Re-Identificação de veículos em uma rede de câmeras não sobrepostas

Detalhes bibliográficos
Autor(a) principal: Oliveira, Icaro Oliveira de
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