Anda di halaman 1dari 3

Universidade Federal de Minas Gerais

Escola de Engenharia
Colegiado de Graduação em Engenharia Elétrica
Av. Antônio Carlos, 6627, Campus Pampulha, 31270-010 - Belo Horizonte - MG
Telefone: (31) 3409-4845 Fax: (31) 3409-4844 E-mail: colgradee@cpdee.ufmg.br

CURSO DE GRADUAÇÃO EM ENGENHARIA ELÉTRICA


TRABALHO DE CONCLUSÃO DE CURSO
RELATÓRIO DE ATIVIDADES

Dados do(a) Aluno(a)


Nome: Esdras Vitor Silva Pinto Matrícula: 2013430862
E-mail: vitoresdras@hotmail.com

Dados do Trabalho de Conclusão de Curso


Título: Reconhecimento de placas de trânsito na plataforma Android para sistemas de assistência
avançada de condução.
Professor Orientador: Guilherme A. S. Pereira
Departamento: Departamento de Engenharia Elétrica

1 - Resumo da proposta apresentada:

O objetido deste trabalho de final de curso é detectar e reconhecer placas de trânsito de regularmentação
mais comuns nas vias brasileiras. Todo algoritmo de processamento é implementado na plataforma
android. Espera-se ser capaz de detectar e reconhecer placas de trânsito com confiabilidade acima de
90% e tempo de processamento por frame menor que 500ms. O cronograma de atividades se encontra
no final deste documento.

2 - Atividades desenvolvidas:

Como descrito no primeiro relatório de atividades, a etapa de localização de regiões de interesse, isto é,
regiões que potencialmente possuem uma placa de trânsito, foi concluída no mês anterior. Dando
sequência ao desenvolvimento do trabalho, no mês de outubro deu-se um foco na estruturação do banco
de dados utilizado na etapa de reconhecimento.

Na construção do banco de dados, o algoritmo SURF é aplicado sobre imagens genuínas de placas de
trânsito e suas características são extraídas. A figura 1 mostra as características obtidas (destacadas
pelos círculos verdes) para a placa proibido virar à esquerda.

Figura 1 – Características extraídas pelo SURF (indicada pelos círculos verdes)


Cada característica representada pelos círculos verdes na imagem acima, são descritos por um vetor de
números reais de 64 posições. A comparação entre características é feita calculando-se a distância
euclidiana entre elas. Por exemplo, se C1[64] e C2[64] representam duas características, a distância
entre elas é dado por

Se a distância D for menor que um limiar preestabelecido, as características podem ser consideradas
semelhantes.

Na etapa de reconhecimento ou classificação da placa de trânsito, as características extraídas das regiões


de interesse (candidatos a placas de trânsito) são comparadas com aquelas presentes no banco de dados.
É bastante comum que o banco de dados seja composto por muitas características. Portanto, a
comparação pelo método de força bruta, o qual compara cada característica do com todas as
características do banco de dados, é demasiadamente lenta e ineficiente.

Uma forma interessante de otimizar o processo de comparação de características é através da


estruturação do banco de dados em árvore. Neste trabalho, o algoritmo K-means é utilizado neste
processo de estruturação. De forma simplificada, o algoritmo K-means analisa todas características do
banco de dados e calcula dois pontos, também conhecidos como centróides, baseados nessas
características. Os centróides são utilizados como referência para dividir as características em dois
grupos. Para isto, calcula-se a distância de todas características do banco de dados em relação aos
centróides. Em seguida, as características são inseridas no grupo cuja distância ao centróide é menor.
A figura 2 ilustra a primeira divisão do banco de dados.

Figura 2 – Ilustração da primeira divisão do banco de dados.

A medida que o processo descrito acima é aplicado novamente nos subgrupos, obtém-se uma
estruturação em árvore do banco de dados.

Com o banco estruturado desta forma, a verificação de similaridade entre características é feita
inicialmente calculando-se a distância das característica do candidato aos centróides. O grupo cuja
distância da características ao centroid for menor, é escolhido. Em seguida, a caraterística é comparada
novamente com os centróides dos subgrupos do grupo escolhido. Quando for atingido o último nível da
árvore, a característica do candidato a placa de trânsito é comparada com todas características do grupo.

Percebe-se então que a estruturação do banco de dados reduz consideravelmente a complexidade do


algoritmo de reconhecimento, tornado a busca muito mais ágil e eficiente.

Toda implementação da estruturação do banco de dados utilizando K-means foi implementada no


android. Embora não fosse estritamente necessário, optou-se por sua implementação para permitir que o
próprio aplicativo android conte com um recurso de aprendizado, ou seja, a inserção de novas placas de
trânsito diretamente no smartphone.

3 - Análise crítica do desenvolvimento do trabalho:

A implementação do algoritmo de estruturação do banco de dados em árvore, demandou mais esforço


do que o previsto, o que eventualmente atrasou o desenvolvimento do trabalho em si.

4 - Conclusões:

Os algoritmos de detecção de áreas de interesse e de reconhecimento estão finalizados e funcionam


independentemente. Para obter um solução completa, a próxima etapa é integrar os dois algoritmos e
testar o sistema completo do ponto de vista de confiabilidade e desempenho.