Sistema de Reconhecimento de Placas de Carro (Brasil) - Visão Computacional/OCR/Tesseract

  • 2,264 views
Uploaded on

 

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to like this
No Downloads

Views

Total Views
2,264
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
20
Comments
2
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Multimídia Richiely Batista de Moura Paiva. Vinícius Bulhões. Vinícius Nunes
  • 2. Sistema de Reconhecimento OCR Reconhecendo e extraindo características em placas de carros
  • 3. Sumário 1. 1. 2. 3. 4. Proposta Revisão Bibliográfica Métodos utilizados Exemplo e demonstração da proposta
  • 4. Proposta Sistema de Reconhecimento OCR Reconhecimento de caracteres de uma origem, seja uma imagem, foto ou uma placa de carro. Ferramentas: ● OpenCV e Tesseract
  • 5. Proposta Desafios ● Entendimento da API Tesseract ● Tratamento de imagens ○ Métodos necessários para o desenvolvimento. ■ Localizar o texto na imagem; ■ Isolar o texto do ‘background’;
  • 6. Artigos relacionados BASSIL, Y., ALWANI, M. OCR Post-Processing Error Correction algorithm using Google’s Online Spelling Suggestion. LACSC – Lebanese Association for Computational Sciences january 2012. ALVES, W. A. L. et al. Uma abordagem para localização e reconhecimento de placas de licenciamento veicular por meio de operadores morfológicos e busca por template. Exacta, São Paulo, v. 9, n. 3, p. 355362, 2011. CONCI, A., HISS MONTEIRO, L. Reconhecimento de Placas de Veículos por Imagem. FARUK, A., MANJUMDER, N., BASU, S., NASIPURI, M. Design of an Optical Character Recognition System for Camerabased Handheld Devices. IJCSI International Journal of Computer Science Issues, july 2011
  • 7. OCR Post-Processing Error Correction algorithm using Google’s Online Spelling Suggestion • • • Demonstração do OCR sobre um documento qualquer; Digitalização; Reconhecimento das características • • Extração do texto; Correção de erros com o mecanismo de sugestão do Google.
  • 8. OCR Post-Processing Error Correction algorithm using Google’s Online Spelling Suggestion • Alguns erros de reconhecimento • • OCR pode confundir uma letra ‘S’ com o número ‘5’ ou o ‘B’ com o número ‘8’. Correção baseada no contexto e dicionário (abrange todas as palavras do vocabulário específico).
  • 9. OCR Post-Processing Error Correction algorithm using Google’s Online Spelling Suggestion
  • 10. Uma Abordagem para Localização e Reconhecimento de Placas de Licenciamento Veicular por meio de Operadores Morfológicos e Busca por Template • Localização e reconhecimento da placa na imagem. • Encontrar a posição da placa;   • Template matching;  • Operações com a largura e altura dos caracteres. Geometria da fonte - distância dos caracteres. Comparação com placas previamente catalogadas. Característica extraída.
  • 11. Reconhecimento de Placas de Veículos por Imagem • Abordagem de técnicas de tratamento e transformações da imagem. • • • • Binarização - treshold; Dilatação; Erosão; Segmentação;
  • 12. Design of an Optical Character Recognition System for Camerabased Handheld Devices • Motivação principal: digitalização de imagens, principalmente documentos; • Segmentação feita a partir da linha do texto; Como reconhecer os caracteres? •
  • 13. Design of an Optical Character Recognition System for Camerabased Handheld Devices
  • 14. Entendimento dos métodos
  • 15. Métodos necessários para a resolução do problema ● ● ● ● ● Binarização Segmentação Template matching Reconhecimento de caracteres
  • 16. Binarização ● A intensidade da imagem passa a ter apenas dois níveis distintos, para que possamos separar o objeto do fundo da imagem. Esse método pode ser descrito através da aplicação da função s = T(r). ● A função T(r) compara o sinal de entrada com um valor de threshold (T), escolhido como referência para a separação dos níveis de cinza. O sinal de saída, apresentado é obtido pela relação: s = {1 para r > T ou 0 para r < T}.
  • 17. Segmentação ● A segmentação é o processo de dividir uma imagem em regiões, ou objetos. Em outras palavras, a segmentação simples consistem em localizar objetos e formas em imagens. ● O uso desta técnica em nossa proposta será para podermos reconhecer na imagem aonde estão os caracteres.
  • 18. Template matching ● Através de um padrão, conseguir indentificá-lo, caso ele apareca, em alguma imagem qualquer. ● Será usado para dizer qual caractere foi encontrado, comparando o caractere segmentado da imagem analisada com algum banco de padrões, para que o mesmo possa ser reconhecido. ○ Cuidado na hora de reconhecer caracteres e números. A letra ‘S’ pode ser confundida com o número ‘5’ ou a letra ‘O’ pode ser confundida com o número ‘0’.
  • 19. Reconhecimento de caractere ● O reconhecimento de caracteres é a técnica do OCR. Permite converter imagens com texto em documentos de texto usando algoritmos de computação automatizados. As imagens podem ser processadas individualmente (arquivos .jpg, .png e .gif) ou em documentos PDF com várias páginas (.pdf).
  • 20. Tratamento da imagem
  • 21. Tratamento da imagem ● ● ● Texto encontrado na imagem Separação com o background Segmentação e binarização
  • 22. Processos Realizados • Isolamento da região que contem a placa • Extração do texto contido na placa
  • 23. Processos Realizados • Isolamento da região que contem a placa Original: TopHat:
  • 24. Processos Realizados • Isolamento da região que contem a placa Binarização : Fechamento EE horizontal linear:
  • 25. Processos Realizados • Isolamento da região que contem a placa Abertura altura máxima e minima : Abertura Largura máxima e minima:
  • 26. Processos Realizados • Isolamento da região que contem a placa Dilatação e remoção de possíveis ruídos : Seleção placa:
  • 27. Processos Realizados • Isolamento da região que contem a placa Recorte da placa:
  • 28. Processos Realizados • Extração do texto contido na placa Binarização Erosão
  • 29. Processos Realizados • Extração do texto contido na placa Dilatação Smooth
  • 30. Demonstração
  • 31. Sistema de Reconhecimento de placas com OCR Alunos: Richiely Batista Vinícius Bulhões Vinícius Nunes