ALPRS - A New Approach for License Plate Recognition Using the SIFT Algorithm

Silva, Francisco Assis da; Artero, Almir Olivette; Paiva, Maria Stela Veludo de; Barbosa, Ricardo Luís

doi:10.5121/sipij.2013.4102

Cited by 15 publications

(13 citation statements)

References 45 publications

(57 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…O método apresentado por Gou et al (2016) fundamentase na utilização de operações morfológicas e CCA. Por fim, da Silva et al (2013) expõe uma metodologia onde utilizase o descritor SIFT (Lowe, 2004) como ferramenta para localizar a placa.…”

Section: Introductionunclassified

Sistema automático para reconhecimento de placas veiculares: comparação entre SVM-HOG e Deep learning

Salazar

Barbosa

Stemmer

et al. 2019

Anais Do 14º Simpósio Brasileiro De Automação Inteligente

View full text Add to dashboard Cite

In the present work, we present an approach for automatic detection and recognition of vehicular plates considering factors such as: changes of illumination in the images, low contrast, noise, and different acquisition perspectives. For plate detection, a filter based on mathematical morphological operations is applied, followed by a combination of morphologicalgeometric operations and two classification approaches based on SVM-HOG and the CNN Inception ResNet v2 architecture. Then, the characters are segmented by a quality rating algorithm for the plates. Finally, the same classification approaches are used to recognize the characters. A database with images acquired on a street in the city of São Paulo was used, obtaining an overall system accuracy of 97%. Thus, its feasibility to be implemented in different intelligent transport systems applications. Resumo: No presente trabalhoé apresentada uma proposta para a detecção e reconhecimento automático de placas veiculares considerando fatores como: mudanças de iluminação nas imagens, baixo contraste, ruido e diferentes perspectivas de aquisição. Para a detecção da placa,é aplicado um filtro baseado em operações morfológicas matemáticas, seguido de uma combinação de operações morfológicas-geométricas e duas abordagens de classificação baseadas em SVM-HOG e a arquitetura CNN Inception ResNet v2. Depois, segmenta-se os caracteres através de um algoritmo de classificaçao de qualidade das placas. Por ultimo, são utilizadas as mesmas abordagens de classificação para reconhecer os caracteres. Foi usado um banco de dados com imagens adquiridas em uma rua da cidade de São Paulo, Obtendo uma acurácia global do sistema de 97%. Mostrando assim, sua viabilidade para ser implementado em diferentes aplicações de sistemas inteligentes de transporte.

show abstract

Section: Introductionunclassified

Sistema automático para reconhecimento de placas veiculares: comparação entre SVM-HOG e Deep learning

Salazar

Barbosa

Stemmer

et al. 2019

Anais Do 14º Simpósio Brasileiro De Automação Inteligente

View full text Add to dashboard Cite

show abstract

“…Para segmentação dos dígitos, foi utilizada uma combinação de limiarização [11], projeção vertical e horizontal [12], detecção de contornos [13], e combinações de morfologia matemática. Finalmente, para a classificação dos dígitos das placas, foi utilizada a técnica proposta por Silva et al [14] [15], em que são analisadas as transições entre os pixels da imagem de um dígito segmentado, criando regras sobre essas transições, que utiliza regras criadas para classificar dígitos na imagem. A classe de dígitos com menos regras violadas é escolhida.…”

Section: Introductionunclassified

A New Method for Automatic Vehicle License Plate Detection

Corneto

Silva

Pereira

et al. 2017

IEEE Latin Am. Trans.

View full text Add to dashboard Cite

1-License plate recognition has been widely studied, and the advance in image capture technology helps enhance or create new methods to achieve this objective. In this work is presented a method for real time detection and segmentation of car license plates based on image analyzing and processing techniques. The results show that the computational cost and accuracy rate considering the proposed approach are acceptable to real time applications, with an execution time under 1 second. The proposed method was validated using two datasets (A and B). It was obtained over 92% detection success for dataset A, 88% in digit segmentation for datasets A and B, and 95% digits classification accuracy rate for dataset B.

show abstract

“…License plate detection is widely employed in parking organisation systems, traffic control administration, and vehicle tracking. Owing to its importance, several algorithms have been created for the detection of license plates [1][2][3][4][5][6][7]. License plate recognition consists of two main mechanisms: license plate detection (LPD) and the subsequent license plate identification (LPI).…”

Section: Introductionmentioning

confidence: 99%