Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad de Ingeniera
Dpto. de Ingeniera Elctrica
Visin Artificial:
Recncimient de caracteres placa
patente
Proyecto N3
ALUMNO:
GNESIS LOYOLA P.
DIEGO RODRGUEZ P.
PROFESOR:
RENATO SALINAS
FECHA ENTREGA:
14 DE JUNIO DE 2016
ndice
ndice ....................................................................................................................... 2
ndice de Ilustraciones ............................................................................................. 3
Introduccin ............................................................................................................. 4
Objetivos ................................................................................................................. 4
Objetivo Principal. ................................................................................................ 4
Reconocer los caracteres de inters al interior de la placa patente ..................... 4
Objetivos Especficos. .......................................................................................... 4
Descripcin del Problema ....................................................................................... 5
Desarrollo del problema .......................................................................................... 5
Eliminacin de ruido ............................................................................................. 5
Deteccin de patente ........................................................................................... 8
Identificacin y seleccin de caracteres ............................................................... 9
Resultados obtenidos ......................................................................................... 11
Conclusiones ......................................................................................................... 15
Bibliografa ............................................................................................................ 16
Anexos .................................................................................................................. 17
Datos de la Cmara ........................................................................................... 17
ndice de Ilustraciones
Ilustracin 1 Aplicacin de Herramienta: Color Plane Extraction ....................................................... 6
Ilustracin 2 Aplicacin de Herramienta: Threshold ........................................................................... 6
Ilustracin 3 Aplicacin de Herramienta: Binary Image Inversion ...................................................... 7
Ilustracin 4 Aplicacin de Herramienta: Gray Morphology .............................................................. 7
Ilustracin 5 Aplicacin de Herramienta: Lookup Table ..................................................................... 7
Ilustracin 6 Bloques para el tratamiento de la imagen. .................................................................... 8
Ilustracin 7 Template utilizado en el bloque Pattern Matching........................................................ 8
Ilustracin 8 Nmeros y letras del abecedario, tipografa F Schrift .................................................... 9
Ilustracin 9 Deteccin de caracteres al interior de patente chilena ............................................... 10
Ilustracin 10 Diseo del software utilizado ..................................................................................... 10
Ilustracin 11 Fotografa de Patente N1 .......................................................................................... 11
Ilustracin 12 Fotografa de Patente N2 .......................................................................................... 11
Ilustracin 13 Fotografa de Patente N3 .......................................................................................... 12
Ilustracin 14 Fotografa de Patente N4 .......................................................................................... 12
Ilustracin 15 Fotografa de Patente N5 .......................................................................................... 13
Ilustracin 16 Fotografa de Patente N6 .......................................................................................... 13
Ilustracin 17 Fotografa de Patente N7 .......................................................................................... 14
Introduccin
En la actualidad las nuevas tecnologas cada vez incorporan ms visin artificial como
herramienta para optimizar procesos. Esta tecnologa ha permitido hacer maquinas mucho
ms rpidas y precisas.
Es por esto que en el presente informe se pretende aplicar esta herramienta en la vida
cotidiana, especficamente en el proceso de reconocimiento de una patente. En este tercer
trabajo de reconocimiento de patentes, se trabajar en la identificacin de la patente,
detectando e identificando los caracteres que componen el nmero de la patente.
Objetivos
Objetivo Principal.
Reconocer los caracteres de inters al interior de la placa patente
Objetivos Especficos.
Disear un software que permita procesar en tiempo real una imagen detectando
una placa patente
Color Plane Extraction 1: Extrae los tres tipos de planos de color, estos pueden ser RGB, HSV
o HSL, en nuestro caso particular el utilizado fue HSV, que viene del ingls Hue, Saturation,
Value Matiz, ya que requeramos llevar la imagen a una escala de grises adecuadas para
trabajarla.
Threshold: Nos permite seleccionar rangos de valores de pixeles en escala de una imagen
en escala de grises, con esto podemos segmentar los valores deseados, eliminando de este
modo ruido que contenga la imagen.
Binary Image Inversion: Este bloque se encarga de revertir la dinmica de la imagen, esto
nos permite invertir los colores binarios de la imagen, generando con esto que los colores
dbiles como el blanco de la patente se conviertan en colores ms fuertes, como lo el negro.
Gray Morphology: Modifica la forma de un objeto en la imagen, esto nos permite suavizar
la forma rectangular de la patente y al mismo tiempo eliminar figuras-ruido que no tengan
el tamao suficiente como para formar una estructura elemental.
Lookup Table: Mejora el contraste y el brillo de la imagen, con esto logramos llevar los
colores fuertes a un negro total y los dbiles a un blanco absoluto.
Deteccin de patente
Una vez aplicado los filtros descritos en el tem anterior, se procedi a detectar la patente
en la imagen. Esto se logr utilizando el bloque Pattern Matching, esto bloque nos permite
crear un template de la figura deseada, y realizar una bsqueda dentro de la imagen
identificando donde se repita este patrn.
En el caso de la deteccin de patentes, se cre un template con la imagen de la patente (ya
aplicados los filtros). El template creado sirvi para las distintas fotografas de vehculos, ya
que el programa lo reconoce como un rectngulo negro con caracteres blancos dentro, no
discriminado que valores tomen estos caracteres.
Una vez localizada la patente, se ajust el programa para que la deteccin e identificacin
de caracteres se realice solo dentro del rea contenida por el Pattern Matching.
Cabe destacar que las patentes nuevas de los vehculos en chile no utilizan las letras M, N,
y Q, adems de no utilizar vocales, esto con la finalidad no realizar combinaciones de
letras que formen palabras que puedan distraer a los conductores.
De esta forma, gracias a la herramienta OCR/OCV del toolbox Vision Assistant, se crearon
los templates para la identificacin de los caracteres al interior de la patente, en la Error!
No se encuentra el origen de la referencia. se muestra un ejemplo de la creacin del
template para el numero una patente chilena.
9
10
Resultados obtenidos
Se tomaron siete imgenes de patentes reales en diferentes ambientes fsicos,
comprobando que se detectan los 6 caracteres de la patente.
Imagen 1
Imagen 2
11
Imagen 3
Imagen 4
12
Imagen 5
Imagen 6
13
Imagen 7
14
Conclusiones
A modo de conclusin, decir que el procesamiento de imgenes es una herramienta muy
poderosa para el desarrollo de nuevas tecnologas, esta permite de manera eficiente
abordar un problema mediante la utilizacin de diferentes herramientas. Sin embargo, hay
que cuidar que el tiempo de procesamiento y el error sean el mnimo.
A travs el toolbox Vision Assistant se pudo trabajar las diferentes imgenes registradas,
eliminando el ruido no deseado al exterior del rea de inters, segmentado de este modo,
la patente y los caracteres de inters al interior de esta.
Una de las herramientas que ms nos ayud en la eliminacin de ruido, y posteriormente
en la deteccin de los caracteres, fue el bloque Pattern Matching, ya que nos permiti
trabajar sobre un rea determinada de la imagen (solo la patente). Este mtodo de trabajo
tuvo mucha sinergia con el bloque OCR/OCV, ya que correga los errores de deteccin que
se producan al trabajar sobre la imagen completa, en vez de solo el rea de la patente.
Mediante la herramienta OCR/OCV del toolbox Vision Assistant, se crearon los templates o
plantillas para la identificacin de los caracteres al interior de la patente. Esta herramienta
es til al momento de identificar parmetros que poseen ciertos patrones, como lo son las
letras del abecedario y los nmeros.
Dentro de las ventajas de esta herramienta se puede nombrar la facilidad en su utilizacin,
debido a que una vez cargada la imagen basta con seleccionar el rea de la figura deseada
y crear la plantilla para su posterior reconocimiento.
Labview permiti de manera simple y prescindiendo lenguajes de complejos, desarrollar un
programa para la determinacin de ngulos. Uno de los problemas a los cuales nos
enfrentamos fue que la deteccin de la imagen depende mucho de la luz, de hecho, muchas
veces se tuvo inconveniente para detectar la patente por problemas de luz.
15
Bibliografa
1. Rodriguez, Sergio y Vazquez, Carla. Nueva patente vehicular tendr tipografa
especial para evitar fraudes. La Tercera. Nacional, 2014.
2. National Instruments. National Instruments. [En lnea] [Citado el: 25 de Mayo de
2016.] www.ni.com.
3. Prietro, Carlos E., y otros. Sistema de Vision Artificial para el Control de
Movimiento de un Asistente Robotico Medico. Buenos Aires : Asociacion Argentina
de Mecanica Computacional, 2010.
4. Lina, Bernardo, Tizi, Fernando y Vera, Marcos. Aplicacion de la Vision Artificial
a la Identificacion de Figuras. Ecuador : Universidad Tecnologica Nacional Facultad
Regional San Nicolas, 2008.
5. Vargas, Victor. Sistema de Vision Artificial para el Control de Calidad en Piezas
Cromadas. Mexico : Instituto Politecnico Nacional, 2010.
6. Gordillo Erazo, Lenin Edwin y Yaez Roca, Jorge Luis. Aplicacion de vision
con LabView para la deteccion de frascos con turbiedades. Guayaquil, Ecuador :
Escuela Superior Politecnica del Litoral, 2009.
7. Salinas Silva, Renato. Material de Clases, Apuntes sistema LOA. Santiago :
Universidad de Santiago de Chile, 2016.
16
Anexos
Datos de la Cmara
Fabricante Cmara
Motorola
Modelo de la Cmara
XT1032
Dimensiones
1280x720
Ancho
1280 pixeles
Alto
720 pixeles
Resolucin Horizontal
72 pp
Resolucin Vertical
72pp
Distancia Focal
4mm
Punto Focal
f/2.4
17