as bordas que estão próximas. Após a dilatação é aplicada uma abertura que irá separar os objetos distintos da imagem. Figura 4.10: Resultado dos processos morfológicos (dilatação e abertura) O processo de morfologia matemática é de grande importância, pois, é responsável por tornar os objetos mais homogêneos e conectados. Com isto, as fases posteriores podem avaliar os objetos conectados da imagem separadamente, promovendo assim, um método de segmentação orientado aos objetos da imagem e não mais a cena como um todo Heurísticas de Localização O processo de heurísticas de localização tem como objetivo analisar os objetos separáveis da imagem gerada após a aplicação dos processos de morfologia matemática. Estas heurísticas levam em consideração as características das imagens obtidas, e se propõe a localizar de forma mais eficiente e com maior confiabilidade as regiões que podem ser um capacete ou cabeça. 83

84 Vários são os processos heurísticos de localização que são utilizados neste trabalho. A seguir, pode-se observar uma lista das heurísticas utilizadas: Separação dos objetos conectados; Filtros de tamanho; Conversão do objeto 2D para sinais 1D; Conversão dos sinais 1D para objetos 2D; Identificação da região circular envolvente. A importância de cada heurística apresentada acima será descrita de forma detalhada a seguir Separação dos Objetos Conectados O processo de separação dos objetos conectados da imagem é simples e visa separar os objetos da imagem que são completamente conectados. Este processo analisa a vizinhança de cada pixel e analisa quais os vizinhos tem conexão direta com o mesmo. Após a análise de vizinhança são geradas as n regiões de interesse da imagem. Cada uma destas regiões será analisada separadamente pelas próximas heurísticas do processo de segmentação. A Figura 4.11 apresenta um exemplo de uma região de interesse obtida pelo processo de separação de objetos conectados, aplicada a imagem resultante do processo de morfologia matemática, representada na Figura

85 Figura 4.11: Exemplo de uma região de interesse Filtros de Tamanho O processo de filtragem por tamanho busca analisar as n regiões de interesse geradas pelo processo de separação dos objetos conectados. Cada um destes objetos será analisado, e o seu tamanho, determinado pela altura e largura do objeto, será avaliado. Caso o tamanho do objeto o torne inviável de ser um capacete ou cabeça, este objeto será descartado. Os filtros de tamanho servem para descartar os objetos conectados que não podem de forma alguma ser um capacete ou cabeça. Uma característica importante deste processo é que objetos com altura maiores que a do capacete serão aceitos, devido a possibilidade de haver uma conexão entre a cabeça ou capacete com a área dos ombros do motociclista. tamanho. A Figura 4.12 apresenta um exemplo de objeto que será descartado pelos filtros de 85

86 Figura 4.12: Exemplo de imagem descartada pelos filtros de tamanho Conversão do Objeto 2D para Sinais 1D Após a aplicação dos filtros de tamanho e remoção das regiões que não possuem nenhuma probabilidade de serem capacete ou cabeça é aplicado uma transformação das regiões de interesse e candidatas a capacete ou cabeça. Primeiramente, é definida a posição, altura e largura de um retângulo envolvente para as regiões de interesse definidas no processo. Após a definição deste retângulo envolvente, faz-se um recorte na imagem de bordas gerada pelo método de Canny. De posse da imagem de bordas da região de interesse, definiram-se três sinais denominados de perfis. O perfil é um sinal obtido a partir da varredura da imagem de bordas, tendo como base o pixel mais a esquerda de cada linha da imagem, formando o perfil esquerdo, o pixel mais a direita de cada linha da imagem, formando o perfil direito e o pixel mais acima de cada coluna da imagem, formando o perfil superior. Os três perfis são sinais de uma dimensão que envolvem o objeto da região de interesse. A Figura 4.13 apresenta um exemplo dos perfis obtidos a partir de um objeto de interesse. Podem-se observar na Figura 4.13 os três perfis em questão. O perfil esquerdo é definido pela linha verde, o perfil direito é definido pela linha vermelha e o perfil superior é definido pela linha azul. 86

87 Devido à definição de cada perfil utilizar somente o pixel mais a esquerda ou mais a direita de cada linha ou o pixel mais acima de cada coluna, pode ocorrer o aparecimento de spikes gerados por ruídos remanescentes. Com isto, faz-se necessário uma adaptação de cada um desses perfis de forma a reduzir ou eliminar os spikes presentes no sinal. Figura 4.13: Exemplo dos perfis superior, esquerdo e direito de uma região de interesse Para a eliminação dos spikes foi utilizado um filtro da mediana, pois este filtro tem a capacidade de eliminar os outliers do sinal filtrado. O tamanho da janela do filtro da mediana determinará o tamanho máximo do spike que será removido. Pode-se observar na Figura 4.14 a aplicação do filtro da mediana na Figura 4.13 para a remoção dos spikes e suavização dos perfis. Da mesma forma como na Figura 4.13, o perfil esquerdo é definido pela linha verde, o perfil direito é definido pela linha vermelha e o perfil superior é definido pela linha azul. 87

88 Figura 4.14: Exemplo da suavização e remoção dos spikes dos perfis esquerdo, direito e superior Conversão dos Sinais 1D para Objetos 2D Após a obtenção dos sinais dos perfis esquerdo, direito e superior é feita uma análise baseada no tamanho do objeto desejado para a segmentação. Ou seja, neste ponto do processo, é levado em consideração o tamanho mínimo de uma cabeça e o tamanho máximo de um capacete. Tendo estes valores mínimo e máximo, verifica-se a distância entre o perfil esquerdo e o perfil direito para cada linha da imagem. Se esta distância for maior ou igual que a distância mínima dada pela menor cabeça e for menor ou igual que a distância máxima dada pelo maior capacete, ela será uma distância válida. Cria-se então uma nova imagem com largura e altura iguais à da região analisada. Nesta nova imagem será desenhada uma linha branca para cada distância válida calculada anteriormente. Esta linha terá o comprimento da distância calculada e será posicionada a partir do pixel proveniente do perfil esquerdo. Por fim, ainda será analisado se o centro da linha gerada encontra-se abaixo do perfil superior, fazendo assim que a linha encontrada esteja definida dentro da região envolvida pelos três perfis. 88

89 A Figura 4.15 apresenta um exemplo da imagem gerada a partir dos perfis esquerdo, direito e superior, aplicados à imagem definida na Figura Figura 4.15: Exemplo da imagem gerada a partir dos três perfis Identificação das Regiões Circulares Envolventes Por fim, para finalizar o processo de segmentação, é feita a identificação das regiões circulares envolventes. Para encontrar estas regiões é feita uma análise das imagens geradas pelo processo de conversão dos sinais 1D para objetos 2D. O circulo envolvente pode ser definido por dois parâmetros, o centro e o raio. Onde o centro é definido como o centro de massa do objeto do objeto segmentado e o raio é dado pela metade do comprimento da linha posicionada no centro de massa (diâmetro). A Figura 4.16 apresenta o resultado final da segmentação após a identificação das regiões circulares envolventes. 89

90 Figura 4.16: Resultado final da segmentação do capacete ou cabeça 4.5 Pós-Processamento A fase de pós-processamento é utilizada para preparar a região segmentada para as próximas fases que são de extração de atributos e classificação. Neste trabalho a fase de pós-processamento é bem simples. Dada as regiões circulares geradas pelo processo de segmentação será feito um recorte quadrado na imagem em tons de cinza. A região deste quadrado é definida pelas regiões circulares, onde o lado do quadrado é igual a duas vezes o raio do círculo e com o mesmo centro. Após realizado o recorte, é feita a aplicação de uma máscara de pixel no formato circular com centro e raio iguais ao circulo segmentado, fazendo assim, com que somente os pixels da região circular sejam mantidos e o restante dos pixels sejam pretos. A Figura 4.17 apresenta o resultado final gerado pela fase pós-processamento da imagem aplicado às regiões circulares definidas na Figura

91 Figura 4.17: Resultado final do pós-processamento da imagem 4.6 Extração de Atributos Após o pós-processamento da imagem, e com o resultado da segmentação bem definido serão extraídos os atributos que serão utilizados para realizar a classificação do objeto em questão. A escolha dos atributos extraídos da imagem é extremamente importante para que ocorra uma classificação eficaz. Desta forma, a escolha dos atributos tem que separar bem as classes de interesse. Sendo assim, neste trabalho foram extraídos os seguintes atributos: Histograma da imagem; Momentos invariantes de HU; Coeficientes estatísticos; Densidade de bordas. Cada um dos atributos extraídos tem sua contribuição para a separação máxima das classes em capacete ou cabeça. O histograma é um dos principais atributos que foram utilizados, ele diferencia consideravelmente as duas classes em questão. 91

92 Pode-se observar na Figura 4.18 a imagem de um capacete e uma cabeça e seus respectivos histogramas. Como pode ser observada, a cabeça possui um histograma mais concentrado e é definido por um grande pico. O histograma do capacete é mais disperso ao longo da distribuição. (a) (b) Figura 4.18: (a) Exemplo de uma cabeça e seu histograma (b) Exemplo de um capacete e seu histograma Ainda no histograma é possível retirar alguns atributos importantes para a classificação. A partir do mesmo, foi computada a média e o desvio padrão, pois visivelmente, é notável a diferença de dispersão entre as classes. Devido ao histograma possuir duzentos e cinquenta e seis níveis de cinza, foi realizada uma sumarização desta informação com o intuito de reduzir a quantidade de informação que será utilizada pelo classificador. Desta forma, o eixo y referente à 92

93 intensidade do histograma foi dividido igualmente em dez intervalos. A sumarização do histograma nada mais é do que a contagem da quantidade de níveis de cinza, eixo x, está dentro do intervalo analisado. Ao fim do processo de sumarização, tem-se o histograma representado em apenas dez valores. Apesar da grande separação das classes com estes atributos, existe um subconjunto de capacetes que possuem um histograma semelhante ao histograma de uma cabeça. Nestes casos, somente os dados do histograma e seus coeficientes estatísticos não são suficientes para diferenciá-los, como pode ser visto na Figura Desta forma, foram utilizados os momentos invariantes de HU, devido à sua característica invariante à rotação, à translação e à escala e a densidade de bordas D, que nada mais é do que a quantidade de pixels pertencentes às N bordas dividida pela área da imagem A, definido pela Equação 4.2. D= N A Equação 4.2: Cálculo da densidade de bordas A utilização destes atributos aumenta a separabilidade das classes e soluciona o problema de capacetes com baixa variação de tonalidades como o capacete visto na Figura Figura 4.19: Exemplo de um capacete com histograma semelhante ao histograma de uma cabeça 93

94 4.7 Classificação Após a extração dos atributos das imagens geradas pela segmentação, é necessário realizar a classificação destes atributos. O método de classificação é responsável por identificar a qual classe de interesse os atributos da imagem pertencem. Neste trabalho foi utilizada a rede neural artificial MLP. Esta rede neural necessita de um treinamento prévio, para que sejam calculados os pesos dos Perceptrons, ou neurônios, da rede. Para realizar este treinamento foi utilizado o algoritmo de backpropagation e um banco de imagens já com seus atributos extraídos e classe relacionada. Como função de ativação foi utilizada a função sigmóide. A quantidade de atributos de entrada da rede foram vinte no total. Dentre estes atributos têm-se dez referentes ao histograma, sete referentes aos momentos invariantes de HU, um referente à média do histograma, um referente ao desvio padrão do histograma e um referente à densidade de bordas da imagem. Como saída da rede neural, foi proposta a utilização de dois neurônios na camada de saída. Cada um dos neurônios representa uma das classes de interesse. Ou seja, um dos neurônios representa a classe cabeça e o outro neurônio representa a classe capacete. Por fim, foi utilizada uma camada intermediária, ou camada oculta, com quatorze neurônios. Onde, todos os neurônios da camada k esta conectado a todos os neurônios da camada k+1. Para realizar a decisão de qual classe os atributos extraídos da imagem pertencem, deve-se avaliar a saída da rede neural. No caso deste trabalho a classe selecionada será a classe associada ao neurônio que possuir a maior saída, ou seja, que possuir maior ativação dados os atributos de entrada. 94

95 c= y 1 y 2 Equação 4.3: Confiabilidade da saída da rede neural Com o intuito de avaliar a saída da rede neural artificial, foi utilizada uma métrica de confiabilidade da classificação. Para o calculo desta confiabilidade, definido na Equação 4.3, foi utilizada uma subtração entre os dois valores de saída da rede. No caso de uma confusão, os dois neurônios de saída da rede apresentaram valores próximos, caso contrário, somente um dos neurônios será plenamente ativado. Outro método de classificação utilizado neste trabalho, com o objetivo de comparação com a eficiência da MLP, é a análise da transformada de Fourier do histograma. Dado o histograma da imagem, é calculada a representação deste sinal no espectro da frequência, utilizando a transformada rápida de Fourier (FFT, do inglês Fast Fourier Transform). A figura 4.20 apresenta um exemplo da FFT obtida a partir do histograma da imagem, respectivamente tem-se a imagem da segmentação, o histograma da imagem e a FFT do histograma. (a) 95

96 (b) Figura 4.20: (a) Imagem segmentada de um capacete, seu histograma e sua FFT respectivamente, (b) Imagem segmentada de uma cabeça, seu histograma e sua FFT respectivamente. A figura 4.21 apresenta um exemplo de um capacete escuro cujo há confusão com a cabeça pois possuem histogramas semelhantes. Figura 4.21: Imagem segmentada de um capacete escuro uniforme, seu histograma e sua FFT respectivamente Para uma avaliação do histograma no espectro da frequência, foi realizado o cálculo da mediana dos cinco maiores valores do espectro de magnitude do sinal. Com o valor de magnitude dos sinais das imagens de cabeça e capacete, foi definido um limiar L que separe as duas classes de forma mais apropriada. O valor de L foi definido de forma empírica avaliando os valores das medianas calculadas de ambas as classes. 96