Université Mohamed V Ecole Normale Supérieure de lEnseignement Technique Rabat [601288]

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
• ENCADRE PAR : Ø ACHTOUK Slimane Ø BENMOUSSA Rachid • SOUS LA DEMANDE DE : Ø M.JILBAB Année universitaire 2017/2018 2EME année Master GE Rapport Mini projet Reconnaissance d’immatriculation

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 1 Sommaire Introduction ………………………………………………………………….2 I. Etude du projet …………………………………………………….…… 3 1. Cahier de charge ………………………………………………….……….……3 2. Caractéristique et utilisation des caméras se Smartphone ……….…….….4 3. Les circuits FPGA …………………………………………………………….… 5 4. Les normes d’immatriculation marocaine ………………………………….…9 5. Base des images pour l’immatriculation marocaine ……………………….13 6. Les algorithmes d’extractions des caractères d’une image ………………….15 II. Simulation………………………………………………….……………16 1. La localisation de l’immatriculation d’une image ……………….………………………16 2. L’extraction de l’immatriculation ……………………………………………………………..23 3. La reconnaissance de caractères ………………………………………………………………24 Conclusion …………………………………………………………………..26 Annexe …………………………………………………………………….27

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 2 Introduction Les plaques d'immatriculation sont utilisées pour l'identification des véhicules dans toutes les nations. Les véhicules s'identifient manuellement ou automatiquement. L'identification automatique de véhicule est une technique de traitement d'image de véhicules d'identification par leurs plaques d'immatriculation. Les systèmes d'identification automatique des véhicules sont utilisés à des fins de contrôle de la circulation efficace et d'applications de sécurité telles que le contrôle d'accès aux zones réglementées et le suivi des véhicules recherchés. La reconnaissance de plaque d'immatriculation (NPR) est une méthode plus facile pour l'identification du véhicule. Le système NPR pour plaque d'immatriculation indienne est difficile par rapport à la plaque d'immatriculation étrangère car il n'y a pas de norme suivie pour le rapport d'aspect de la plaque d'immatriculation. La tâche d'identification est difficile en raison de la nature de la lumière. Expérimentation de la détection de plaque d'immatriculation a été menée depuis de nombreuses années, il est toujours une tâche difficile. Système de détection de plaque d'immatriculation examine une image d'entrée pour identifier certaines pièces locales contenant des plaques d'immatriculation. Puisqu'une plaque peut exister n'importe où dans une image avec différentes tailles, il est impossible de vérifier chaque pixel de l'image pour la localiser. Dans le stationnement, des plaques d'immatriculation sont utilisées pour calculer la durée du stationnement. Lorsqu'un véhicule entre dans une porte d'entrée, la plaque d'immatriculation est automatiquement reconnue et stockée dans la base de données. Dans le système NPR, l'approche d'analyse spectrale est utilisée pour l'acquisition de l'image, l'extraction de la région d'intérêt, la segmentation de caractères à l'aide de techniques d'extraction de caractéristiques SVM. L'avantage de cette approche est le succès de la reconnaissance complète d'un véhicule en mouvement. Il est difficile de détecter la limite de la plaque d'immatriculation à partir des images de voiture d'entrée en scène extérieure en raison de la couleur des caractères du plaque d'immatriculation et arrière-plan de la plaque numérique, les gradients de l'image originale est adoptée pour détecter les régions de la plaque d'immatriculation candidate. Il existe également des algorithmes basés sur une combinaison d'opération morphologique. Algorithme de localisation de plaque d'immatriculation se composent d'étapes comme la détection des bords, opération morphologique comme la dilatation et l'érosion, lissage, la segmentation des caractères et la reconnaissance des caractères de la plaque.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 3 I. Etude du projet 1. Cahier de charge : Une plaque d'immatriculation est une plaque portant une combinaison unique de chiffres ou de lettres (pour une zone géographique donnée), destinée à identifier facilement un véhicule terrestre (automobile, moto, véhicule agricole, etc.). Les plaques d’immatriculation marocaines sont composées d’une série de cinq chiffres allant de 1 à 99 999 qui correspond au numéro d’enregistrement de la voiture, une lettre de l’alphabet arabe est incrémentée au milieu de la plaque, des numéros qui vont de 1 à 88 permettent d’identifier la préfecture d’émission de la plaque. L’objectif est de reconnaitre ces plaques dans des images prises par des caméras analogues à celles utilisées dans les smartphones. Les traitements d’images doivent réaliser les étapes suivantes. • Localisation de l’immatriculation dans l’image. • Extraction de l’immatriculation. • Reconnaissance des caractères dans l’immatriculation.
Fig.1 : les étapes principales de la reconnaissance d’immatriculation.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 4 2. Caractéristique et utilisation des caméras se Smartphone : a) Caméra en tant que dispositif d'interaction Les caméras des smartphones sont utilisées comme périphériques d'entrée dans de nombreux projets de recherche et applications commerciales. Un exemple commercialement réussi est l'utilisation de codes QR attachés à des objets physiques. Les codes QR peuvent être détectés par le téléphone à l'aide de son appareil photo et fournir un lien vers le contenu numérique associé, généralement une URL. Une autre approche consiste à utiliser des images de caméra pour reconnaître des objets. L'analyse d'image basée sur le contenu est utilisée pour reconnaître des objets physiques tels que des affiches publicitaires pour fournir des informations sur l'objet. Les approches hybrides utilisent une combinaison de marqueurs visuels discrets et d'analyse d'images. Un exemple est d'estimer la pose du téléphone appareil photo pour créer une superposition en temps réel pour un globe en papier 3D. Certains téléphones intelligents peuvent fournir une superposition de réalité augmentée pour les objets 2D et pour reconnaître plusieurs objets sur le téléphone en utilisant un algorithme de reconnaissance d'objet réduit ainsi qu'en utilisant le GPS et la boussole. Quelques-uns peuvent traduire du texte d'une langue étrangère. Auto-géotagging peut montrer où une image est prise, favorisant les interactions et permettant à une photo d'être cartographiée avec d'autres pour la comparaison. Les smartphones peuvent utiliser leur caméra frontale (de moindre performance par rapport à la caméra arrière) face à l'utilisateur à des fins comme l'autoportrait (selfie) et la vidéoconférence. b) Caméra externe En 2003 (alors que les téléphones-appareils photo gagnaient en popularité), en Europe, certains téléphones sans caméras étaient compatibles avec les MMS et les caméras externes qui pouvaient être connectées à un petit câble ou directement au port de données à la base du téléphone. Les caméras externes étaient de qualité comparable à celles installées sur les téléphones photo à l'époque, offrant généralement une résolution VGA. En 2013-2014, Sony et d'autres fabricants ont annoncé des modules de caméra supplémentaires pour les téléphones intelligents, appelés caméras à objectif. Ils ont des capteurs et des objectifs plus grands que ceux d'un téléphone appareil photo, mais n'ont pas de viseur, d'écran et la plupart des contrôles. Ils peuvent être montés sur un téléphone ou une tablette Android ou iOS et utiliser son affichage et ses commandes. Les caméras de type objectif comprennent : • La série Sony SmartShot QX, annoncée et sortie mi-2013, inclut le DSC-QX100 / B, le grand Sony ILCE-QX1, et le petit Sony DSC-QX30. • La série de caméras intelligentes Kodak PixPro a été annoncée en 2014. • Vivicam série de caméras à objectifs intelligents de Vivitar / Sakar, a annoncé en 2014. • HTC RE HTC a également annoncé un module de caméra externe pour smartphones, capable de capturer des images fixes de 16 MP et des vidéos Full HD. Le module RE est également étanche à l'eau et à la poussière, de sorte qu'il peut être utilisé dans une variété de conditions. • Des caméras externes pour l'imagerie thermique sont également disponibles fin 2014.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 5 c) Caméra Presque tous les téléphones-appareils photo utilisent des capteurs d'image CMOS, en raison de la consommation d'énergie largement réduite par rapport aux caméras de type CCD, qui sont également utilisés, mais dans quelques appareils photo. Certains téléphones à caméra utilisent même un CMOS rétro éclairé plus coûteux qui consomme moins d'énergie que le CMOS, bien que plus coûteux que le CMOS et le CCD. Comme la technologie de l'appareil photo a progressé au fil des ans, la conception de l'objectif est passée d'un simple double triplet Gauss ou Cooke à de nombreux éléments de lentilles asphériques en plastique moulé fabriqués avec divers indices de dispersion et de réfraction. La dernière génération de caméras de téléphone applique également une distorsion (optique), un vignettage et diverses corrections d'aberration optique à l'image avant qu'elle ne soit compressée au format « .jpeg ». 3. Les circuits FPGA : Les FPGA (Field Programmable Gâte Arrays ou "réseaux logiques programmables") sont des composants VLSI entièrement reconfigurables ce qui permet de les reprogrammer à volonté afin d'accélérer notablement certaines phases de calculs. L'avantage de ce genre de circuit est sa grande souplesse qui permet de les réutiliser à volonté dans des algorithmes différents en un temps très court. Le progrès de ces technologies permet de faire des composants toujours plus rapides et à plus haute intégration, ce qui permet de programmer des applications importantes. Fig.2 : exemple de carte FPGA a) Architecture matérielle Les réseaux logiques programmables sont des circuits composés de nombreuses cellules logiques élémentaires librement assemblables. Celles-ci sont connectées de manière définitive ou réversible par programmation, afin de réaliser la ou les fonctions numériques voulues. L'intérêt est qu'une même puce peut être utilisée dans de nombreux systèmes électroniques différents. Certains modèles peuvent aussi comporter : de la mémoire d'usage général, des blocs « DSP » câblés, des boucles à verrouillage de phase pour la génération d'horloge. La plupart des grands FPGA modernes sont fondés sur des cellules SRAM aussi bien pour le routage du circuit que pour les blocs logiques à interconnecter. Un bloc logique est de manière générale constitué d'une table de correspondance (LUT ou Look-Up-Table) et d'une bascule (Flip-Flop en anglais). La LUT sert à implémenter des équations logiques ayant généralement 4 à 6 entrées et une sortie. Elle peut toutefois être considérée comme une petite mémoire, un multiplexeur ou un registre à décalage. Le registre permet de mémoriser un état (machine séquentielle) ou de synchroniser un signal (pipeline). Les blocs logiques, présents en grand nombre sur la puce (de quelques milliers à quelques millions en 2007) sont connectés entre eux par une matrice de routage configurable. Ceci permet la reconfiguration à volonté du composant, mais occupe une place importante sur le silicium et justifie le

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 6 coût élevé des composants FPGA. La topologie est dite « Manhattan », en référence aux rues à angle droit de ce quartier de New York. Les densités actuelles ne permettent plus un routage manuel, c'est donc un outil de placement-routage automatique qui fait correspondre le schéma logique voulu par le concepteur et les ressources matérielles de la puce. Comme les temps de propagation dépendent de la longueur des liaisons entre cellules logiques, et que les algorithmes d'optimisation des placeurs-routeurs ne sont pas déterministes, les performances (fréquence max.) obtenues dans un FPGA sont variables d'un design à l'autre. L'utilisation des ressources est par contre très bonne, et des taux d'occupation des blocs logiques supérieures à 90 % sont possibles. Comme la configuration (routage et LUT) est faite par des points mémoire volatils, il est nécessaire de sauvegarder le design du FPGA dans une mémoire non volatile externe, généralement une mémoire Flash série, compatible « JTAG ». Certains fabricants se distinguent toutefois par l'utilisation de cellules EEPROM pour la configuration, éliminant le recours à une mémoire externe, ou par une configuration par anti-fusibles (la programmation par une tension élevée fait « claquer » un diélectrique, créant un contact). Cette dernière technologie n'est toutefois pas reconfigurable. Il y a 4 principales catégories disponible commercialement : • Tableau symétrique. • En colonne. • Mers de portes. • Les PLD hiérarchique.
Les différentes classes de FPGA Voici la structure interne d'un FPGA de type matrice symétrique. Il s'agit de l'architecture que l'on retrouve dans les FPGA de la série XC4000 de chez Xilinx.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 7 Structure interne d'un FPGA L'utilisateur peut programmer la fonction réalisée par chaque cellule (appelée CLB par Xilinx : Configurable Logic Block):
Schéma bloc d'une cellule On programme aussi les interconnexions entre les cellules :
Les interconnexions entre les cellules d'un FPGA

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 8 Ainsi que les entrées et sorties du circuit. L'avantage des FPGA est de pouvoir être configuré sur place, sans envoi du circuit chez le fabricant, ce qui permet de les utiliser quelques minutes après leur conception. Les FPGA les plus récents sont configurables en une centaine de millisecondes. Les FPGA sont utilisés pour un développement rapide et bon marché des ASIC. Inventés par la société Xilinx, le FPGA, dans la famille des ASICs, se situe entre les réseaux logiques programmables et les prédiffusés. C'est donc un composant standard combinant la densité et les performances d'un prédiffusé avec la souplesse due à la reprogrammation des PLD. Cette configuration évite le passage chez le fondeur et tous les inconvénients qui en découlent. b) Application Les FPGA sont utilisés dans diverses applications nécessitant de l'électronique numérique (télécommunications, aéronautique, transports…). Ils sont également utilisés pour le prototypage d'ASIC. Les FPGA sont généralement plus lents, plus chers à l'unité et consomment davantage d'énergie que leur équivalent en ASIC (Application Specific Integrated Circuit). Cependant, ils ont plusieurs avantages : • Délai de mise sur le marché plus court, car ce sont des composants standards, • Temps de conception plus court, car on réutilise des fonctions de base dont la reconfiguration autorise une validation préalable moins stricte, • Coût inférieur pour de petites séries (moins de 10 000 unités). Avec l'évolution technologique, cette quantité tend à augmenter : en effet, le prix d'une puce est proportionnel à sa surface, qui diminue avec la finesse de gravure, tandis que les coûts initiaux pour fabriquer un ASIC (conception, tests, masques de gravure) sont en forte augmentation. Il est parfois possible de transformer directement un FPGA en une version ASIC plus rapide, moins chère et consommant moins (car les matrices de routage sont remplacées par une couche de métallisation fixe). Plusieurs FPGA modernes possèdent la possibilité d'être reconfigurés (on parle de configuration lorsqu'il s'agit de programmation du matériel) partiellement à la volée. Ceci permet d'obtenir des systèmes reconfigurables – par exemple une unité centrale dont les instructions changent dynamiquement en fonction des besoins. Les FPGA modernes sont assez vastes et contiennent suffisamment de mémoire pour être configurés pour héberger un cœur ou un DSP, afin d'exécuter un logiciel. On parle dans ce cas de processeur softcore, par opposition aux microprocesseurs hard-core enfouis dans le silicium. Aujourd'hui, les fabricants de FPGA intègrent même un ou plusieurs cœurs de processeur « hard-core » sur un même composant afin de conserver les ressources logiques configurables du composant. Ceci n'exclut pas l'utilisation de processeur softcore possédant de nombreux avantages. On tend donc vers des « Systems On Chip », comme pour le microcontrôleur il y a quelques décennies, avec en plus de la logique configurable selon l'utilisateur. La mémoire des tout derniers FPGA est encore insuffisante pour exécuter des logiciels embarqués un peu complexes et on doit avoir recours à des mémoires externe (ROM, RAM). Cependant, la loi de Moore n'est pas encore à bout de souffle et celles-ci devraient être intégrées dans quelques années et suffiront à une grande partie des applications embarquées.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 9 4. Les normes d’immatriculation marocaine : La plaque d’immatriculation marocaine est un dispositif permettant l’identification des véhicules enregistrés au Maroc. Donc chaque véhicule doit respecter les normes d’immatriculation. Différents modèles de plaques d'immatriculation a) Véhicule automobile : Fond blanc en matière réfléchissante avec des caractères en relief de couleur noir diamant. • Plaque avant et arrière sur une ligne : • Plaque arrière sur deux lignes :
b) Remorque d’un PTAC > 750 Kg : • Fond rouge avec des caractères de couleur blanche

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 10 c) Plaque d'immatriculation des véhicules de collection :
d) Modèles de plaques d'immatriculation dans les séries spéciales W18 et WW

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 11 e) Modèles de plaque d'un Véhicule immatriculé dans la série corps diplomatique :
f) Modèles de plaque d'un Véhicules appartenant aux coopérants exercice au Maroc :

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 12 g) Modèle de plaque d'immatriculation d'un véhicule automobile en circulation internationale :

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 13 5. Base des images pour l’immatriculation marocaine : Les algorithmes de détection de plaques d’immatriculation de véhicules sont testés sur une base de 8 images de natures différentes. Cet ensemble de données comprend des photos prises à des conditions d’éclairage différentes. Il est à noter que dans ces images il y a de nombreux types de véhicules, comme des véhicules poids lourd, les voitures de sport … Par ailleurs, la base de données comprend des plaques d’immatriculation dans des attitudes variées (les images ont été prises à partir de distances différentes) et contenu dans le fond complexe (aire de stationnement, côté route, la scène du trafic …). Aussi, les images sont acquises à partir des endroits différents pendant la journée. Quelques images extraites de cette base sont montrées ci-dessous.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 14
Fig.3 : quelques exemples de la base de données utilisés pour tester les méthodes proposées.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 15 6. Les algorithmes d’extractions des caractères d’une image : a) Image du véhicule capturé par la caméra L'image du véhicule dont la plaque d'immatriculation doit être identifiée est capturée à l'aide d'une caméra de smartphone de 5 mégapixels. b) Extraction de l'emplacement de la plaque d'immatriculation Dans cette étape, la plaque d'immatriculation est extraite en convertissant d'abord l'image RGB, c'est-à-dire l'image capturée en image en échelle de gris. Ici, la morphologie mathématique est utilisée pour détecter la région et l'opérateur Sobel est utilisé pour calculer la valeur de seuil. Après cela, nous obtenons une image dilatée. Ensuite, la fonction imfill est utilisée pour remplir les trous afin que nous obtenions une image binaire claire. c) Segmentation et reconnaissance du caractère de la plaque Ici la technique de la boîte englobante est utilisée pour la segmentation. La boîte englobante est utilisée pour mesurer les propriétés de la région d'image. L'étape fondamentale dans la reconnaissance de la plaque d'immatriculation du véhicule est de détecter la taille de la plaque. Ici, l'image segmentée est multipliée avec l'image de l'échelle de gris afin que nous obtenions seulement la plaque d'immatriculation du véhicule. d) Afficher le numéro du véhicule Après avoir subi les étapes ci-dessus, la plaque d'immatriculation est affichée dans la fenêtre MATLAB.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 16 II. Simulation 1. La localisation de l’immatriculation d’une image : L'ensemble du processus de mise en œuvre NPR utilisant MATLAB est donné ci-dessous : Ceci est la première phase traite de l'acquisition d'une image. Dans le système proposé, un smartphone de 5 mégapixels est utilisé. L'image d'entrée est 250 x 250 pixels.
Fig.4 : Image originale Les entrées du système étaient les images de véhicules capturés par une caméra. RVB à l'échelle de gris La conversion est adoptée, afin de faciliter l'extraction de la plaque, et augmenter la vitesse de traitement. L'image couleur (RVB) acquise par un appareil photo numérique est convertie en image en niveaux de gris en utilisant l’instruction Im = rgb2gray(I) ;

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 17
Fig.5 : Image de l'échelle de gris L'étape fondamentale dans la reconnaissance de la plaque d'immatriculation du véhicule est de détecter la taille de la plaque. En général, les plaques d'immatriculation sont de forme rectangulaire, d'où la nécessité de détecter les bords de la plaque rectangulaire. Morphologie mathématique est utilisée pour détecter la région d'intéresse et l'opérateur Sobel sont utilisés pour calculer la valeur de seuil, qui détectent la lumière élevée régions avec une amplitude de bord élevée et une variance de bord élevée.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 18 Fig.6 : Image de gradient binaire avec détecteur de bord sobel. Le masque de dégradé binaire présente des lignes de contraste élevé dans l'image. Ces lignes ne délimitent pas tout à fait le contour de l'objet d'intérêt. Par rapport à l'image originale, on observe des lacunes dans les lignes qui entourent l'objet dans le masque de dégradé. Ces écarts linéaires disparaissent si l'image Sobel est dilatée à l'aide d'éléments structurels linéaires. L'élément structurant est représenté sous forme de matrices, ce qui est une caractéristique de certaines structures et caractéristiques permettant de mesurer la forme d'une image qui est utilisée pour effectuer d'autres opérations de traitement d'image. Le masque de gradient binaire est dilaté à l'aide de l'élément structurant vertical suivi de l'élément structurant horizontal.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 19 Fig.7 : Image dilatée La boîte à outils MATLAB fournit une fonction imfill (BW, "trous") qui remplit les trous dans l'image binarisée. Le masque à gradient dilaté montre assez bien le contour de la cellule, mais il y a toujours des trous à l'intérieur de la cellule. L'ensemble des pixels d'arrière-plan est appelé trou qui n'a pas été supprimé en remplissant l'arrière-plan du bord de l'image. La figure 7 montre après le retrait de moins de 100 pixels connectés. Le masque à gradient dilaté montre assez bien le contour de la région, mais il y a toujours des trous à l'intérieur de la région, pour remplir ces trous, la fonction imfill de MATLAB est utilisée. En remplissant des trous l'image Du véhicule capturé est représenté sur la Fig.5

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 20 Fig.8 : Image binaire avec filled holes. La région d'intérêt a été segmentée avec succès, mais ce n'est pas le seul objet qui a été trouvé. Tous les objets connectés à la bordure de l'image peuvent être supprimés à l'aide de la fonction MATLAB imclearborder. La connectivité de la fonction a été réglée sur 26 pour supprimer les connexions diagonales et remplir le trou pour localiser la région de la plaque. Après avoir supprimé les composants de pixel inférieurs, la région de plaque réelle est détectée.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 21 Fig.9 : Image d'objet connecté supprimé Enfin, afin de donner un aspect naturel à l'objet segmenté, l'image est érodée deux fois avec l'un des éléments structurant diamant, disque et ligne. Cela aide à l'extraction de la plaque d'immatriculation du véhicule.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 22
Fig.10 : Extraction de la zone de la plaque d'immatriculation

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 23 2. L’extraction de l’immatriculation : Pour obtenir la seule zone de plaque d'immatriculation dans une image de véhicule avec des caractères et des nombres présents sur celle-ci, l'image segmentée est multipliée avec une image d'échelle de gris.
Fig.11 : Plaque d'immatriculation de l'image du véhicule

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 24 3. La reconnaissance de caractères : a) Segmentation des caractères : La segmentation est l'un des processus les plus importants dans la reconnaissance de plaque d'immatriculation, car toutes les étapes ultérieures en dépendent. Si la segmentation échoue, un personnage peut être incorrectement divisé en deux parties, ou deux caractères. La solution ultime à ce problème consiste à utiliser la technique de la boîte englobante « bounding box ». La boîte englobante est utilisée pour mesurer les propriétés de la région d'image. Une fois un cadre de délimitation créé sur chaque caractère et les numéros présentés sur la plaque d'immatriculation, chaque caractère et numéro est séparé pour la reconnaissance de la plaque d'immatriculation Le résultat de l'opération est représenté sur la Fig.9
Fig.12 : Plaque d'immatriculation avec cadre de délimitation b) Reconnaissance du caractère et affichage du résultat : Il est employé dans le but de convertir des images de texte en caractères. La reconnaissance de plaque d'immatriculation est maintenant utilisée pour comparer chaque caractère individuel à la base de données alphanumérique complète en utilisant la correspondance de modèle. Le processus de correspondance déplace l'image du modèle vers toutes les positions possibles dans une image source plus grande et calcule un index numérique qui indique dans quelle mesure le modèle correspond à l'image dans cette position. La correspondance est effectuée pixel par pixel. Si la taille du gabarit est fixe, cela conduit à une reconnaissance précise.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 25 Et voilà les résultats finals :

Fig.13 : résultats finaux.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 26 Conclusion En raison de la croissance continue de l’utilisation de l’audio-visuel, le type d’information disponible pour les utilisateurs est de plus en plus enrichi. Le texte enfoui dans les contenus multimédia (images et vidéos par exemple) est devenu l’un des moyens les plus courants pour passer des messages aux utilisateurs. Plusieurs algorithmes de détection de texte ont été proposés dans le passé. Toutefois, comme le type du contenu multimédia ne cesse de diversifier et de croitre de façon exponentielle, l’élaboration d’un détecteur de texte précis et efficace est devenue un sujet intéressant et une tâche difficile. Dans ce rapport nous avons proposés une méthode permettant de construire un système pour la détection de texte dans les images. L’objectif principal pour la construction d’un tel système était de répondre aux besoins basés sur le contenu indexation, l’analyse du contenu des images, la lecture des plaques de signalisation pour les personnes malvoyantes, la détection de texte dans les sous titrage des films, la détection des plaques d’immatriculation de véhicules, la détection automatique des panneaux pour l’aide à la circulation routière et bien d’autres. Nous sommes intéressés par la détection et la reconnaissance d’immatriculation de véhicules dans ce rapport. La méthode utilisée se base sur les tâches suivantes : la tâche de localisation et la tâche de l’extraction et la tâche de la reconnaissance des caractères d’immatriculation.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 27 Annexe Programme complets de l’extraction d’immatriculation.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 28 Programme complets de reconnaissance des caractères.

Université Mohamed V Ecole Normale Supérieure de l’Enseignement Technique Rabat
Page 29 REFERENCES • R. Radha1 and C.P. Sumathi2, “A Novel approach to extract text from license plate of vehicle”, Signal & Image Processing : An International Journal (SIPIJ) Vol.3, No.4, August 2012 . • Shen Zheng Wang & His-Jian Lee “Detection and Recognition of License Plate Characters with Different Appearances”, IEEE Intelligent Transportation Systems, Proceedings 2003 , vol.2 , Page(s): 979 – 984. • Humayun Karim Sulehria, Ye Zhang, Danish Irfan, Atif Karim Sulehria, “ Vehicle Number Plate Recognition Using Mathematical Morphology and Neural Networks”, WSEAS TRANSACTIONS on COMPUTERS, Volume 7, ISSN: 1109-2750, Issue 6, June 2008. Dr. P.K.Suri, Dr. Ekta Walia, Er. • Amit Verma,” Vehicle Number Plate Detection using Sobel Edge Detection Technique”, International Journal of Computer Science and Technology, ISSN : 2229 – 4333, IJCST Vol. 1, Issue 2, December 2010. • Kumar Parasuraman and P.Vasantha Kumar, “ An Efficient Method for Indian Vehicle License Plate Extraction and Character Segmentation”, IEEE International Conference on Computational Intelligence and Computing Research,2010. • Lekhana G.C, R.Srikantaswamy ,“Real time license plate recognition system”, International Journal of Advanced Technology & Engineering Research (IJATER), National Conference on Emerging Trends in Technology (NCETTech) ISSN, Volume 2, Issue 4, ISSN No: 2250-3536, July 2012.