7
PLATES RECOGNITION PLATES RECOGNITION Part II Part II Segmentazione targa e Riconoscimento cifre tramite SIFT Docente: Fiora Pirri Corso: Visione e Percezione Studenti: Alessio Borraccino Antonio Andriella Anno Accademico 2006/2007

PLATES RECOGNITION Part II

  • Upload
    arne

  • View
    32

  • Download
    0

Embed Size (px)

DESCRIPTION

PLATES RECOGNITION Part II. Segmentazione targa e Riconoscimento cifre tramite SIFT. Docente: Fiora Pirri Corso: Visione e Percezione. Studenti: Alessio Borraccino Antonio Andriella. Anno Accademico 2006/2007. Obiettivo:. - PowerPoint PPT Presentation

Citation preview

Page 1: PLATES RECOGNITION  Part II

PLATES RECOGNITION PLATES RECOGNITION Part IIPart II

Segmentazione targa eRiconoscimento cifre tramite SIFT

Docente: Fiora PirriCorso: Visione e Percezione

Studenti: Alessio Borraccino Antonio Andriella

Anno Accademico 2006/2007

Page 2: PLATES RECOGNITION  Part II

Obiettivo:Obiettivo:Data una immagine di una targa

automobilistica, l’obiettivo del progetto è quello di riconoscerne i caratteri. Il progetto quindi si divide in 2 parti:

1) Segmentazione della targa, isolandone le singole cifre;

2) Riconoscimento delle cifre confrontandole con un database di cifre, tramite l’algoritmo delle SIFT.

Page 3: PLATES RECOGNITION  Part II

Segmentazione TargaSegmentazione TargaIl metodo di segmentazione è il seguente:

1.Binarizzazione targa originale2.Filtraggio del rumore (righe nere di sfondo e ombreggiature)3.Allontanamento delle cifre4.Clusterizzazione mediante Mean Shift a Kernel Uniforme

Dopo la clusterizzazione, vengon presi solo i cluster che hanno le dimensioni tipiche di un carattere della targa, escludendo così altri simboli eventuali o macchie nere rimaste comunque durante il filtraggio.

Page 4: PLATES RECOGNITION  Part II

Riconoscimento CifreRiconoscimento Cifre

Dato un database che contiene tutti i caratteri delle targhe con i relativi keypoints, e i caratteri risultato della segmentazione della targa in esame, il metodo di riconoscimento funziona nel seguente modo:1. Viene effettuato il matching tra il primo carattere della

targa e tutti quelli del database, sia in un verso che in un altro.

2. Il matching migliore (maggior numero di keypoints corrispondenti) equivarrà quindi al carattere cercato.

Page 5: PLATES RECOGNITION  Part II

GUIGUILa GUI mostra tutti i passaggi in tempo reale effettuati dal progetto. Inoltre dà la possibilità di mettere in pausa l’avanzamento del progetto, di sceglierne la velocità e di scegliere la targa da un buon campionario di immagini diverse.

Anche la GUI è stata implementata tramite MATLAB

Page 6: PLATES RECOGNITION  Part II

GUIGUI

Page 7: PLATES RECOGNITION  Part II

RisultatiRisultati Il progetto non ha però dei risultati soddisfacenti. Mentre la

segmentazione della targa funziona bene anche per targhe ombreggiate o ruotate, il riconoscimento tramite SIFT ha delle limitazioni:

1. Le somiglianze tra i caratteri (per esempio il 6 è uguale al 9 a meno di una rotazione) creano dei problemi perchè le SIFT teoricamente sono invarianti rispetto a rotazione traslazioni e scalature, e non distinguerebbero l’oggetto.

2. Inoltre le SIFT sono invarianti anche per parziale occlusione dell’oggetto, e quindi a livello locale una F può essere considerata una E poichè uguale ma privata di una sua parte.

3. Il modo più efficiente è quindi quello di aumentare il numero di keypoints e avere un database di tutte le cifre con versioni diverse di per ognuna (con rumore diverso).

A questo punto però, avendo un database di tanti caratteri con rumore diverso rimane più funzionale usare un OCR implementato con una rete neurale.