João Victor de França Leitão
João Vitor Moreira Duarte
Este trabalho é uma adaptação do artigo Processamento Digital de Imagens Aplicado a Identificação Automática de Placas de Trânsito.
Thiago de Jesus Oliveira Duraes
Lucas Soares Maciel
Wagner Ferreira de Barros
1. Segmentar a imagem de entrada com o objetivo de ressaltar uma porção desta imagem que se encontre na mesma faixa de cores da placa a ser localizada.
2. Processar o objeto identificado para verificar se ele pode ser caracterizado como uma placa de pare.
Para realização do primeiro passo, primeiro é necessário converter a imagem de entrada para um espaço de cores mais adequado e, posteriormente, analisar os histogramas que caracterizam as cores da imagem para extrair da imagem a informação desejada. De posse do resultado obtido no passo inicial, deve-se agora processar a informação obtida para identificar a forma geométrica do objeto identificado. Para isto, optou-se por identificar os diversos segmentos de retas que contornam o objeto identificado por meio da Transformada de Hough.
Artigo original: http://ojs.unirg.edu.br/index.php/1/article/view/2280
dataset original: https://github.com/mbasilyan/Stop-Sign-Detection
Diferente do artigo original usamos Python e OpenCV no lugar de Toolbox de Processamento de Imagens do Matlab, MATHWORKS (2017), no Matlab R2015. Evitamos fazer o algo parecido com o imfill para preencher o interior das placas e no lugar de verificar objetos com tamanho igual a 10% da imagem verificamos objetos com area de no minimo 1% da imagem.
Primeiro fizemos um rezise das imagens antes de fazer o processamento, em seguida aplicamos um blur na imagem original visando diminuir o ruido, fazendo a transformação para HSV buscando separar os pixels vermelhos da imagem, feito isso fazemos um contorno e aplicamos a transformada de Hough, para contar as retas que formam o formato da placa de pare dessa forma identificando o objeto.
| Tipo | Quantidade |
|---|---|
| Resultado Esperado | 59 |
| Resultado Com Glitch | 7 |
| Resultado Parcial | 2 |
| Falhas | 29 |
| Total | 97 |
Resultado esperado: Quando conseguimos exatamente a placa.
Resultado com glitch: Quando conseguimos a placa mas algo no contorno não saiu como esperado.
Resultado parcial: Quando existe mais de uma placa na imagem e nem todas são identificadas.
Falhas: Quando nenhum objeto é contornado e nenhuma placa é identificada.
Imagem acima é uma das imagens que o artigo original não conseguiu identificar por baixa saturação da imagem de entrada.
Tivemos dois tipos de glitch um que achamos a placa e ele acaba identificando as letras dentro dela como placas e o caso em que identificamos somente as letras como placas
