EM RUMO A UM SISTEMA AUTOMÁTICO DE CONTROLE DE ACESSO DE VEÍCULOS AUTOMOTIVOS: RECONHECIMENTO DE CARACTERES EM PLACAS DE VEÍCULOS

Transcrição

1 Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas - ICEB Departamento de Computação - DECOM EM RUMO A UM SISTEMA AUTOMÁTICO DE CONTROLE DE ACESSO DE VEÍCULOS AUTOMOTIVOS: RECONHECIMENTO DE CARACTERES EM PLACAS DE VEÍCULOS Aluno: Daniel Rocha Gualberto Matricula: Orientador: David Menotti Gomes Ouro Preto 2 de outubro de 2010

2 Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas - ICEB Departamento de Computação - DECOM EM RUMO A UM SISTEMA AUTOMÁTICO DE CONTROLE DE ACESSO DE VEÍCULOS AUTOMOTIVOS: RECONHECIMENTO DE CARACTERES EM PLACAS DE VEÍCULOS Projeto apresentado a disciplina de Monograa II do curso de Ciência da Computação da Universidade Federal de Ouro Preto, como requisito básico para o título de bacharel em Computação. Aluno: Daniel Rocha Gualberto Matricula: Orientador: David Menotti Gomes Ouro Preto 2 de outubro de 2010

3 Resumo Em um sistema de reconhecimento existem três etapas entre a aquisição da imagem de um carro até a extração do caractere. A primeira consiste na localização da placa. A segunda consiste num pré-processamento da placa, para binarizar a imagem e remover ruídos. E a terceira etapa consiste em aplicar uma função de Reconhecimento Ótico de Caracteres (OCR) a m de identicar os caracteres. Este projeto propõe a realização da segunda e terceira etapa do Reconhecimento de Caracteres de Placas de Veículos. Palavras-chave: Reconhecimento ótico de caracteres OCR. Imagem. Binarização. Filtragem.

4 Sumário 1 Introdução 1 2 Justicativa 2 3 Objetivos Objetivo geral Objetivos especícos Metodologia Filtragem da placa Converter para escala de cinza Alinhar a placa de identicação do veículo Tratamento da placa Indexação Segmentação das placas Reconhecimento de caractere Resultados Preliminares 6 6 Cronograma de atividades 9

5 Lista de Figuras 1 Um uxograma do sistema RCPIV Processamento da placa HJR Processamento da placa HMG Lista de Tabelas 1 Resultados Parciais Resultado Parciais de Placas Reconhecidas Cronograma de Atividades

6 1 Introdução Neste projeto, serão abordados os conceitos fundamentais do Sistema Automático de Controle de Acesso de Veículos Automotivos, (SACAVA), destancando o sistema de Reconhecimento de Caracteres de Placas de Identicação de Veículos (RCPIV). Um SACAVA foi criada em 1976, pelo Departamento de Desenvolvimento Cientíco da Polícia no Reino Unido, com o objetivo de identicar carros roubados. O protótipo inicial desenvolvido foi nalizado em 1979 e desenvolvido pela empresa Britânica EMI Electronics. Esse sistema começou a ser testado na rodovia A1 e no Túnel Dartford, ambos na Inglaterra [2]. Apenas em 1981 ocorreu a identicação de um carro furtado, seguido da prisão do delituoso, através do uso desse sistema. Há algum tempo atrás, a identicação de veículos era um trabalho completamente manual, porém, com o crescimento do tráfego de veículos nas rodovias, a tarefa de identicação manual de veículos se tornou inviável [2]. Hoje em dia, o SACAVA se tornou o principal método para muitos sistemas de transporte automatizado, como monitoramento de tráfego, pagamento automático de pedágios e controle de acesso a pontes e estacionamentos. O SACAVA começa seu processo a partir de uma imagem de um carro, onde encontra a placa e identica seus caracteres. Com o reconhecimento dos caracteres presentes na placa, é possível identicar o carro e levantar informações sobre o mesmo automaticamente. Em um SACAVA existem três etapas entre a aquisição da imagem de um carro até o reconhecimento dos caracteres que compõe a placa de identicação do veículo. A primeira consiste na localização da placa. A segunda consiste em realizar uma ltragem, ou préprocessamento da imagem da placa localizada, visando binarizar e remover ruídos da imagem. E a terceira etapa, consiste em utilizar a função de Optical Character Recognition, (OCR, ou em português, Reconhecimento Ótico de Caracteres), a m de identicar os caracteres. Este projeto propõe a realização do sistema RCPIV, ou seja: Implementação da segunda etapa, referente ao pré-processamento ou ltragem da placa; Implementação da terceira etapa, referente ao reconhecimento de caractere - OCR; Esse sistema é parte fundamental do sitema SACAVA, já que sua precisão é essencial para levantar informações sobre veículos com exatidão. 1

7 2 Justicativa Atualmente a universidade está se reestruturando pelo incentivo do governo federal, através do REUNI (Programa de Apoio ao Plano de Reestruturação e Expansão das Universidades Federais). Com o programa em andamento, já ca perceptível o aumento do tráfego de veículos. Faz-se então, imprescindível um estudo para controlar a expansão desse setor. Uma alternativa de realizar esse estudo seria por meio de um SACAVA. Com a implementação desse sistema objetiva-se o aprendizado em processamento de imagens [3], reconhecimento de padrões [1] e a plataforma MATLAB. 2

8 3 Objetivos 3.1 Objetivo geral Reconhecer os caracteres de placas de licença de veículos a partir de imagens digitais permitindo a identicação de veículos, sendo uma proposta de controle de acesso de veículos na UFOP, será feita apenas em modo de simulação, ou seja, não haverá interação direta com o ambiente real. 3.2 Objetivos especícos Pré-processamento ou ltragem da placa de veículos; Binarizar a imagem e remover ruídos. Realizar reconhecimento de caracteres da placas de identicação de veículos. 3

9 4 Metodologia O reconhecimento do RCPIV consiste em duas etapas, na implementação de técnicas de ltragem de imagem, que tem como objetivo melhorar a taxa de reconhecimento dos caracteres [3], como demonstrado na gura 1 ilustrando o diagrama de um RCPIV. Imagem de identicação da placa de veículo Filtragem Reconhecimento - OCR Texto com os caracteres reconhecidos Figura 1: Um uxograma do sistema RCPIV 4.1 Filtragem da placa Nesta etapa de ltragem as técnicas de pré-processamento implementadas são aplicadas as imagens das placas dos veículos [3]. Para o pré-processamento da placa utiliza cinco etapas: Converter para escala de cinza, alinhar a placa de identicação do veículo, tratamento da placa de identicação do veículo, indexação e segmentação da placa Converter para escala de cinza Aplica-se o algoritmo de conversão cromática na imagem. Como a imagem capturada da placa do veículo é colorida, e os algoritmos empregados não fazem uso desta informação, converte-se a mesma para 256 tons de cinza. A converção dos valores RGB para valores de tons de cinza, forma uma soma ponderada dos R, G, B, utilizando a seguinte expressão: R G B Alinhar a placa de identicação do veículo Um algoritmo de detecção de ângulo é utilizado sobre a imagem resultante da etapa de conversão para escala de cinza. Inicia a identicação das bordas horizontais da placas, 4

10 calcula o angulo de inclinação dos caracteres e gira a placa de modo que o caracteres que alinhado Tratamento da placa Após este procedimento, realiza-se uma binarização local adaptativa sobre a imagem. Em seguida, limpa-se os ruídos e realça a área da placa na imagem original, através de um algoritmo de erode e dilate. Esta etapa, permite uma melhora na relação do contraste entre os caracteres e o fundo da placa, propiciando uma melhor segmentação.esses fatores contribuem para melhorar a taxa de sucesso do reconhecimento ótico dos caracteres (OCR) Indexação A indexação armazanar coordenadas das áreas detectadas que podem ser reconhecidos como caractere Segmentação das placas Por meio das coordenadas das áreas detectadas, são segmentadas as sete partes reconhecidas pela indexação. Esses métodos são repetidos até que seja encontrado o número de caracteres esperado. 4.2 Reconhecimento de caractere O processo de extração é a etapa mais importante do OCR. A qualidade dessa etapa inuencia no resultado de todo o sistema. A escolha de quais características serão utilizadas no processo de reconhecimento é muito importante. A construção do vetor de características é realizada, utilizando-se a segmentação dos caracteres contidos na área da placa. Através da utilização de um algoritmo de agrupamento por similaridade e um conjunto de heurísticas os caracteres são extraídos da imagem binarizada, no módulo de extração de características. Finalmente é realizada a fase de reconhecimento do vetor de características, onde os três primeiros caracteres são apresentados para o reconhecimento de letras, e os caracteres restantes são apresentados para o reconhecimento de números, que, enm, deverá apontar o caractere correto. Uma abordagem usual para a construção da etapa de reconhecimento consiste na utilização de similaridade. 5

11 5 Resultados Preliminares Uma implementação foi criada neste período de 2010/1. A implementação utiliza a plataforma MATLAB devido às vantagens da sua biblioteca. Maior foco foi dado a parte de ltragem da imagem da placa e segmentação dos caracteres. Usou-se um algoritmo de reconhecimento de caracteres padrão. Essa implementação foi testado com uma base de 30 imagens de placas de veículos brasileiros, ressaltasse que as placas de veículos brasileiros são compostas de 3 letras, seguidas de 4 números. O resultado desse teste é apresentado na Tabela 1. Observa-se que até o momento nenhuma placa é reconhecida. Todavia, o protótipo implementado reconhece 40% dos caracteres. HUMANO METODO LETRAS PLACAS 85/210 (40%) 0/30 (0%) HJR2045 HJH (90%) HBR8401 HHH (60%) HDR4317 HDI (75%) GMG7965 JIJ (30%) GZQ7146 AGJ714 3 (45%) GYR4337 GGI411 2 (30%) GMF3341 FHF (45%) HEE0281 HFF (75%) GUH0971 GJC021 2 (30%) GMF5701 JAF (60%) HWX7762 HIG (75%) GQU0156 JJJ (15%) GMF1916 JHF (15%) HJU8739 JAJ821 1 (15%) LCO7319 BJJ (60%) GZQ6523 BDJ (45%) ADG3444 DJF (30%) HEE0841 HHF (45%) HFS6354 HGI (45%) HGX6939 GGF937 1 (15%) HFH2360 HFH (75%) HEE0452 JAF (0%) GZQ6663 JGJ (45%) HDH3868 JJH (75%) HLP3057 CJI302 2 (30%) HMG5971 GDB 0 (0%) HBQ1688 J (0%) HMR0252 HDI (45%) HEE0764 DHE (75%) DQX3798 JJG (30%) Tabela 1: Resultados Parciais 6

12 Na Figura 1, observa-se a placa HJR2045 que tem um reconhecimento de 6 dos 7 caracteres. O falho do reconhecimento se deve ao OCR padrão, ainda utilizado para o sistema, com a otimização e adequação do OCR ao problema o reconhecimento será completo. Figura 2: Processamento da placa HJR2045 A gura 2 apresenta um resultado totalmente falho, onde no processo de binarização da imagem, a mesma não esta do tamanho adequado, ocorrendo um binarização não esperada. Por esse motivo, observa-se a primeira placa onde se localiza a imagem da placa original, a segunda placa mostra a imagem após o algoritmo de correção do ângulo da placa do veículo, e a terceira mostra a placa binarizada. Entretanto, no algoritmo de binarização da imagem, a mesma não está do tamanho adequado, e ocorre uma binarização não esperada. Para a correção desse erro é necessário uma revisão das operações morfológicas de dilate e erode usadas no método implementado. Figura 3: Processamento da placa HMG5971 7

13 A Tabela 2 está demonstrando a quantidade de placas que obteve a quantidade de caracteres reconhecidos. Pode-se observar que o sistema ainda não é viável a aplicações práticas, visto que, se não há o reconhecimento total de caracteres, o programa se torna inviável para utilização. Quantidade de Placas Numeros de Caractere Reconhecidos 3 0 caractere 4 1 caractere 6 2 caracteres 7 3 caracteres 3 4 caracteres 6 5 caracteres 1 6 caracteres 0 7 caracteres Tabela 2: Resultado Parciais de Placas Reconhecidas. Após a análise desses dados, observamos que os resultados não estão como esperado, visto que o sistema SACAVA terá que identicar com exatidão as placas do carro para obter as informações do veículo. Espera-se que o resultado nal seja um reconhecimento de cerca 95% que é o mesmo de um sistema comercial. 8

14 6 Cronograma de atividades Na Tabela 3, Cronograma de Atividades, consta a programação das atividades a serem realizadas para a implementação do projeto, no período de agosto a novembro de Atividades Ago Set Out Nov Dez Otimizar o préprocessamento da placa X Otimizar o reconhecimento dos caractere X X Teste com varias imagens X Redigir a Monograa X X X Apresentação do Trabalho X Tabela 3: Cronograma de Atividades. No inicio do mês de agosto o foco será na otimização da etapa de ltragem da imagem da placa, onde se devem corrigir os erros de binarização e indexações já encontradas até no momento. No m do mês de agosto e mês de setembro o foco será redirecionado para o OCR, onde se deve aperfeiçoar-lo e trabalhar a possibilidade a reconhecimento de padrão dos caracteres da placa. No mês de outubro realizará inúmeros testes com uma base alta de imagens de placas para testar a ecácia do sistema e corrigir possíveis erros encontrados. Neste mesmo período a monograa começara a ser redigita ate o mês de dezembro, onde ocorrerá a apresentação do trabalho neste mesmo mês. Referências [1] R. Duda, P. Hard, and D. Stork. Pattern Classication. Wiley-Interscience, 2 edition, [2] E.L.V. A.N.P.R. - automatic number plate recognition. Nuisance Vehicle Specialist - Redcorn Ltd., [3] R.C. Gonzalez and R.E. Woods. Digital Image Processing. Addison-Wesley Publishing Company,