Autores
Hilario Seibel Junior, Anderson Rocha e Siome Goldenstein.
Descrição
Essa base de dados é uma coleção de 200 vídeos reais de trânsito, nos quais o movimento dos veículos está distante da câmera (uma placa de carro por vídeo). Todo o material coletado possui resolução de 1080p HD em 30fps e o modelo de placa registrado é o brasileiro. Como tínhamos uma boa resolução da placa de cada veículo no início dos vídeos, identificamos manualmente os elementos das placas e criamos um arquivo final para cada uma. Diferentemente do que podemos visualizar no início dos vídeos, os elementos alfanuméricos das placas nos últimos frames dos vídeos apresentam-se em menor qualidade, dificultando sua visualização e identificação. Os vídeos foram capturados em diferentes locais, com diferentes condições de iluminação, diferentes velocidades dos veículos, objetos não estáticos ao fundo, rotas não determinadas e presença de elementos como árvores e placas de trânsito que podem fazer sombra nas placas dos carros, dificultando sua visualização em alguns frames. Definimos as seguintes informações relativas às placas para auxiliar a identificação dos elementos nos frames finais de cada vídeo: (1) O primeiro frame no qual uma placa de carro específica aparece e passa a ser considerada em nosso algoritmo; (2) A caixa delimitadora de uma placa de carro específica no frame definido anteriormente [1] (quatro cantos ao redor dos elementos alfanuméricos a serem identificados); (3) A orientação do vídeo (“0” para posição de paisagem e “1” para retrato); (4) Cor (“0” se a cor da placa é mais clara do que o fundo e “1” para o caso contrário); (5) A posição de separação entre os números e letras dentro da região de interesse (para o modelo brasileiro). Essas informações também podem ser recriadas utilizando o passo de inicialização de nosso código fonte. A base de dados (incluindo vídeos, arquivos finais, informações sobre as placas e os arquivos OCR de treinamento.
Publicações relacionadas
H. Seibel, S. Goldenstein, and A. Rocha, “Eyes on the Target: Super-Resolution and License-Plate Recognition in Low-Quality Surveillance Videos,” in IEEE Access, vol. 5, pp. 20020-20035, 2017. [doi].
H. Seibel, S. Goldenstein, and A. Rocha, “Fast and Effective Geometric K-Nearest Neighbors Multi-frame Super-Resolution,”. In: 28th SIBGRAPI Conference on Graphics, Patterns and Images, Salvador, pp. 103-110, 2015. [doi].