Lecture automatisée de plaques d'immatriculation

Résumé

La lecture automatisée de plaques d’immatriculation (LAPI), ou lecture automatique de plaques minéralogiques, est une technologie destinée à identifier les plaques d'immatriculation de véhicules au moyen de la reconnaissance optique de caractères. En 2005, des systèmes peuvent lire environ une plaque minéralogique par seconde sur des voitures roulant jusqu'à . Ils peuvent utiliser un circuit vidéo fermé existant ou des caméras chargées de faire appliquer la loi dites, en langue anglaise road-rule enforcement cameras, ou encore des équipements spécifiques à la mission. Ils sont installés par diverses forces de police et sont également mis en place dans le cadre du paiement électronique sur des routes à péage. La lecture automatique de plaques minéralogiques peut être utilisée aussi bien pour ficher les images capturées par les caméras que le texte de la plaque d'immatriculation, avec la possibilité de stocker une photographie du conducteur. Ces systèmes recourent largement au rayonnement infrarouge pour permettre à la caméra de photographier à toute heure du jour. Ils tendent aussi à être nationaux, à cause des différences de plaques entre les pays. La partie logicielle du système tourne sur un matériel PC standard et peut être liée à d'autres applications ou bases de données. Elle commence par utiliser une série de techniques de manipulation d'image pour détecter, normaliser et agrandir l'image de la plaque d'immatriculation, et enfin la reconnaissance optique de caractères pour extraire les caractères alphanumériques de la plaque. Typiquement, des PC sont rassemblés en batterie dans une ferme de serveurs (server farm) pour traiter les grandes charges de travail, comme celle du projet du péage urbain de Londres. Des médias ont rapporté des cas de mauvaise identification, et de forts taux d'erreur ont suscité des inquiétudes sur le respect de la vie privée. Les techniques s'étant améliorées, les systèmes sont devenus beaucoup plus précis et fiables.

Source officielle

https://fr.wikipedia.org/wiki/Lecture_automatisée_de_plaques_d'immatriculation

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (2)

Automatic processing of multiparty interactions is a research domain with important applications in content browsing, summarization and information retrieval. In recent years, several works have been devoted to find regular patterns which speakers exhibit in a multiparty interaction also known as social roles. Most of the research in literature has generally focused on recognition of scenario specific formal roles. More recently, role coding schemes based on informal social roles have been proposed in literature, defining roles based on the behavior speakers have in the functioning of a small group interaction. Informal social roles represent a flexible classification scheme that can generalize across different scenarios of multiparty interaction. In this thesis, we focus on automatic recognition of informal social roles and exploit the influence of informal social roles on speaker behavior for structuring multiparty interactions. To model speaker behavior, we systematically explore various verbal and non verbal cues extracted from turn taking patterns, vocal expression and linguistic style. The influence of social roles on the behavior cues exhibited by a speaker is modeled using a discriminative approach based on conditional random fields. Experiments performed on several hours of meeting data reveal that classification using conditional random fields improves the role recognition performance. We demonstrate the effectiveness of our approach by evaluating it on previously unseen scenarios of multiparty interaction. Furthermore, we also consider whether formal roles and informal roles can be automatically predicted by the same verbal and nonverbal features. We exploit the influence of social roles on turn taking patterns to improve speaker diarization under distant microphone condition. Our work extends the Hidden Markov model (HMM)- Gaussian mixture model (GMM) speaker diarization system, and is based on jointly estimating both the speaker segmentation and social roles in an audio recording. We modify the minimum duration constraint in HMM-GMM diarization system by using role information to model the expected duration of speaker's turn. We also use social role n-grams as prior information to model speaker interaction patterns. Finally, we demonstrate the application of social roles for the problem of topic segmentation in meetings. We exploit our findings that social roles can dynamically change in conversations and use this information to predict topic changes in meetings. We also present an unsupervised method for topic segmentation which combines social roles and lexical cohesion. Experimental results show that social roles improve performance of both speaker diarization and topic segmentation.

EPFL2015

Social Network Analysis for Automatic Role Recognition

Sarah Favre

The computing community has shown a significant interest for the analysis of social interactions in the last decade. Different aspects of social interactions have been studied such as dominance, emotions, conflicts, etc. However, the recognition of roles has been neglected whereas these are a key aspect of social interactions. In fact, sociologists have shown not only that people play roles each time they interact, but also that roles shape behavior and expectations of interacting participants. The aim of this thesis is to fill this gap by investigating the problem of automatic role recognition in a wide range of interaction settings, including production environments, e.g. news and talk-shows, and spontaneous exchanges, e.g. meetings. The proposed role recognition approach includes two main steps. The first step aims at representing the individuals involved in an interaction with feature vectors accounting for their relationships with others. This step includes three main stages, namely segmentation of audio into turns (i.e. time intervals during which only one person talks), conversion of the sequence of turns into a social network, and use of the social network as a tool to extract features for each person. The second step uses machine learning methods to map the feature vectors into roles. The experiments have been carried out over roughly 90 hours of material. This is not only one of the largest databases ever used in literature on role recognition, but also the only one, to the best of our knowledge, including different interaction settings. In the experiments, the accuracy of the percentage of data correctly labeled in terms of roles is roughly 80% in production environments and 70% in spontaneous exchanges (lexical features have been added in the latter case). The importance of roles has been assessed in an application scenario as well. In particular, the thesis shows that roles help to segment talk-shows into stories, i.e. time intervals during which a single topic is discussed, with satisfactory performance. The main contributions of this thesis are as follows: To the best of our knowledge, this is the first work where social network analysis is applied to automatic analysis of conversation recordings. This thesis provides the first quantitative measure of how much roles constrain conversations, and a large corpus of recordings annotated in terms of roles. The results of this work have been published in one journal paper, and in five conference articles.

EPFL2011

Personnes associées (5)

Unités associées (1)

Concepts associés (11)

Une caméra de surveillance routière est un système de contrôle vidéo de la circulation routière. Elle peut être de deux types : pour détecter une infraction routière ; pour détecter un incident ou un accident sur le réseau routier. Parmi les dispositifs les plus courants : caméras de surveillance en réseau, telles qu'il en existe dans les grandes agglomérations où les images sont centralisées vers un PC comme la préfecture de Police pour Paris.

200px|vignette|Le symbole utilisé en France En France, le système de péage électronique facilite les entrées-sorties des conducteurs sur les routes payantes. En Europe, le Service européen de télépéage (SET) est un dispositif visant à rendre interopérables différents systèmes de péage de pays européens, en leur donnant un cadre législatif et juridique. La directive prévoit que le SET permet le DSRC, le contrôle en temps réel, et la géolocalisation le cas échéant.

Afficher plus

Séances de cours associées (3)

Social Network Analysis for Automatic Role Recognition

Sarah Favre

EPFL2011

EPFL2015