Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Aplikacja mobilna do rozpoznawania numerów linii komunikacji miejskiej

188 views

Published on

W artykule zaprezentowano wyniki badań nad rozpoznawaniem numerów autobusów i tramwajów w warunkach rzeczywistych i przy użyciu urządzeń mobilnych. Celem ww. badań było opracowanie skutecznych narzędzi wspomagających osoby z upośledzeniem wzroku w korzystaniu ze środków komunikacji miejskiej. Spośród wielu różnych analizowany podejść, w artykule zaprezentowane jedynie to, na którym oparto końcowy rezultat przeprowadzonych prac, tj. aplikację mobilną dedykowaną dla tej kategorii osób. Podejście to obejmuje dwie, wybrane techniki przetwarzania obrazów, bazujące odpowiednio na metodzie Haar-Like [7] oraz filtracji kolorów. W artykule przedstawiono szczegóły obu metod oraz zaprezentowano rezultaty testów nad ich zastosowaniem do rozpoznawania numerów linii. Szczegóły implementacji ww. aplikacji mobilnej również zostały przedstawione, a efektywność jej działania została podsumowana i poddana ocenie.

Published in: Science
  • Be the first to comment

  • Be the first to like this

Aplikacja mobilna do rozpoznawania numerów linii komunikacji miejskiej

  1. 1. Aplikacja mobilna do rozpoznawania numerów linii komunikacji miejskiej Remigiusz Baran, Mikołaj Leszczuk, Przemysław Ślusarczyk, Tomasz Ruść 2016-06-29
  2. 2. Wprowadzenie • Przemieszczanie się w mieście to poważny problem dla ludzi niepełnosprawnych • Zwłaszcza niewidzących albo niedowidzących • Potrzeba rozpoznawania napisów w otoczeniu • W tym numerów linii komunikacji miejskiej Źródło: Wired.
  3. 3. 139 144 14 14 Cel badań 3
  4. 4. Nadjeżdżający autobus 4 Widok autobusu z przednią tablicą LED, z perspektywy osoby stojącej na przystanku autobusowym
  5. 5. Algorytm 5
  6. 6. Lokalizowanie numerów linii Kaskady Haara Filtracja koloru
  7. 7. Kaskady Haara Front autobusu Front tramwaju Bok autobusu Bok tramwaju » Detekcja: – Tablic – Frontu autobusu – Frontu tramwaju – Frontów obu typów » Obrazów: – Uczących: 11508 – Testowych: 1532
  8. 8. Filtracja koloru (1/2) 8 • Wykrywanie bursztynowych plam • Przestrzeń kolorów HSV Efekt rozmycia obrazuObraz źródłowy Poszczególne warstwy obrazu z modelu HSV: (a) Odcień światła (ang. Hue) (b) Nasycenie koloru (ang. Saturation) (c) Moc światła białego (ang. Value) (a) (b) (c)
  9. 9. Filtracja koloru (2/2) 9 Wykrywanie: kontury, potencjalne tablice Obszar wyświetlacza tablicy LED Inny wybrany obraz, zawierający podobne kolory
  10. 10. Przygotowanie do OCR 10 Tablica LED – wyraźnie widoczne oddzielone piksele (diody) Wycięte fragmenty obrazu, po usunięciu tła, przygotowane do procesu OCR (a) Oddzielone kropki – nie przechodzą procesu OCR (b) Scalone kropki, obraz po przekształceniach morfologicznych – pełne kształty znaków (a) (b)
  11. 11. Proces filtracji elementów z tekstem Niepożądana część obrazu bez numeru linii Obraz binarny Projekcja 1D – nie wykryto tekstu Pożądana część obrazu z numerem linii Obraz binarny Projekcja 1D – wykryto tekst 11
  12. 12. Rozpoznawanie znaków 12 Zbiór przygotowany do treningu Trenowanie znakami z rzeczywistych przykładów Tesseract OCR Engine Trening nowej czcionki
  13. 13. Rezultaty Poprawne dla pojedynczych zdjęć 62% Poprawne dodatkowo dla serii zdjęć 2% Niepoprawne 36% UDZIAŁ POPRAWNYCH IDENTYFIKACJI
  14. 14. Demonstracja działania aplikacji mobilnej 14
  15. 15. Dziękuję za uwagę! Część badań raportowanych z artykule z zakresu technik OCR finansowana była z projektu INSIGMA nr POIG.01.01.02-00-062/- 9. Praca M. Leszczuka jest finansowana przez umowę numer 11.11.230.018.

×