RecAM

Reconocimiento Automtico de Matrculas

Curso de Tratamiento de Imgenes por Computadora Ao 2003 Tutor: Ing. Alvaro Pardo Rodrigo Abal Integrantes: Ral Medeglia Nicols Pebet

De Qu Se Trata?
Cada vez hay ms vehculos. Esto produce ms congestionamiento. Problema: congestionamiento en peajes. Solucin: crear un sistema que permita la identificacin automtica de la matrcula. Alivia al operario. Permite por ejemplo el pago del peaje con la patente.
10/07/2003 RecAM 2

Otras Aplicaciones
Corroboracin del pago de patentes. Clculo del tiempo en estacionamientos tarifados. Infracciones de trnsito. Comando de barreras en reas restringidas.

10/07/2003

RecAM

Sistema de reconocimiento automtico

10/07/2003

RecAM

Qu Implementamos?
El sistema consiste en tres mdulos:
Mejoramiento de la imagen. Segmentacin de la matrcula del resto de la imagen. Binarizacin con umbral adaptivo.
En una etapa posterior, se implementar un OCR para completar el reconocimiento.
10/07/2003 RecAM 5

Herramientas Utilizadas
Cmara digital Olympus con mnima compresin. PC estndar: Celeron 500MHz, 64MB RAM, Windows 98 SE. XnView 1.5 Matlab 5.1 con Toolbox de Image Processing 2.0
10/07/2003 RecAM 6

Cmo Funciona?
v Conocimiento previo (buen contraste entre los dgitos y el fondo).

v Patrn que identifica los dgitos.

10/07/2003 RecAM 7

Qu significa y cmo se obtiene el patrn? Se aplica el operador Sobel en la direccin horizontal. Se obtiene imagen con los gradientes horizontales. En la cual: En transiciones claro-oscuro: pico positivo. En transiciones oscuro-claro: pico negativo. Pico positivo + pico negativo y la distancia entre ellos es < e => Trazo negro sobre fondo blanco.
10/07/2003 RecAM 8

 Un corte horizontal de la matrcula define un patrn de trazos. Si se es capaz de encontrar este patrn repetido en varias filas consecutivas, se podr decir que all se encuentra la matrcula.

10/07/2003

RecAM

Segmentacin
Filtrado Sobel. Dos umbrales iguales y opuestos. Clasificacin de la respuesta en tres posibles estados.
Se fij un 5% sobre el histograma. Es decir, superan el umbral el 5% de los valores de gradiente.
10/07/2003 RecAM 10

Binarizacin de la matrcula segmentada

Umbral: cules pxeles son blancos y cules negros.
Adaptivo. ptimo.

Cmo se calculan las medias? Cuntos pxeles son negros y cuntos blancos?
Usamos la caracterstica de la matrcula: letras negras sobre fondo blanco.
10/07/2003 RecAM 11

Cmo?
Se cuentan los pxeles de la fila (en la matriz de la respuesta del filtro Sobel) hasta encontrar un pico.
Pico positivo => Transicin claro-oscuro => todos los pxeles hasta all eran blancos. Se sigue contando hasta el siguiente pico, si es negativo => todos los pxeles contados ahora habrn sido negros. Se repite este procedimiento en toda la matrcula. Tambin se fueron acumulando las intensidades, pudindose as calcular las medias y las probabilidades, y con ellas, el umbral ptimo.
10/07/2003 RecAM 12

Requerimientos en la implementacin
v Distancia fija entre la cmara y el vehculo, estableciendo un margen de tolerancia. v Que el vehculo no se encuentre en movimiento. v Chapa con dgitos oscuros sobre fondo claro. v Imgenes obtenidas con luz ambiental y en niveles de gris. v Matrcula limpia, seca, y en buen estado. v La tolerancia frente a la inclinacin de la matrcula es un ngulo de 20 grados. v En esta primera implementacin se suponen matrculas de 3 letras y 4 nmeros.
10/07/2003 RecAM 13

Un Ejemplo...
Sobel

Umbral Busco Patrn

(5 %)

10/07/2003

RecAM

14

Un Ejemplo...
Sobel Umbral (15 %) Histograma de la matrcula, el umbral para la binarizacin calculado por RecAM es 120.23 Binarizacin

10/07/2003

RecAM

15

Resultados y Conclusiones
Gracias a los avances de la tecnologa se puede contar con equipos PC estndar potentes que permiten el procesamiento de las imgenes en tiempo real. El operador Sobel se eligi por una cuestin de eficiencia, ya que se buscaron patrones por filas. Los algoritmos fueron sometidos a rigurosas pruebas obtenindose siempre muy buenos resultados. Queda pendiente el desarrollo de un OCR para terminar el reconocimiento.
10/07/2003 RecAM 16

Referencias
F. Martn Rodrguez, X. Fernndez Hermida. "Reconocedor Automtico de Matrculas de Automviles. Proceedings of TIARP-01, (2001). F. Martn Rodrguez, X. Fernndez Hermida. "An OCR for VLPs (Vehicle license plate)". Proceedings of ICSPAT-97. San Diego. (Setiembre 1997). V. Sergey, R. Alexander, S. Roman. "Moving car license plate 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 17

Mas Referencias...
J. Molina, J. M. Mossi, A. Albiol. "Development of a plate reader for surveillance system". Universidad Politcnica de Valencia. N. Ketelaars. "Final project: Automated license plate recognition". (Enero 2001). P. Ponce, S. Wang, D. Wang. "Final Report: License plate recognition. 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 vision system for licence plate recognition" Dept. of Computer Science, Wayne State University. Proceedings of IJNS-97.
RecAM 18

10/07/2003

Preguntas

10/07/2003

RecAM

19