Localização de placa veicular com base em covariância e redes neurais artificiais

• Autor(a) principal: Araújo, Tiago Silva
• Data de Publicação: 2016
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFBA
• Texto Completo: http://repositorio.ufba.br/ri/handle/ri/20966
• topic: Visão Computacional; Reconhecimento de padrões; Inteligência Artificial; Localização de placa de veículo; Visão computacional; Reconhecimento de padrão em imagem

Um sistema de reconhecimento automático de placa veicular em imagens digitais normalmente é dividido conforme os principais problemas a serem resolvidos: a localização da placa; a segmentação da placa; e o reconhecimento dos caracteres. A localização da placa visa obter a região de interesse dentre os vários objetos presentes na imagem. A segmentação da placa, subdivide a região de interesse e separa os caracteres encontrados. O reconhecimento dos caracteres é o objetivo final, e tem como resposta a cadeia de caracteres que constitui a identificação do veículo. Neste trabalho propomos um método que resolva o primeiro problema: localizar placa de carro. A localização de placa veícular tem sido alvo de muitos estudos de reconhecimento de padrão em imagens digitais. A dificuldade em reconhecer placas em ambientes não controlados, onde ocorrem grandes variações de luminosidade e outros ruídos, têm motivado o surgimento de vários métodos como proposta para resolver o problema. Neste trabalho, descrevemos as principais abordagens de processamento de imagens utilizadas em sistemas de localização de placas de veículos encontradas na literatura, e propomos um método utilizando um descritor de característica baseado na covariância dos gradientes e dos canais do espaço de cor RGB (do inglês, Red, Green, Blue). O método proposto neste trabalho utiliza informações estatísticas dos canais R, G e B, e dos gradientes horizontais e verticais, além de uma rede neural artificial de camadas múltiplas com retropropagação do erro, para classificar as subimagens. Uma janela deslizante percorre imagens obtidas de uma câmera; extrai os canais R, G e B, e os gradientes horizontais e verticais; calcula suas covariâncias; e as utiliza para treinar a rede neural artificial, na fase de treinamento. Na fase de teste, novamente são extraídos os canais de cor e gradientes de cada subimagem analisada pela janela deslizante. O descritor de covariâncias das características é utilizado para obter um resposta da rede neural: próximo a 1, se a região for uma placa; próximo a -1, caso contrário. O método foi testado em ambiente real, em que uma câmera acessada via protocolo IP (do inglês, Internet Protocol) provê as imagens de veículos, e o localizador proposto analisa os frames subsequentes a uma detecção de movimento, destacando as placas encontradas. Para avaliar o classificador utilizamos as métricas taxa de acerto, taxa de alarme falso, exatidão e precisão. Foi obtida uma taxa de acerto de 84%. Com base nos resultados, consideramos que o objetivo deste trabalho foi alcançado.