Høyere utdanning i Finland

Várias adaptações podem ser desenvolvidas tendo como base os métodos propostos, em todas as etapas do sistema.

Para a etapa de localização são observadas as seguintes possibilidades de trabalhos futuros: • estudo de outras técnicas de realce para melhorar a qualidade da imagem, tanto para a

etapa de localização pelo método da correlação máxima, quanto na imagem obtida pela etapa de localização da placa;

• estudo de outras topologias de redes, objetivando aumentar a taxa de localização; • estudo de outros métodos de localização, para comparação e evolução dos métodos

estudados;

• utilização de outras características presentes na imagem, como a cor, em conjunto com a rede objetivando melhorar a taxa de localização.

Para o enquadramento da placa pode-se identificar as seguintes sugestões:

• estudo de novas técnicas de enquadramento com o objetivo de aumentar a taxa de sucesso;

• inclusão de uma etapa para correção de distorção de perspectiva.

Conclusões, Contribuições e Trabalhos Futuros 62 • estudos de outras abordagens para a separação de caracteres para fins de melhoria da

qualidade e da taxa de separação dos caracteres;

• adaptações nos métodos apresentados visando melhorar a taxa de separação.

Para a etapa de reconhecimento dos caracteres são identificadas as seguintes possibilidades de trabalhos futuros:

• treinamento executado com imagens de caracteres obtidos das imagens de entrada, ou com caracteres artificiais que possuem características mais próximas às encontradas no conjunto de imagens, diminuindo a possibilidade de overfitting da rede;

• implementação de outras topologias, objetivando melhorar os índices de identificação do caractere;

• estudo de métodos que identifiquem os caracteres a partir da imagem da região da placa, evitando os problemas encontrados nas etapas de separação e binarização.

Bibliografia

[Abdullah et al. (2006)] Abdullah, S. N. H. S., Khalid, M., Yusof. R., Omar, K, License Plate Recognition Using Multi-Cluster and Multilayer Neural Networks. ICTTA Information and Communication Technologies. Vol. 1, (2006) 1818-1823.

[Anagnostopoulos et al. (2006)] Anagnostopoulos, C. N. E., Anagnostopoulos, I. E., Loumos, V., Kayafas, E., A License Plate-Recognition Algorithm for Intelligent Transportation System Applications. IEEE Trans. on Intelligent Transportation Systems. Vol. 7(3), (2006) 377-392.

[Bremananth et al. (2005)] Bremananth, R., Chitra, A., Seetharaman, V., Nathan, V. S. L., A Robust Vídeo Based License Plate Recognition System. ICSIP Second International Conference on Intelligent Sensing and Information Processing, (2005) 175-180.

[Chalidabhongs & Rattanathammawat (2006)] Chalidabhongs, T. H., Rattanathammawat, P., License Plate Localization of Moving Vehicles in Complex Scene. APCCAS IEEE Asia Pacific Conference on Circuits and Systems, (2006) 1136-1139.

[Comelli et al. (1995)] Comelli, P., Ferragina, P., Stabile, M. N., Stabile, F., Optical Recognition of Motor Vehicle License Plates. IEEE Trans. on Vehicular Technology. Vol. 44(4), (1995) 790-799.

[Cui & Huang (1997)] Cui, Y., and Huang., Q, Automatic License Extraction from Moving Vehicles. ICIP International Conference on Image Processing, (1997) 126-129.

[DENATRAN (2004)] Trânsito, D. N., Código de Trânsito Brasileiro, “http://www.denatran.gov.br/Legislacao.htm”, 2004.

[Dias (2005)] Dias, F. G., Melhorias para Sistemas de Reconhecimento da Placa de Licenciamento Veicular. Dissertação de Mestrado em Engenharia Elétrica e de Computação. Universidade Estadual de Campinas (25/10/2005).

[Gesualdi (2001)] Gesualdi, A., Sistema Neuronal de Reconhecimento de Placas em Veículos Automotores Particulares. Dissertação de Mestrado em Engenharia Elétrica. Universidade Federal do Rio de Janeiro (08/2001).

[Gonzalez & Wood (1993)] Gonzalez, R. C., Woods, R. E., Digital Image Processing. Massachusetts: Addison-Wesley, 1993.

[Haykin (1999)] Haykin, Simon. Neural Networks: A Comprehensive Foundation. Prentice- Hall. 2a Ed, 1999.

Bibliografia 64 [Jianzhuang et al. (1991)] Jianzhuang, L., Wenqing, L., Yupeng, T., Automatic Thresholding

of Gray-Level Pictures Using Two-Dimensional Otsu Method. International Conference on Circuits and Systems, (1991) 325-327.

[Li et al. (2006)] Li, G., Zeng, R., Ling, L., Research on Vehicle License Plate Location Based on Neural Network. ICICIC First International Conference on Innovative Computing, Information and Control, (2006) 174-177.

[Lu et al. (2006)] Lu, X., Guanghua, Z., Liu, B., Localization of Vehicle License Plate Based on Gray Level Variation. Sixth International Conference on ITS Telecommunications Proceedings, (2006) 1220-1223.

[Malladi & Sethian (1996)] Malladi, R., Sethian, J. A., Image Processing: Flows under Min/Max Curvature and Mean Curvature. Graphical Models and Image Processing. Vol. 59 (2), (1996) 127-141.

[Marques et al. (2003)] Marques, R. C. P., Laprano, C. M., Silva, J. L., Medeiros, F. N. S., Locating License Vehicle Plates in Enhanced Binary Images, in Proceedings of XV Brazilian Symposium on Computer Graphics and Image Processing, 12-15 de outubro, São Carlos-SP, 2003.

[Marques et al. (2004a)] Marques, R. C. P., Medeiros, F. N. S., Silva, J. L., Laprano, C. M., License Vehicle Plates Localization Using Maximum Correlation. Lecture Notes in Computer Science, Springer-Verlag, v. 3138, (2004) 470-476.

[Marques (2004b)] Marques, R. C. P., Filtragem de Ruído Speckle em Imagens de Radar de Abertura Sintética e seus Efeitos sobre a Segmentação. Dissertação de Mestrado em Engenharia Elétrica, Universidade Federal do Ceará, (2004).

[Naito et al. (2000)] Naito, T., Tsukada, T., Yamada, K., Kozuka, K., Yamamoto, S.: Robust License-Plate Recognition Method for Passing Vehicles Under Outside Environment. IEEE Trans. on Vehicular Technology. Vol. 49(6), (2000) 2309-2319.

[Nukano et al. (2004)] Nukano, T., Fukumi, M., Khalib, M., Vehicle License Plate Character Recognition by Neural Networks. Intelligent Signal Processing and Communication Systems, 2004. ISPACS 2004. (2004) 771-775.

[Otsu (1979)] Otsu, N., A Threshold Selection Method from Gray-Level Histogram. IEEE Trans. Systems, Man, Cybernetics. (9), (1979) 62-88.

Bibliografia 65 [Pan et al. (2005)] Pan, X., Ye, X., Zhang, S., A Hybrid Method for Robust Car Plate

Character Recognition. Engineering Applications of Artificial Intelligence, 18, (2005) 963-972.

[Parker & Federl (1997)] Parker, J. R., Federl, P., An Approach to License Plate Recognition, Vision Interface '97, Kelowna, B.C. Relatório do Departamento de Ciência da Computação, 1997.

[Shapiro et al. (2006)] Shapiro, V., Gluhchev, G., Dimov, D., Towards a Multinational Car License Plate Recognition System. Machine Vision and Applications, 17, (2006) 173– 183.

[Sethian, (1996)] Sethian, J. A., Level Set Methods and Fast Marching Methods: Evolving Interfaces in Computational Geometry-Fluid Mechanics, Computer Vision, and Materials Science, 2a Ed. Cambridge University Press, Nova York (1996).

A. Apêndice A – Redes Neurais

Este apêndice apresenta os fundamentos de redes neurais MLP com o objetivo de auxiliar o entendimento na implementação e justificar seu uso nesta dissertação. Os fundamentos e definições descritos baseiam-se [Haykin (1999)] e [Gesualdi (2001)].

As redes neurais estão assumindo um papel importante como ferramentas no processamento de imagens na área de reconhecimento de padrões. Elas apresentam-se como um modo alternativo no reconhecimento de padrões de natureza não estruturada, cuja solução é de difícil tratamento pelos paradigmas tradicionais da computação, já que estas têm a capacidade de aprender características fundamentais do problema generalizando-as para padrões inéditos.

Tanto para a localização da placa quanto para o reconhecimento dos caracteres foi utilizada uma rede com arquitetura perceptron multicamadas MLP. Apesar de existirem inúmeras arquiteturas, esta é a mais encontrada na literatura e a mais explorada nos artigos estudados, devido à sua simplicidade de entendimento e implementação.

Também será descrito o algoritmo de retropropagação do erro, uma vez que, baseando-se na flexibilidade apresentada pela arquitetura escolhida, fez-se uso deste algoritmo, na etapa de treinamento, tanto para localização da placa, quanto para o reconhecimento dos caracteres.

Os estudos das redes neurais visam aproximar o desempenho da máquina a do ser humano na solução de um problema, uma vez que o cérebro humano soluciona determinados problemas com uma eficiência bem superior a um computador convencional. Esta eficiência superior é originária de componentes que são desejáveis no desenvolvimento de uma rede neural, como a capacidade de aprendizado, generalização para variações das características investigadas, como posição e iluminação, e robustez para que sejam evitadas grandes perdas na qualidade do reconhecimento quando houver saturação de neurônios.

Os neurônios artificiais foram desenvolvidos em acordo com o funcionamento dos neurônios em redes neurais biológicas utilizando generalizações de modelos matemáticos da cognição humana, sendo seu modelo simples apresentado na Figura A.1.

Apêndice A – Redes Neurais 67

Figura A.1: modelo matemático de um neurônio.

Na Figura A.1, a variável xi representa o valor da i-ésima entrada, transmitida ao neurônio

pela sinapse ou peso wi. Este neurônio realiza o somatório dos M valores recebidos

armazenando o resultado em uma variável v. A saída y é o resultado que a função de ativação

( )

v

ϕ apresenta para a variável v. Este processo é representado pela Equação (A.1) e Equação (A.2). A entrada x0 representa uma polarização com valor constante utilizada com o objetivo de

aumentar a flexibilidade da rede e aproximá-la do modelo biológico. As arquiteturas que utilizam esse modelo são chamadas de perceptron.

∑

= = M i i ix w v 0 A.1

( )

v y=ϕ A.2

Para cada neurônio da rede, existe uma função de ganho não-linear, comumente chamada de função de ativação que normalmente possui uma não-linearidade suave, possibilitando sua diferenciação e facilitando o tratamento matemático. Esta função é na maioria dos casos monotonicamente crescente e associada ao efeito de saturação, sendo as mais utilizadas as funções lineares, arco-tangente e logística. Nesta dissertação escolhemos como função de ativação ϕ

( )

v a função logística sigmóide, descrita na Equação (A.3) e apresentada na Figura A.2. Esta escolha foi motivada pelo desejo de que a saída da rede fosse semelhante à matriz de correlação máxima apresentada pelo método proposto em Marques et al. (2004a), necessitando assim de apenas dois pólos de saída, um para a região da placa, e outro para as demais regiões.

( )

_v e v y ₋ + = = 1 1 ϕ A.3

Apêndice A – Redes Neurais 68

Figura A.2: função de ativação sigmóide.

Uma das arquiteturas mais utilizadas e conhecidas utiliza o modelo de neurônio perceptron em várias camadas, sendo chamadas de perceptron multicamadas ou originalmente em inglês como Multi layer Perceptron (MLP). Esta arquitetura é composta por neurônios que formam uma camada de entrada, uma ou mais camadas intermediárias ou ocultas e uma camada de saída.

Neste trabalho foi utilizada em todas as redes desenvolvidas a arquitetura MLP sem realimentação (feedforward). A MLP é composta de uma estrutura não recorrente, em que os neurônios estão em camadas e um neurônio de uma camada i recebe informação apenas de neurônios da camada i-1 e fornece informação somente para neurônios da camada i+1. As informações são ponderadas por pesos. A Figura 2.20 apresenta um exemplo dessa arquitetura.

A capacidade de aprendizado da rede é a sua característica mais importante e este se dá por um processo iterativo de adequação, que pode ser expresso através de um algoritmo e dos pesos que compõe a rede. Por aprendizado, entende-se, segundo Haykin, “Aprendizado é um processo pelo qual os parâmetros livres de uma rede são adaptados por um processo de estímulo do ambiente em que a rede está inserida”. Dessa forma, o processo de aprendizagem da rede inicia- se pela apresentação das características do ambiente computacional que a contém, alterando sua estrutura interna, e adaptando a resposta desta a estas características.

Nesta dissertação foi adotado o treinamento supervisionado, que é caracterizado pela existência de um professor, cuja função é suprir a rede com a resposta desejada para cada estímulo apresentado a ela. É definido um erro como sendo a diferença entre a resposta fornecida e a saída apresentada pela rede. Os pesos da rede são adaptados de acordo com o

Apêndice A – Redes Neurais 69 valor desse erro utilizando-se de um algoritmo, que nesta dissertação foi o de retropropagação (backpropagation) do erro.

O algoritmo de retropropagação utiliza-se do sinal de erro definido na Equação(A.4), em que

( )

n

e_j é o erro do neurônio j para um enésimo estímulo, dado pela diferença entre a saída desejada para este neurônio d_j

( )

n e a apresentada pela rede y_j

( )

n .

( )

n d

( )

n y

( )

n

e_j = _j − _{j A.4}

Nesta dissertação foram utilizados dois critérios de parada por convergência, que é quando o erro apresentado pela rede não ultrapassa um valor pré-definido, sendo dessa forma considerado que ela acertou o resultado de todos os estímulos apresentados. O primeiro critério de convergência foi o erro máximo e o segundo foi o erro quadrático médio.

Os dois erros utilizados foram computados por épocas. Uma época representa uma iteração de treinamento, em que todos os estímulos existentes foram apresentados à rede, sendo computados todos os erros de todos os neurônios de saída. O valor do erro máximo é dado pela Equação (A.7) e do erro quadrático pela Equação (A.8), para um estímulo apresentado à rede, em que M é o número de neurônios na camada de saída.

( )

n

( )

e_j

( )

n j

(

M

)

M =max , ∀ ∈ 1, ε A.5

( )

_∑

( )

= = M j j m n e n 1 2 2 1 ε A.6

Os erros máximo e médio quadrático para uma época são então definidos pela Equação (A.7) e Equação (A.8), respectivamente, em que N representa a quantidade de estímulos apresentados à rede.

( )

(

n

)

n

( )

N M =maxε , ∀ ∈ 1, ε A.7

( )

∑

= = N n m n N ₁ 1 _ε ε A.8

Apêndice A – Redes Neurais 70 Os erros utilizados representam uma medida do desempenho do algoritmo de treinamento, cujo objetivo é minimizar o valor desses erros, tornando-os menores que o erro definido para convergência.

G. Glossário

Abertura: consiste da operação de erosão seguida por uma dilatação com o mesmo elemento estruturante. Esta operação pode eliminar pequenos objetos claros em um fundo escuro. Um objeto será eliminado se o elemento estruturante não encaixar dentro dele.

Alargamento de contraste: consiste no aumento da escala dinâmica dos níveis de cinza atuando no histograma da imagem de forma não linear. Uma técnica bastante utilizada para isso é a equalização de histograma, que redistribui os valores de nível de cinza de forma que os mesmos ocupem todos os valores possíveis. A função de transformação utilizada deve ser univariada e monotonicamente crescente. A função de distribuição cumulativa (FDC) atende às condições acima e é mostrada na Figura G.1.

Figura G.1: função de distribuição cumulativa (FDC). Área: é a quantidade de pixels de um componente conexo.

Binarização global automática: calcula o limiar (threshold) com base na função densidade de probabilidade dos níveis de cinza. O método mais utilizado é o de Otsu [Otsu (1979)].

Binarização global manual: define o valor do limiar de separação empiricamente, com base na amostragem das imagens a serem utilizadas.

Binarização iterativa: muda o valor do limiar iterativamente tentando binarizar corretamente os componentes conexos dos caracteres da placa.

Binarização local adaptativa: binariza cada pixel de acordo com sua vizinhança.

Caminho: é uma seqüência de pixels distintos com coordenadas (x0, y0), (x1, y1), ..., (xn, yn),

em que p0 localizado em (x0, y0) é o pixel inicial e pn localizado em (xn, yn) é o pixel final. O

0 ₁

255

f(x)

Glossário 72 pixel pi localizado em (xi, yi) é vizinho do pixel pi-1 localizado em (xi−1, yi−1), em que 1 < i < n. O

comprimento do caminho é dado por n e diz-se então que este é um caminho-4 (ou caminho-8) dependendo da vizinhança.

Componente conexo: dois pixels p e q de um subconjunto de pixels da imagem são ditos conexos se existir um caminho de p a q.

Componentes de nível: é o conjunto dos componentes conexos com mesmo valor de nível de cinza.

Dilatação: consiste em marcar a forma do elemento estruturante em todas as regiões da imagem onde pelo menos um pixel dele esteja inserido.

Elemento estruturante: imagem com características geométricas e/ou topológicas relacionadas com a informação que pretendemos extrair da imagem de interesse.

Erosão: consiste em marcar o centro do elemento estruturante em todas as regiões da imagem onde ele está inserido por completo.

Fechamento: consiste da operação de dilatação seguida por uma erosão com o mesmo elemento estruturante. Esta operação elimina pequenos objetos escuros em fundo claro. Um objeto será eliminado se o elemento estruturante não encaixar dentro dele.

Imagem colorida: consiste em uma imagem colorida composta pela sobreposição de 3 camadas monocromáticas, denominadas de RGB (Red, Green e Blue).

Imagem digital: é uma imagem que possui tanto as coordenadas espaciais quanto o brilho discretos. É semelhante a uma matriz em que os índices de linhas e colunas identificam a localização do pixel e o valor identifica a resolução em níveis de cinza do mesmo.

Imagem monocromática: é uma função bidimensional f(x,y), em que x e y denotam as coordenadas espaciais e o valor de f(x,y) é proporcional ao brilho (ou nível de cinza) da imagem.

Limiarização: separa os objetos do fundo por um limiar (threshold), que pode ser calculado automático ou manualmente.

Glossário 73 Negativo de imagens: reverte a ordem dos níveis de cinza, para imagens monocromáticas, e das matrizes R, G e B para imagens coloridas. A Figura G.2 apresenta a função utilizada para esta técnica.

Figura G.2: função para obter o negativo da imagem.

Padrão: descrição quantitativa ou estrutural de um objeto em uma imagem. Geralmente, um padrão é representado pelo vetor de características.

Passa-altas: Estes filtros atenuam ou eliminam os componentes de baixa freqüência no domínio de Fourier. Como as baixas freqüências são responsáveis pelas características que variam lentamente em uma imagem, tais como o contraste total e a intensidade média, o efeito resultante dessa filtragem normalmente é a redução dessas características, correspondendo a um aparente realce das bordas e outros detalhes finos.

Passa-baixas: Estes filtros atenuam ou eliminam os componentes de alta freqüência no domínio de Fourier. Como as altas freqüências caracterizam bordas e detalhes da imagem, o efeito resultante dessa filtragem normalmente é o borramento da imagem.

Pixel: é a abreviação de picture element, que é o nome dado a cada ponto da imagem.

Projeção horizontal: consiste da soma dos valores de tons de cinza de cada linha da imagem, ou seja, soma dos elementos da imagem na direção horizontal (eixo x), conforme a equação G.1:

( )

[ ]

∑

= ∈ = M x y f x y y N P 1 , 1 para , , , G.1 em que: N: é a altura da imagem f ; 0 ₂₅₅ 255

Glossário 74 M: é a largura da imagem f ;

f(x, y) corresponde a um elemento da imagem f com abscissa x e ordenada y.

Projeção vertical: consiste da soma dos valores de tons de cinza dos pixels de cada coluna da imagem, ou seja, soma dos elementos da imagem na direção vertical (eixo y), conforme a equação G.2:

( )

[ ]

∑

= ∈ = N y x f x y x M P 1 , 1 para , , , G.2 em que: N: é a altura da imagem f ; M: é a largura da imagem f.

Protótipo: é o representante de uma classe, sendo, em geral, definido pela média dos padrões de uma classe.

Reconhecimento de padrões: também denominado de classificação de padrões, consiste na atribuição dos padrões a suas respectivas classes automaticamente e com a mínima intervenção humana possível.

Resolução espacial: indica a quantidade de linhas e colunas. Como o pixel não tem área, somente um valor, todas as linhas e colunas são igualmente espaçadas e arranjadas na forma de uma matriz NxM.

Resolução nos níveis de cinza: indica a quantidade discreta da luminância (brilho) que pode ser armazenada em cada pixel. Normalmente esta resolução é composta pelas combinações possíveis de um conjunto de 8 bits, ou seja, varia de 0 a 255.

Retângulo envolvente: é definido pela coordenada superior esquerda e inferior direita do menor retângulo que contém o componente conexo.

Rotulação de componentes conexos: atribui um valor diferente, denominado rótulo, para cada componente conexo da imagem.

Glossário 75 Subtração de imagens: utiliza várias imagens de um mesmo objeto captadas em momentos diferentes e as subtrai, de tal modo que as mudanças que ocorreram entre os vários momentos são identificadas.

Vetor de características: é um vetor composto pelas características extraídas da imagem. Vetor de pesos: este vetor é utilizado para ponderar o vetor de características, de modo a valorizar aquelas que melhor descrevam as classes.

Vizinhança-N4: um pixel p localizado em (x,y) tem uma vizinhança 4 constituída daqueles pixels a unidade de distância nas direções horizontal e vertical. A Figura G.3 apresenta a localização dos vizinhos N4 destacados em cor escura.

p

Figura G.3: vizinhos N4 do pixel p.

Vizinhança-N8: um pixel p localizado em (x,y) tem uma vizinhança 8 constituída daqueles pixels a unidade de distância nas direções horizontal, vertical e diagonal. A Figura G.4 apresenta a localização dos vizinhos N8 destacados em cor escura.

p

Figura G.4: vizinhos N8 do pixel p.

Volume: é o somatório dos valores de todos os pixels de um componente conexo. Zona plana: é o máximo componente conexo com mesmo valor de nível de cinza.

In document Forskningsvilkår ved norske universiteter og høgskoler: en internasjonal komparativ undersøkelse (sider 29-32)