RecAMReconocimiento Automático

de Matrículas

Curso de Tratamiento de Imágenes por ComputadoraAño 2003

Tutor:Ing. Alvaro Pardo

Integrantes:Rodrigo Abal Raúl Medeglia Nicolás Pebet

10/07/2003 RecAM 2

¿De Qué Se Trata?¿De Qué Se Trata?

• Cada vez hay más vehículos.• Esto produce más congestionamiento.• Problema: congestionamiento en peajes.• Solución: crear un sistema que permita la

identificación automática de la matrícula.• Alivia al operario. Permite por ejemplo el

pago del peaje con la patente.

10/07/2003 RecAM 3

Otras AplicacionesOtras Aplicaciones

• Corroboración del pago de patentes.• Cálculo del tiempo en estacionamientos

tarifados.• Infracciones de tránsito.• Comando de barreras en áreas restringidas.

10/07/2003 RecAM 4

Sistema de reconocimiento automáticoSistema de reconocimiento automático

10/07/2003 RecAM 5

¿Qué Implementamos?¿Qué Implementamos?

El sistema consiste en tres módulos:

• Mejoramiento de la imagen.• Segmentación de la matrícula del resto de la

imagen.• Binarización con umbral adaptivo.

ü En una etapa posterior, se implementará un OCR paracompletar el reconocimiento.

10/07/2003 RecAM 6

Herramientas UtilizadasHerramientas Utilizadas

ü Cámara digital Olympus con mínima compresión.

ü PC estándar: Celeron 500MHz, 64MB RAM,Windows 98 SE.

ü XnView 1.5

ü Matlab 5.1 con Toolbox de Image Processing 2.0

10/07/2003 RecAM 7

¿Cómo Funciona?¿Cómo Funciona?

v Conocimiento previo (buen contrasteentre los dígitos y el fondo).

v Patrón que identifica los dígitos.

10/07/2003 RecAM 8

¿Qué significa y cómo se obtiene el patrón?¿Qué significa y cómo se obtiene el patrón?

• Se aplica el operador Sobel en la direcciónhorizontal.

• Se obtiene imagen con los gradienteshorizontales. En la cual:En transiciones claro-oscuro: pico positivo.En transiciones oscuro-claro: pico negativo.

• Pico positivo + pico negativo y la distancia entreellos es < ε => Trazo negro sobre fondo blanco.

10/07/2003 RecAM 9

• Un corte horizontal de lamatrícula define unpatrón de trazos.

• Si se es capaz deencontrar este patrónrepetido en varias filasconsecutivas, se podrádecir que allí seencuentra la matrícula.

10/07/2003 RecAM 10

SegmentaciónSegmentación

ü Filtrado Sobel.

ü Dos umbrales iguales y opuestos. Clasificaciónde la respuesta en tres posibles estados.Ø Se fijó un 5% sobre el histograma. Es decir,

superan el umbral el 5% de los valores degradiente.

10/07/2003 RecAM 11

Binarización de la matrícula segmentadaBinarización de la matrícula segmentada

• Umbral: cuáles píxeles son blancos y cuáles negros.Ø Adaptivo.Ø Óptimo.

¿Cómo se calculan las medias?¿Cuántos píxeles son negros y cuántos blancos?Ø Usamos la característica de la matrícula: letras negras

sobre fondo blanco.

10/07/2003 RecAM 12

¿Cómo?¿Cómo?Ø Se cuentan los píxeles de la fila (en la matriz de la

respuesta del filtro Sobel) hasta encontrar un pico.

ü Pico positivo => Transición claro-oscuro => todos lospíxeles hasta allí eran blancos.

ü Se sigue contando hasta el siguiente pico, si es negativo =>todos los píxeles contados ahora habrán sido negros.

ü Se repite este procedimiento en toda la matrícula.ü También se fueron acumulando las intensidades,

pudiéndose así calcular las medias y las probabilidades, ycon ellas, el umbral óptimo.

10/07/2003 RecAM 13

Requerimientos en la implementaciónRequerimientos en la implementaciónv Distancia fija entre la cámara y el vehículo,

estableciendo un margen de tolerancia.v Que el vehículo no se encuentre en movimiento.v Chapa con dígitos oscuros sobre fondo claro.v Imágenes obtenidas con luz ambiental y en niveles

de gris.v Matrícula limpia, seca, y en buen estado.v La tolerancia frente a la inclinación de la matrícula

es un ángulo de ± 20 grados.v En esta primera implementación se suponen

matrículas de 3 letras y 4 números.

10/07/2003 RecAM 14

Un Ejemplo...Un Ejemplo...

Sobel

Umbral

Busco Patrón

(5 %)

10/07/2003 RecAM 15

Un Ejemplo...Un Ejemplo...Sobel Umbral

BinarizaciónHistograma de la matrícula, el umbral para labinarización calculado por RecAM es 120.23

(15 %)

10/07/2003 RecAM 16

Resultados y ConclusionesResultados y Conclusionesü Gracias a los avances de la tecnología se puede

contar con equipos PC “estándar” potentes quepermiten el procesamiento de las imágenes entiempo real.ü El operador Sobel se eligió por una cuestión de

eficiencia, ya que se buscaron patrones por filas.ü Los algoritmos fueron sometidos a rigurosas

pruebas obteniéndose siempre muy buenosresultados.ü Queda pendiente el desarrollo de un OCR para

terminar el reconocimiento.

10/07/2003 RecAM 17

ReferenciasReferencias• F. Martín Rodríguez, X. Fernández Hermida.

"Reconocedor Automático de Matrículas de Automóviles“.Proceedings of TIARP-01, (2001).

• F. Martín Rodríguez, X. Fernández Hermida. "An OCR forVLP’s (Vehicle license plate)". Proceedings of ICSPAT-97.San Diego. (Setiembre 1997).

• V. Sergey, R. Alexander, S. Roman. "Moving car licenseplate recognition, Final report".Technion - Israel Institute of Technology.

• J. Brown, A. Harris, M. Noury, A. Patel, J. Rafferty."License plate recognition system".Georgia Institute of Technology. (Setiembre 2002).

10/07/2003 RecAM 18

Mas Referencias...Mas Referencias...• J. Molina, J. M. Mossi, A. Albiol. "Development of a plate

reader for surveillance system".Universidad Politécnica de Valencia.

• N. Ketelaars. "Final project: Automated license platerecognition". (Enero 2001).

• P. Ponce, S. Wang, D. Wang. "Final Report: License platerecognition”.

• J. F. Canny. "A computational approach to edge detection”.IEEE Trans. Pattern Analysis and Machine Intelligence,8:679-698. 1986.

• Sorin Draghici. "A neural network based artificial visionsystem for licence plate recognition" Dept. of ComputerScience, Wayne State University. Proceedings of IJNS-97.

10/07/2003 RecAM 19

PreguntasPreguntas