1 Mai 2007 Seminar Intelligente Systeme KFZ-Kennzeichenerkennung Alexander Nöhrer 0656294 Andreas...
-
Upload
koloman-schnetzer -
Category
Documents
-
view
105 -
download
0
Transcript of 1 Mai 2007 Seminar Intelligente Systeme KFZ-Kennzeichenerkennung Alexander Nöhrer 0656294 Andreas...
1
Mai 2007
Seminar Intelligente Systeme
KFZ-Kennzeichenerkennung
Alexander Nöhrer 0656294
Andreas Vida 0155987
2
Mai 2007
Seminar Intelligente Systeme
Agenda
• Motivation
• Anforderungen
• Ablauf in einem typischen Gesamtsystem
• Ausgewählte Teilschritte
• Vergleich vorhandener Systeme
3
Mai 2007
Seminar Intelligente Systeme
Motivation
• Automatisierte Mautabwicklung
• Section Control
• Parkanlagen
• Verkehrsflusskontrolle
• Überwachung
4
Mai 2007
Seminar Intelligente Systeme
Anforderungen an solche Systeme
Sie sollen• in Gebäuden und im Freien funktionieren• mit unterschiedlicher und ungleichmäßiger Beleuchtung
klarkommen• Invariant gegenüber Verzerrungen der Kennzeichen sein.• robust gegen Defekte oder andere Störungen sein• eine möglichst flexible Entfernung zwischen Kamera und Auto
erlauben • sollen mit alternativen Aufnahmetechniken (etwa IR) und bereits
gespeicherten Bildern funktionieren
5
Mai 2007
Seminar Intelligente Systeme
Allgemeine Vorgehensweise (I)
Vorverarbeitung
Lokalisierung desKennzeichens
Korrektur vonVerformungen
6
Mai 2007
Seminar Intelligente Systeme
Allgemeine Vorgehensweise (II)
Segmentierung derSchriftzeichen
Schriftzeichen-erkennung
Nachverarbeitung
P0 9015 AC
7
Mai 2007
Seminar Intelligente Systeme
Lokalisierung des Kennzeichens
Eigenschaften der Kennzeichenregion:
•Vorgegebene Farbe und Textur
•Hoher Kontrast
•Ausgeprägte vertikale Kanten
•Rechtecksform mit fixem Seitenverhältnis
Problem: → Jedes Land hat eigene Vorgaben
8
Mai 2007
Seminar Intelligente Systeme
Lokalisierung [Shapiro et al.2006]
a) Downsampling
b) Vertikale Kanten
c) Rangfilter
d) Vertikale Projektion
9
Mai 2007
Seminar Intelligente Systeme
Lokalisierung [Shapiro et al. 2006]
e) Neigungskorrektur über Radontransformation (oben)
f) Weitere Eingrenzung über horizontale Projektion (rechts)
10
Mai 2007
Seminar Intelligente Systeme
Lokalisierung [Mahini et al. 2006]1. Skaliere Bild (starte mit 100x100 Pixel)2. Finde Kandidatenregionen.
Verwende dabei morphologische Operatoren, Sobel uvm…
3. „Soft“-Thresholding4. Verifikation der Kandidatenregionen über deren
Features:Größe, mittlere Intensität, Form, Seitenverhältnis.Projektion der Region auf die Hauptachse (PCA) und Analyse des enstehenden Histogramms
5. Schild nicht gefunden? Weiter bei 1. mit nächstgrößerer Skalierung. Sonst Lokalisierung fertig.
11
Mai 2007
Seminar Intelligente Systeme
Grauwert-Morphologie I• Sei A ein mxn Bild und B ein jxk
Strukturelement• Erosion• Dilation
“Dilation dilates(erweitert) black regions”
[http://www.ph.tn.tudelft.nl]
12
Mai 2007
Seminar Intelligente Systeme
Grauwert-Morphologie II
• Aufbauend auf Erosion und Dilation kann man definieren:
• Close A B = (A B) B• Open A B = (A B) B• Bothat A B = (A B) - A• Tophat A B = A – (A B)
13
Mai 2007
Seminar Intelligente Systeme
Kennzeichenlokalisierung
• Ausgangsbild
14
Mai 2007
Seminar Intelligente Systeme
Kennzeichenlokalisierung1. Grauwertbild2. Bothat 2x83. Sobel (vertikal)4. Abs5. Histogrammstretch6. Histogramm-
logarithmierung7. Medianfilter 5x58. Faltung mit 3x30
Matrix (nur 1en)
15
Mai 2007
Seminar Intelligente Systeme
Kennzeichenlokalisierung
• Ausgangsbild:graue Regionenauf 1 gesetzt,Rest auf 0.Mahini verwendet R=G=B (?!)
16
Mai 2007
Seminar Intelligente Systeme
Kennzeichenlokalisierung
• Ausgangsbildnach Closuremit einem 3x3Strukturelement
17
Mai 2007
Seminar Intelligente Systeme
Kennzeichenlokalisierung
• Oben: Bild der letzten Folie mit Schwellwert 50
• Unten: Multiplikation der letzten 3 Bilder
18
Mai 2007
Seminar Intelligente Systeme
Kennzeichenlokalisierung• Oben: Bild der
letzten Folie mit nach Closure (Mahini verwendet hier Tophat !?)
• Unten: Binärkandidaten (Schwellwert)
19
Mai 2007
Seminar Intelligente Systeme
Kennzeichenlokalisierung• Zahlreiche andere Ansätze
– Template matching– Farbgrenzen (color collocation)– Gaborfilter + Vektorquantisierung– Farbbasiert mit SVM (support vector machine) +
CAM (continuously adaptive mean shift)– Lokal adaptive Schwellwertverfahren– Neuronale Netzwerke…
20
Mai 2007
Seminar Intelligente Systeme
Neigungskorrektur[Liu et al. 2005]
•2 Arten der Verdrehung
•optimaler Winkel hat die schmalste horizontale Projektion
•Wichtig: Bezugspunkte finden, die auf einer Linie liegen (verwende 8-Nachbarschaft)
21
Mai 2007
Seminar Intelligente Systeme
Segmentierung der Schriftzeichen
• Globaler Schwellwert, etwa [Otsu1979]
• Lokale Verfahren bringen Verbesserung
• → Lokal adaptiver Schwellwert [Lee et al. 2004 ]
22
Mai 2007
Seminar Intelligente Systeme
Leistungsvergleich: Lokalisierung
1-2s98%490/500Color-features-Yang
?96%624/650Adaptive-local-binarization-Lee
1,28s3,7%missrate 7,3% false-detection-rate
Color-Texture based-SVM-CAM-Kim
<400ms81,2% (0% false detection rate)
812/1000Multinational - Shapiro
0,7s96,9%107/110Modular Networks –Ji
3,12s98%294/300Gabor+VQ -Kahraman
300ms96,5%260/269Feature based - Mahino
23
Mai 2007
Seminar Intelligente Systeme
?