Re-Identificação de veículos em uma rede de câmeras não sobrepostas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Tese |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
Texto Completo: | http://repositorio.utfpr.edu.br/jspui/handle/1/26663 |
Resumo: | A re-identificação de veículos em uma rede de câmeras não sobrepostas é um problema de pesquisa importante, que auxilia em atividades de vigilância, estimativa de tempo de viagem, controle de velocidade, investigações criminais e estimativas de fluxo de tráfego. Os desafios deste problema de pesquisa vêm da alta similaridade interclasse, causada por veículos distintos mas fabricados na mesma cor, modelo e marca, e que muitas vezes parecem iguais, com exceção da placa de identificação quando existente, e pela alta dissimilaridade intraclasse, causada por mudanças abruptas de iluminação ou pontos de vista da câmera, que faz com que duas instâncias do mesmo veículo não tenham semelhança significativa. Nesta tese, nós investigamos quais são as características mais distintas e persistentes em imagens de veículos que podem ser extraídas e combinadas para resolver o problema da re-identificação. Para tanto, desenvolvemos um conjunto de redes siamesas que usam duas das características mais importantes disponíveis: a forma ou aparência do veículo e os atributos textuais da placa de identificação. Outros algoritmos estado-daarte para esse problema geralmente tiram vantagem de um desses atributos, no entanto, em muitos casos é difícil distinguir um veículo de outro considerando apenas um tipo de característica. Outra contribuição importante, é a proposta de uma nova base de dados para o problema de reidentificação de veículos, que possui mais de três horas de duração, abrangendo aproximadamente 3000 veículos em dois cruzamentos da cidade de Curitiba — cuja infra-estrutura necessária em relação a instalação de câmeras foi realizada com o apoio da prefeitura — e que tem a característica única de possuir imagens de alta qualidade da traseira do veículo, o que permite a identificação da placa veicular. Em nossos experimentos, nossas arquiteturas alcançaram uma precisão, recall e -score de 99,3%, 98,5% e 98,9%, respectivamente. Como última contribuição, nós discutimos e comparamos três arquiteturas que exploram características da forma do veículo e da placa, mas usando fluxos adicionais e informação temporal. |
id |
UTFPR-12_28c192368084c21c8c91908ec8a40ed6 |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/26663 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2021-12-10T18:34:23Z2021-12-10T18:34:23Z2021-09-29OLIVEIRA, Icaro Oliveira de. Re-Identificação de veículos em uma rede de câmeras não sobrepostas. 2021. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2021.http://repositorio.utfpr.edu.br/jspui/handle/1/26663A re-identificação de veículos em uma rede de câmeras não sobrepostas é um problema de pesquisa importante, que auxilia em atividades de vigilância, estimativa de tempo de viagem, controle de velocidade, investigações criminais e estimativas de fluxo de tráfego. Os desafios deste problema de pesquisa vêm da alta similaridade interclasse, causada por veículos distintos mas fabricados na mesma cor, modelo e marca, e que muitas vezes parecem iguais, com exceção da placa de identificação quando existente, e pela alta dissimilaridade intraclasse, causada por mudanças abruptas de iluminação ou pontos de vista da câmera, que faz com que duas instâncias do mesmo veículo não tenham semelhança significativa. Nesta tese, nós investigamos quais são as características mais distintas e persistentes em imagens de veículos que podem ser extraídas e combinadas para resolver o problema da re-identificação. Para tanto, desenvolvemos um conjunto de redes siamesas que usam duas das características mais importantes disponíveis: a forma ou aparência do veículo e os atributos textuais da placa de identificação. Outros algoritmos estado-daarte para esse problema geralmente tiram vantagem de um desses atributos, no entanto, em muitos casos é difícil distinguir um veículo de outro considerando apenas um tipo de característica. Outra contribuição importante, é a proposta de uma nova base de dados para o problema de reidentificação de veículos, que possui mais de três horas de duração, abrangendo aproximadamente 3000 veículos em dois cruzamentos da cidade de Curitiba — cuja infra-estrutura necessária em relação a instalação de câmeras foi realizada com o apoio da prefeitura — e que tem a característica única de possuir imagens de alta qualidade da traseira do veículo, o que permite a identificação da placa veicular. Em nossos experimentos, nossas arquiteturas alcançaram uma precisão, recall e -score de 99,3%, 98,5% e 98,9%, respectivamente. Como última contribuição, nós discutimos e comparamos três arquiteturas que exploram características da forma do veículo e da placa, mas usando fluxos adicionais e informação temporal.The vehicle re-identification through a network of non-overlapping cameras is an important task to assist surveillance activities, travel time estimation, enforcement of speed limits, criminal investigations, and traffic flow. The challenges of this problem come from the high inter-class similarity, caused by distinct vehicles manufactured in the same color, model and brand that often look exactly the same, and from the high intra-class dissimilarity, caused by abrupt illumination changes or camera viewpoints, that makes two instances of the same vehicle have no significant resemblance. In this thesis we investigated the main features that could be extracted and combined só as to solve the vehicle re-identification problem. For that purpose, we developed a two-stream Convolutional Neural Network (CNN) that simultaneously uses two of the most distinctive and persistent features available: the vehicle’s appearance and its license plate. In the first network stream, shape similarities are identified by a Siamese CNN that uses a pair of low-resolution vehicle patches recorded by two different cameras. In the second stream, we use a CNN for Optical Character Recognition (OCR) to extract textual information, confidence scores, and string similarities from a pair of high-resolution license plate patches. Then, features from both streams are merged by a sequence of fully connected layers for decision. State-of-the-art algorithms for this task usually take advantage of one of these attributes, however, in many cases it is difficult to distinguish one vehicle from another by considering only one type of feature. As another important contribution, we introduce a novel dataset for vehicle identification, called Vehicle-Rear, that contains more than three hours of high-resolution videos, with accurate information about the brand, model, color and year of nearly 3,000 vehicles, recorded in two roadway intersections of Curitiba city — whose infrastructure was carried out with support of the City Hall — and that has the unique characteristic of having high quality images of vehicle’s rear end, which allows its identification by the license plate. The main issue of existing datasets for vehicle re-identification is the fact that the license plates in many other countries are linked/related to the owner, not to the vehicle as in Brazil, and therefore they are intentionally redacted to respect privacy restrictions. In our experiments, our architecture achieved an accuracy, recall and -score of 99.3 %, 98.5 % and 98.9 %, respectively. As a final contribution, we also discuss and compare three alternative architectures that also explore features over the vehicle’s shape and license plate, but using additional streams and temporal information.Conselho Nacional do Desenvolvimento Científico e Tecnológico (CNPq)Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)engUniversidade Tecnológica Federal do ParanáCuritibaPrograma de Pós-Graduação em Engenharia Elétrica e Informática IndustrialUTFPRBrasilhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOESEngenharia ElétricaVeículos - IdentificaçãoRedes neurais (Computação)Visão por computadorProcessamento de imagensSistemas de reconhecimento de padrõesAlgoritmosVehicles - IdentificationNeural networks (Computer science)Computer visionImage processingPattern recognition systemsAlgorithmsRe-Identificação de veículos em uma rede de câmeras não sobrepostasVehicle re-identification in a network of non-overlapping camerasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisCuritibaFonseca, Keiko Veronica Onohttps://orcid.org/ 0000-0003-4685-299Xhttp://lattes.cnpq.br/8827013568855482Minetto, Rodrigohttps://orcid.org/0000-0003-2277-4632http://lattes.cnpq.br/8366112479020867Todt, Eduardohttps://orcid.org/0000-0001-6045-1274http://lattes.cnpq.br/9942240121225139Pio, Jose Luiz de Souzahttps://orcid.org/ 0000-0001-5864-8983http://lattes.cnpq.br/1014904168887285Fonseca, Keiko Veronica Onohttps://orcid.org/ 0000-0003-4685-299Xhttp://lattes.cnpq.br/8827013568855482Delgado, Myriam Regattieri de Biase da Silvahttps://orcid.org/0000-0002-2791-174Xhttp://lattes.cnpq.br/4166922845507601Silva, Ricardo Dutra dahttps://orcid.org/0000-0002-8002-8411http://lattes.cnpq.br/8512085741397097https://orcid.org/0000-0003-1479-6970http://lattes.cnpq.br/8733411732232152Oliveira, Icaro Oliveira dereponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8908http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26663/2/license_rdf0175ea4a2d4caec4bbcc37e300941108MD52ORIGINALreidentificacaoveiculosredecameras.pdfapplication/pdf8089838http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26663/1/reidentificacaoveiculosredecameras.pdf5a5bdee268a09e7af9ac72b87e01e06bMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81290http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26663/3/license.txtb9d82215ab23456fa2d8b49c5df1b95bMD53TEXTreidentificacaoveiculosredecameras.pdf.txtreidentificacaoveiculosredecameras.pdf.txtExtracted texttext/plain174308http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26663/4/reidentificacaoveiculosredecameras.pdf.txt512d0fafe84ec1cad73b7f3150a30b6bMD54THUMBNAILreidentificacaoveiculosredecameras.pdf.jpgreidentificacaoveiculosredecameras.pdf.jpgGenerated Thumbnailimage/jpeg1251http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26663/5/reidentificacaoveiculosredecameras.pdf.jpg457ea04cc3dac5092ccab7d8dab68987MD551/266632021-12-11 04:06:14.491oai:repositorio.utfpr.edu.br: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ório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2021-12-11T06:06:14Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Re-Identificação de veículos em uma rede de câmeras não sobrepostas |
dc.title.alternative.pt_BR.fl_str_mv |
Vehicle re-identification in a network of non-overlapping cameras |
title |
Re-Identificação de veículos em uma rede de câmeras não sobrepostas |
spellingShingle |
Re-Identificação de veículos em uma rede de câmeras não sobrepostas Oliveira, Icaro Oliveira de CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOES Veículos - Identificação Redes neurais (Computação) Visão por computador Processamento de imagens Sistemas de reconhecimento de padrões Algoritmos Vehicles - Identification Neural networks (Computer science) Computer vision Image processing Pattern recognition systems Algorithms Engenharia Elétrica |
title_short |
Re-Identificação de veículos em uma rede de câmeras não sobrepostas |
title_full |
Re-Identificação de veículos em uma rede de câmeras não sobrepostas |
title_fullStr |
Re-Identificação de veículos em uma rede de câmeras não sobrepostas |
title_full_unstemmed |
Re-Identificação de veículos em uma rede de câmeras não sobrepostas |
title_sort |
Re-Identificação de veículos em uma rede de câmeras não sobrepostas |
author |
Oliveira, Icaro Oliveira de |
author_facet |
Oliveira, Icaro Oliveira de |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Fonseca, Keiko Veronica Ono |
dc.contributor.advisor1ID.fl_str_mv |
https://orcid.org/ 0000-0003-4685-299X |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/8827013568855482 |
dc.contributor.advisor-co1.fl_str_mv |
Minetto, Rodrigo |
dc.contributor.advisor-co1ID.fl_str_mv |
https://orcid.org/0000-0003-2277-4632 |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/8366112479020867 |
dc.contributor.referee1.fl_str_mv |
Todt, Eduardo |
dc.contributor.referee1ID.fl_str_mv |
https://orcid.org/0000-0001-6045-1274 |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/9942240121225139 |
dc.contributor.referee2.fl_str_mv |
Pio, Jose Luiz de Souza |
dc.contributor.referee2ID.fl_str_mv |
https://orcid.org/ 0000-0001-5864-8983 |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/1014904168887285 |
dc.contributor.referee3.fl_str_mv |
Fonseca, Keiko Veronica Ono |
dc.contributor.referee3ID.fl_str_mv |
https://orcid.org/ 0000-0003-4685-299X |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/8827013568855482 |
dc.contributor.referee4.fl_str_mv |
Delgado, Myriam Regattieri de Biase da Silva |
dc.contributor.referee4ID.fl_str_mv |
https://orcid.org/0000-0002-2791-174X |
dc.contributor.referee4Lattes.fl_str_mv |
http://lattes.cnpq.br/4166922845507601 |
dc.contributor.referee5.fl_str_mv |
Silva, Ricardo Dutra da |
dc.contributor.referee5ID.fl_str_mv |
https://orcid.org/0000-0002-8002-8411 |
dc.contributor.referee5Lattes.fl_str_mv |
http://lattes.cnpq.br/8512085741397097 |
dc.contributor.authorID.fl_str_mv |
https://orcid.org/0000-0003-1479-6970 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/8733411732232152 |
dc.contributor.author.fl_str_mv |
Oliveira, Icaro Oliveira de |
contributor_str_mv |
Fonseca, Keiko Veronica Ono Minetto, Rodrigo Todt, Eduardo Pio, Jose Luiz de Souza Fonseca, Keiko Veronica Ono Delgado, Myriam Regattieri de Biase da Silva Silva, Ricardo Dutra da |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOES |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOES Veículos - Identificação Redes neurais (Computação) Visão por computador Processamento de imagens Sistemas de reconhecimento de padrões Algoritmos Vehicles - Identification Neural networks (Computer science) Computer vision Image processing Pattern recognition systems Algorithms Engenharia Elétrica |
dc.subject.por.fl_str_mv |
Veículos - Identificação Redes neurais (Computação) Visão por computador Processamento de imagens Sistemas de reconhecimento de padrões Algoritmos Vehicles - Identification Neural networks (Computer science) Computer vision Image processing Pattern recognition systems Algorithms |
dc.subject.capes.pt_BR.fl_str_mv |
Engenharia Elétrica |
description |
A re-identificação de veículos em uma rede de câmeras não sobrepostas é um problema de pesquisa importante, que auxilia em atividades de vigilância, estimativa de tempo de viagem, controle de velocidade, investigações criminais e estimativas de fluxo de tráfego. Os desafios deste problema de pesquisa vêm da alta similaridade interclasse, causada por veículos distintos mas fabricados na mesma cor, modelo e marca, e que muitas vezes parecem iguais, com exceção da placa de identificação quando existente, e pela alta dissimilaridade intraclasse, causada por mudanças abruptas de iluminação ou pontos de vista da câmera, que faz com que duas instâncias do mesmo veículo não tenham semelhança significativa. Nesta tese, nós investigamos quais são as características mais distintas e persistentes em imagens de veículos que podem ser extraídas e combinadas para resolver o problema da re-identificação. Para tanto, desenvolvemos um conjunto de redes siamesas que usam duas das características mais importantes disponíveis: a forma ou aparência do veículo e os atributos textuais da placa de identificação. Outros algoritmos estado-daarte para esse problema geralmente tiram vantagem de um desses atributos, no entanto, em muitos casos é difícil distinguir um veículo de outro considerando apenas um tipo de característica. Outra contribuição importante, é a proposta de uma nova base de dados para o problema de reidentificação de veículos, que possui mais de três horas de duração, abrangendo aproximadamente 3000 veículos em dois cruzamentos da cidade de Curitiba — cuja infra-estrutura necessária em relação a instalação de câmeras foi realizada com o apoio da prefeitura — e que tem a característica única de possuir imagens de alta qualidade da traseira do veículo, o que permite a identificação da placa veicular. Em nossos experimentos, nossas arquiteturas alcançaram uma precisão, recall e -score de 99,3%, 98,5% e 98,9%, respectivamente. Como última contribuição, nós discutimos e comparamos três arquiteturas que exploram características da forma do veículo e da placa, mas usando fluxos adicionais e informação temporal. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-12-10T18:34:23Z |
dc.date.available.fl_str_mv |
2021-12-10T18:34:23Z |
dc.date.issued.fl_str_mv |
2021-09-29 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
OLIVEIRA, Icaro Oliveira de. Re-Identificação de veículos em uma rede de câmeras não sobrepostas. 2021. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2021. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/26663 |
identifier_str_mv |
OLIVEIRA, Icaro Oliveira de. Re-Identificação de veículos em uma rede de câmeras não sobrepostas. 2021. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2021. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/26663 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Curitiba |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Curitiba |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26663/2/license_rdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26663/1/reidentificacaoveiculosredecameras.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26663/3/license.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26663/4/reidentificacaoveiculosredecameras.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/26663/5/reidentificacaoveiculosredecameras.pdf.jpg |
bitstream.checksum.fl_str_mv |
0175ea4a2d4caec4bbcc37e300941108 5a5bdee268a09e7af9ac72b87e01e06b b9d82215ab23456fa2d8b49c5df1b95b 512d0fafe84ec1cad73b7f3150a30b6b 457ea04cc3dac5092ccab7d8dab68987 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1805922920517599232 |