You are on page 1of 27

Université Mohammed V

Ecole Normale Supérieure de l'Enseignement


Technique Rabat - Master GE

SYSTÈME DE RECONNAISSANCE AUTOMATIQUE


DES PLAQUES D’IMMATRICULATION MAROCAINE

Réalisé par : EL OUAARABI Mohamed Demandé par : M.A.JILBAB


DAHI Zouhir
INTRODUCTION

A l’origine, les plaques d’immatriculation ont été inventées et mises en usage réel pour les
chariots, mais pas pour les voitures.
Au Canada, la plaque d’immatriculation a d’abord été introduite en 1884 pour un chariot tiré par des
chevaux. La première règle de la plaque d’immatriculation du monde est appliquée en France le 14
Août 1983. Suite à cette règle, toutes les plaques d’immatriculation doivent être enregistrées avec
leurs propres noms, adresse et numéro d’enregistrement. la première plaque d’immatriculation
enregistrée dans le monde en 14 Avril 1899, Cette plaque est une pièce rectangulaire, dans laquelle
seul « 1 » a été écrit.

Les plaques d'immatriculation sont utilisées pour l'identification des véhicules dans toutes
les nations. la plaque d’immatriculation désigne une voiture d’une manière unique, et son image
représente une information importante pour identifier son propriétaire.
En effet, Les véhicules s'identifient manuellement ou automatiquement. L'identification automatique
de véhicule est une technique de traitement d'image permettant d'identifier les véhicules à l'aide de
leurs plaques d'immatriculation.
Les systèmes d’identification automatique des véhicules sont utilisés pour contrôler efficacement la
circulation et l’applications de sécurité telles que le contrôle d'accès aux zones restreintes et le suivi
des véhicules recherchés.

Ce que nous visons à travers notre mini projet est de faciliter la tâche, d'identification des
caractères du matricule en exploitant les avantages que peux offrir le traitement d’image.
Pour cela, nous avons développé un algorithme qui consiste à réaliser des prétraitements, la détection,
l’extraction et la reconnaissance automatique des caractères d'un véhicule en mouvement sur le
segment de la route.

2
SOMMAIRE

Introduction ................................................................................................................................. 2

Sommaire .................................................................................................................................... 3

CHAPITRE 1 : Etude de projet .................................................................................................. 4

1. Pricnipe de base........................................................................................................ 5
2. Acquisition (caméras)............................................................................................... 6
3. Norme d'immatriculation marocaine..................................................................... 8
4. Algorithme d'extraction ........................................................................................... 9

CHAPITRE 2 : Simulation sous Matlab ................................................................................. 10

1. Prétraitement.......................................................................................................... 12
2. Detection des véhicules......................................................................................... 15
3. Extraction de la plaque .......................................................................................... 17
4. Segmentation.......................................................................................................... 21
5. Roconnaissance ...................................................................................................... 22

Conclusion et Perspectives ..................................................................................................... 26

Webographie et Bibliographiques ......................................................................................... 27


ETUDE DE PROJET

Les systèmes de reconnaissance automatique de plaques d'immatriculation jouent un rôle


majeur dans un grand nombre d'applications relatives à la sécurité. Ils servent à identifier des véhicules
donnés avec rapidité et fiabilité, sans perturber le trafic. Les applications sont loin de se limiter à la
lutte contre la délinquance : les systèmes de reconnaissance des plaques d'immatriculation trouvent
leur place partout où l'accès est réservé à un type ou à une catégorie de véhicules.

Présentation de projet

Dans ce rapport, On a essayé de développer un système pour la détection et la reconnaissance


de l’identité d’un véhicule en mouvement ( via son numéro d’immatriculation ), qui fonctionne sur des
images de voitures prises sous différentes perspectives et de points de vue.

Le problème de l’identification de véhicule par un moyen automatique constitue un véritable


challenge et réunit un nombre important de difficultés. En effet, là où, pour l’œil et le cerveau humain,
les choses sont simples, par un moyen de vision artificielle couplée à de puissants moyens de calcul,
tout reste complexe.

Contexte

Le numéro d’immatriculation représente un moyen efficace pour identifier les véhicules. Il


s’agit d’une information unique pour chaque voiture.

Fréquemment, il est nécessaire d’identifier les plaques d’immatriculation des véhicules pour la
sécurité. Les informations extraites peuvent être utilisées pour plusieurs intérêts, comme le contrôle
d’accès et de flux, la surveillance des passages aux frontières et aux péages, la recherche de véhicules
suspects ou encore la lutte contre la criminalité, etc. Ceci rend leurs lectures cruciale et inévitable dans
tous ces domaines.

4
1. Principe de base :

Les systémes de Lecture Automatisée de Plaques d’Immatriculation, également appelés


lecture automatique de plaques minéralogiques couramment dénommée Automatic Number Plate
Recognition system (ANPR) est une méthode d'identification qui utilise des techniques de traitements
d'images et de vision par ordinateur pour lire les plaques d'immatriculation de véhicules.
On distingue deux parties importantes du système :

• d'une part, le capteur vidéo permettant l'acquisition des images et d'autres part, le matériel
informatique sur lequel fonctionnent les logiciels de traitement des images acquises.

• la partie logicielle du système s 'exécute selon le cas sur un matériel PC standard ou sur un
composant dédié, et peut parfois être liée à d'autres applications ou bases de données.

Figure 1.1 : Systeme de lecture de plaques

Le système de reconnaissance des plaques a une large gamme d’applications, à savoir :

• Contrôle automatisé de la vitesse


• Mesure des temps de parcours
• Contrôle aux péages
• Régulation d'accès
• Régulation de vitesse
• Détection de contre-sens
• Contrôle d'entrée / sortie des parkings
• Contrôle des voies spécialisées (bus, TC, taxis …)
• Observatoires du trafic (données statistiques)
• Détection Automatique d'Incidents (DAI)
• Détection Transport de Matières Dangereuses (TMD).

5
2. Acquisition (Caméras) :

La caméra est un système de prise d’images animées qui génère un signal vidéo noir et blanc
ou couleur. Elle capte la lumière pour la transformer en signal électrique. Elle se compose parfois d’un
capteur d’image et d’une électronique de traitement permettant de générer le signal vidéo.

Figure 1.2 : Mode de fonctionnement d'une caméra CCD

La lumière qui traverse un objectif est concentrée sur le capteur d’image de la caméra. Celui-
ci se compose de nombreux photosites, chaque photosite correspondant à un pixel sur le capteur
d’images. Chaque pixel enregistre la quantité de lumière à laquelle il est exposé et convertit celle-ci
dans un nombre correspondant d’électrons produits est important.

Dans les caméras, deux technologies sont utilisées pour le capteur d’images :
• CCD (Charge-Coupled Device, composant à couplage de charge)
• CMOS (Complementary Metal-Oxide Semiconductor, semiconducteur complémentaire à
oxyde métallique).

Figure 1.3 : Capteurs d'images CCD et CMOS

6
Les caméras utilisées pour l'acquisition des séquences d'images sont toutes matricielles.
Dans le domaine visible. Les CCD sont généralement préférées par le fait qu'ils ont une meilleure
sensibilité et permettent d'atteindre des définitions élevées. Ces cameras sont des caméras analogiques
dédiés à la capture de plaques d'immatriculation. elles sont généralement conçues pour réaliser une
capture fiable et détaillée d'une plaque d'immatriculation quelque soit les conditions d'éclairage.

Il existe différents types de caméras :

• Caméra CCD

• Caméra infrarouge

• Caméra CMOS

• Caméra discrète

• Caméra numérique (caméra IP)

a. Camera miniaturer

Une caméra cachée ou miniaturiser est une caméra placée de manière à pouvoir filmer des
individus à leur insu. Il peut y avoir plusieurs caméras braquées sur le sujet à piéger, filmant à différentes
distances et de différents points de vue, mais malgré cela, on parlera par métonymie d'une caméra
cachée au singulier.

b. Dissimulation de la camera

Une caméra est dite « cachée » soit parce qu'elle est invisible pour l'individu filmé ( par exemple:
trop lointaine, placée derrière un miroir sans tain ou des vitres fumées, etc.), soit parce qu'elle est
discrètement intégrée à un autre objet. Dans ce dernier cas, elles peuvent être dissimulées dans :

• des objets fixes : des objets de la vie courante, naturellement présents dans un intérieur, et
qui ne sont généralement pas déplacés (détecteurs de fumée ou de mouvement, réveille-
matin, etc.),

• des objets mobiles : des objets que l'on porte sur soi (lunettes, bijou, casquette, bouton, sac,
etc.) ; de tels systèmes nécessitent une grande miniaturisation, et ont donc un coût élevé, ce
qui les rend assez peu accessibles au grand public.

7
Plus récemment, des appareils photo et des caméras ont été intégrés en série dans les
téléphones mobiles, ce qui permet de prendre discrètement des images en faisant mine d'utiliser son
téléphone.

Pour des images filmées sur la voie publique, la technique la plus fréquente est de filmer à
travers les vitres arrière d'une camionnette, généralement à l'arrêt. Cette dernière est alors surnommée
familièrement « sous-marin » (ce qui donne l'apocope « soum »).

3. Norme d’immatriculation marocaine :

La plaque d'immatriculation Marocaine est un dispositif permettant l'identification des


véhicules enregistrés au Maroc.
La plaque peut être sous forme de rectangle ou carrée, selon la répartition des chiffres sur la plaque.
La plaque est composée de cinq chiffres (de 1 à 99 999) désignant le numéro d'enregistrement du
véhicule, d'une lettre de l'alphabet arabe au milieu incrémentée par rapport au numéro d'enregistrement
et de l'identifiant de la préfecture d'émission de la plaque (allant de 1 à 89).

Les plaques d'immatriculation au Maroc ont changé de style au début de l'année 2000. c'est
maintenant la troisième “génération” de plaques, le changement est dû à l'inadéquation et la saturation
de l'ancien système (####-##|#) du fait que le dernier chiffre regroupait toute une région (les plaques
étaient alors principalement différenciées selon les 8 régions que comptait le découpage).

Le nouveau système contient des lettres (arabes) et des chiffres. Les plaques sont maintenant
du style ##### | A | ##. Elles ont un fond blanc et les lettres sont en noir.
Quand les séries d'une lettre sont épuisées, on passe à la lettre suivante de l'alphabet arabe.
La troisième partie de la plaque est composée d'un nombre d'un ou deux chiffres qui symbolisent
cette fois non pas les régions du royaume, mais plutôt ses préfectures et provinces.

Les voitures vendues après le 1er janvier 2000 portent automatiquement les nouvelles
plaques. Il en est de même pour les voitures qui changent de main à partir de la même date, ainsi que
pour les véhicules qui souhaitent passer au nouveau système.

8
Différents modèles de plaques d'immatriculation :

Figure 1.4 : plaque sur une ligne et deux ligne

4. les algorithmes d'extraction :

Dans cette partie nous allons définir les méthodes et les approches existantes pour la détection
et la localisation de la plaque dans les images. Nous allons présenter les résumés et les principales
étapes de ces méthodes.

Nous avons classé les méthodes de la détection et la localisation de texte qui existent dans la
littérature en deux catégories : les méthodes basées sur la segmentation et regroupement spatial, et
les méthodes basées sur la texture et l’apprentissage des propriétés textuelles.

a. Approches par segmentation et regroupement spatial :

Ces méthodes se basent sur les caractéristiques de couleurs, les niveaux de gris des pixels
des régions, ou encore sur la différence du contraste avec le fond.

b. Approches basees sur la texture et l’apprentissage des propriétes textuelles :

Cette méthode est réalisée à plusieurs échelles. A chaque échelle, ils calculent la variation
d’énergie locale pour tout pixel. Cette variation est mesurée par une transformation d’ondelette et
seuillée par la suite. L’image binaire obtenue passe ensuite à la phase d’analyse des composantes
connexes. Ces composantes sont finalement raffinées par une projection profil. Un filtrage géométrique
est utilisé pour classifier les régions de texte ou non-texte. Par ailleurs, la méthode est limitée aux
textes horizontaux ou verticaux à cause de l’utilisation de projection profil dans l’étape d’analyse de
composantes connexes. Cette approche peut être capable de détecter des textes avec une variété
forte de taille.

9
SIMULATION SOUS MATLAB

Dans notre projet, nous nous intéressons à la reconnaissance et la lecture automatique de


plaques d’immatriculation à partir de captures d’images prises au haut des véhicules.

Voilà quelques images d’entrées de notre système.


Le système est basé sur le programme MATLAB et un appareil photo numérique à position
fixe, qui aide à capturer les images.

Figure 2.1 : Base des images d'entrées

10
Pour qu'on puisse identifier une plaque d'immatriculation on doit combiner plusieurs sous-
algorithmes dans un algorithme principal sous l'appellation d’immatriculation.

Figure 2.2 : les étapes de notre algorithme

script pour l'acquisition d'une image d'un répertoire ou à partir d’une séquence vidéo et son
envoi vers l'algorithme immatriculation.

Figure 2.3 : exemple script pour un image

Figure 2.4 : exemple script pour un video

11
Le sous-algorithme est écrit séparément du corps de l'algorithme principal et sera appelé.

La fiabilité et la précision du système dépendent de la complexité de chacune de ces algorithmes.

Figure 2.5 : Algorithme Principal

1. Prétraitement
le prétraitement consiste d’améliorer l’image soit la clarté, le contour, ou éliminer les
informations indésirables sur les images.

Figure 2.6.1 : Prétraitement

a. Images à niveaux de gris

Cet algorithme fonctionne sur l'image de niveau de gris, pour prétraiter et identifier l’information
requise. Dans cette étape, l'image colorée est convertie en l'image de l'échelle de gris.

Figure 2.6.2 : Image Origine Figure 2.6.3 : Image Gris

12
b. Binarisation ( Seuillage )

La binarisation est basée sur un seuillage brut. Cela signifie que si un pixel de l’image a une
intensité supérieure à une certaine valeur de seuil. Il lui sera attribué la couleur blanche sinon il sera
noir. Ce procédé est réalisé sur chaque pixel de l’image.
Nous obtenons donc une image comportant seulement deux niveaux (valeur 0 ou 1).

Figure 2.6.4 : Image Binaire

c. Normalisation

La normalisation d'histogramme, ou expansion de dynamique, est une transformation affine


du niveau de gris des pixels de telle sorte que l'image utilise toute la dynamique de représentation.

Figure 2.6.5 : Algorithme Normalisation

Si la dynamique est déja maximale, la transformation n'apporte aucun changement.


voilà un exemple d'application de la normalisation

Figure 2.6.6 : avant la normalisation Figure 2.6.7 : aprés la normalisation

13
d. Zone de detection

cacher une partie d'une image pour éliminer les informations indésirables, cette fonction
permet de préciser explicitement la zone graphique de détection que l'on souhaite tracer à partir de 4
points (L'interpolation linéaire entre les points).
À chaque fois on trace la droite passant par deux points à partir de son équation, Pour cela on peut
calculer son coefficient et de tracer cette droite. l’intersection de ces droites qui correspond aux quatre
coins de la zone (contour) qui a pour but de remplir par la fonction imfill.

Figure 2.6.8 : Algorithme Zone

voilà un exemple des resultats de simulation.

Figure 2.6.9 : Masque Figure 2.6.10 : Zone de recherche

14
2. Detection de véhicules

Une fois l’image acquise au bon format, il faut automatiquement extraire de l’image la partie
qui nous intéresse à savoir : le véhicule et sa plaque minéralogique.

Figure 2.7.1: Algorithme Detection

la fonction detection permet de retirer l’arrière-plan. Cela revient à cadrer la voiture tel que
présenté à la figure 2.13 le cadrage doit se faire de manière automatique. Pour ce faire, il est suggéré
d’utiliser les fonctions morphologie avec un filtrage par taille des objets.

En utilisant les fonctions définies précédemment, pour réaliser une fermeture sur l’image binarisée.

la commande « imclose » permet de boucher les trous ou les petites « encoches » sur les bords de
l'objet. pour remplir l'intérieur d'un objet dont le contour a été tracé, on utilise la commande « imfill ».

Figure 2.7.2 : deux objets détectés Figure 2.7.3 : Effet de masquage

a. Filtrage par taille

Figure 2.7.4 : Algorithme Filtrage

15
On élimine les composantes dont la surface est inférieure à un pourcentage par rapport la
surface totale d'image.
La commande bwareaopen, basée sur une analyse en composantes connexes, permet de supprimer
des régions de trop petites tailles dans une image binaire

Figure 2.7.5 : l'image avant et aprés le filtrage

b. Identification des objets

Algorithme qui permet de Compter le nombre des objets dans une image binaire et d'extraire
chaque objet avec plusieurs paramètres ( largeur, longueur, position, masque ... ).

la commande bwboundaries permet, à partir d’une image binaire, d’extraire la chaîne de points de
contours de chaque région présente dans une image par une opération de suivi de contours ainsi
qu’une image d’étiquettes . Ainsi les pixels d’une même région possède la même étiquette.
bwboundaries avec l'option noholes. Cela supprime les limites internes des objets.

Figure 2.7.6 : Algorithme Objet

16
Figure 2.7.7 : l'image d'entrée et son masque

les résultats de cet algorithme sont :

les paramétres
layer 1 layer 2

3. Extraction de la plaque

Une fois le véhicule repéré, il faut localiser la plaque d'immatriculation.

Dans cette Algorithme, l'image a été dilatée. La dilatation est un processus de remplissage de trous
dans une image, aiguiser les bords d'un objet, maximiser la luminosité et connecter les lignes brisées.
La dilatation peut supprimer le bruit indésirable de l'image.

Figure 2.8.1 : Effet de dilatation

Puis on procède à une fermeture horizontale pour fusionner ensemble les petites structures
très proches dans une région unique. La fermeture nécessite le paramètre de la demi-distance
horizontale maximale entre deux caractères.

17
Figure 2.8.2 : Algorithme Extraction

la fonction imclearborder est une fonction morphologique qui permet de supprimer des
régions qui sont au contact des bords de la plaque binaire.

Cette phase est généralement suivie d’un seuillage afin de ne garder que les composantes
les plus pertinentes. Il se peut que l’image contienne beaucoup de lignes horizontales, qui peuvent
influencer la bonne détection de la plaque, aussi pour les supprimer, on effectue une transformation
top hat de l’image, avec un objet structurant de forme ligne horizontale.

L’image est ensuite dilatée avec un rectangle pour faire joindre les caractères de la plaque en
un seul objet.

On remarque qu’il existe plusieurs régions plaques possibles. Pour choisir la plaque idéale, on
effectue une recherche de composantes connexes, afin d’identifier toutes les régions connexes et cela
par un algorithme de croissance de région. Chaque région connexe est ensuite étiquetée.

Pour choisir la plaque finale on applique l'algorithme rectangle pour localiser la plaque par
rapport les autres composantes.

18
a. Localiser le rectangle

La plaque a une forme rectangulaire. la suppression des fausses composantes se fait à partir
de la taille des régions.

L’algorithme qu’on propose sera appliqué sur tous les composantes détectés. Afin d’éliminer ces
composantes bruits, on va analyser chaque composante en utilisant certains critères. On élimine :

• Les composantes dont la surface est inférieure à 1000 pixels.

• Les composantes dont la longueur est supérieure à 6 fois de la largeur de l’image

• Les composantes dont la longueur est inférieure à 3 fois de la largeur de l’image

• Les composantes dont la densité en pixels blancs est inférieure à 80% de la surface d’un
rectangle.

Figure 2.8.3 : Algorithme Rectangle

la commande bwarea qui permet de calculer le nombre de pixels représentant la forme dans
une image binaire ( surface des objets dans une image binaire ).

cet algorithme permet de bien localiser la plaque. puisqu'une plaque est une région
rectangulaire horizontale.

19
Figure 2.8.4 : Localiser la palque

La plaque une fois détectée, subira un ensemble de traitements dans le but de supprimer le bruit
indésirable.
Figure 2.8.5 : Traitement de la plaque

20
b. Rotation de la plaque

Les caméras sont difficiles à être alignées avec le plan de la route, ce qui impacte l'alignement
des plaques et engendre des problèmes lors de la fusion.

La rotation corrige ce problème mais apporte-t-elle aussi une interpolation sur l’image.
L’interpolation se produit chaque fois qu'on tourne ou déforme une image.

Figure 2.8.6 : Algorithme Rotation

compensation de l'orientation par la projection verticale qui consiste à calculer les columns
blanc pour chaque angle de rotation de 10 jusqu'a -10, pour le but de bien lisibles et le plus
verticalement possible.

Figure 2.8.7 : plaque avant, aprés la rotation

4. Segmentation

La segmentation des caractères est une opération qui vise à décomposer une image en
séquences des sous-images de symboles individuels.

21
L’algorithme de segmentation est assez simple ; en effet les caractères sont en blanc et
l’arrière plan est en noir. Alors l'algorithme précèdent « objet » permet d'extraire chaque caractére.

Figure 2.9.1 : Algorithme Segmentation

Figure 2.9.2: Exemple de segmentation

5. Reconnaissance

C’est un ensemble de techniques informatiques qui réalisent une reconnaissance optique de


la forme des caractères, après captation d’image par procédé optique. le résultat est transmis sous
forme d’un texte.

L'algorithme de reconnaissance fonctionnent généralement en deux étapes :

• La première étape consiste à caractériser le type de chaque caractère (chiffre ou bien alphabet)

à partir de la distance entre ces caractères, Pour but d'éviter mauvaise identification entre les

chiffres et les alphabets ( exemple de chiffre « 1 » et caractère « alif » ).

• la deuxieme etape est la decision qui basé sur un modèle, l'image segmentée est comparée à

une image qui est stocké dans la base de données appelée image modèle.

22
Figure 2.10.1 : Algorithme Reconnaissance

a. Caractere

Le type des caractères dépend de la distance entre eux :

• Chiffre : si la distance entre deux caractères est inférieure à la distance moyenne entre tous
les caractères.

• Alphabet : si la distance entre deux caractères est supérieure à la distance moyenne entre
tous les caractères.

Figure 2.10.2 : Algorithme Caractere

23
alors l'algorithme « Caractere » permet de préparer au mieux la phase de reconnaissance
optique des caractères avent la fonction « Decision ».

Figure 2.10.3 : Exemple d'identifier le type

Chaque type correspondant à une valeur de 0 à 2 :

• 0 : chiffre

• 1 : alphabet

• 2 : Barre verticale (pipe)

En fait, le nombre des composantes connexes doit être supérieur à trois et inférieure à 10.
Parce qu’au Maroc contient au minimum trois caractères et au maximum huit caractères.

Pour quoi nous avons limité la borne supérieure à 10 ? parce que, comme il est montré sur
la Figure 4.2, il y a des fois des traits qui séparent la lettre d’alphabet arabe des chiffres de droite et
de gauche, et cette séparation qui est un « la barre verticle » a les mêmes caractéristiques que les
caractères en termes de texture vu qu’elle est écrite avec le même style et la même couleur que les
caractères de la plaque.

b. Décision

la méthode de reconnaissance basée sur un modèle est utilisée. Dans un algorithme


basé sur un modèle, l'image segmentée est comparée à une image qui est stocké dans la base de
données appelée image modèle. Dans les deux images, la similarité la mieux adaptée est comparé.
Cette similitude est assortie d'une corrélation de méthode statistique. L'image pour le coefficient de
corrélation pour l'image de modèle est le maximum de cette image.

24
Figure 2.10.4 : Algorithme Decision

La commande corr2 permet de réaliser une corrélation normalisée entre une image modèle
de base de données et une image à analyser afin de retrouver les objets ressemblant au modèle dans
l’image. et pour cela l'algorithme permet de réaliser l’opération de corrélation entre chaque modèle
des caractéres et l’image afin de sélectionner les maximum locaux de l’image de corrélation et de
reconstituer l'intégralité du numéro de la plaque.

Nous avons présenté un certain nombre de notions et de définitions concernant le domaine de


traitement d’image que nous avons utilisé pour réaliser notre travail.

Au cours de notre travail, on a été confrontés à la difficulté de trouver le seuil adéquat, lorsque les
conditions de luminosité varient, et lorsque des ombres et de la réflectance sur la plaque existent.

Certaines valeurs avec lesquelles on a travaillé comme pour les seuils ont été prises manuellement
suivant les résultats obtenus. Ce qui nous ouvre la porte pour d’autres améliorations.

25
CONCLUSION ET PERSPECTIVES

Ce mini projet est concrétisé par la mise en œuvre d’un Algorithme efficace de Reconnaissance
Automatique des Plaques d’Immatriculation Marocaines.

La réalisation de ce mini projet nous a apporté deux choses principales, Tout d’abord sur le
point technique, elle nous a permis de mieux comprendre et maitriser le logiciel MATLAB et de l’exploiter
dans le traitement d’image. Elle nous a permis également sur le point personnel de développer notre
esprit d’équipe, renforcé notre savoir-faire en nous forçant à chercher et trouver les informations
nécessaires surtout pour les notions du traitement d’image qu’on n’a jamais vu durant notre formation
et qu’on vient de découvrir pour la première fois à travers ce module.

Au cours de notre travail, on a été confrontés à la difficulté de convertir notre Algorithme en


langage VHDL afin de le réaliser réellement sur la carte FPGA.

On peut citer comme perspectives de notre mini projet, d'autres technologies peuvent être
utilisées pour l'identification des véhicules, comme par exemple la RFID.
Cette technologie est aujourd'hui utilisée dans de nombreuses applications. Les véhicules pourraient
ainsi être équipés de systèmes RFID mémorisant des informations élémentaires (marque du véhicule,
type, immatriculation...) puis être lus par des unités bord de voie.

Dans une autre perspective, le déploiement des systèmes coopératifs va permettre d'échanger
des informations entre le véhicules et l'infrastructure au moyen de systèmes embarqués et des unités
en bord de voie reliées au centre de gestion du trafic.

Finalement, on ne peut pas conclure sans présenter notre sincère reconnaissance et gratitude
à notre honorable professeur M. JILBAB pour le temps qu’il nous a accordé en répondant toute nos
interrogations, son encadrement, sa patience, ses conseils précieux.

26
WEBOGRAPHIE ET BIBLIOGRAPHIQUES

[1] http://ekladata.com/HJbm9lqq_xO8Aya0nOXOz65tQVQ.pdf

[2] https://w1.siemens.ch/buildingtechnologies/ch/fr/messen-events/3Messen/Documents/07_ext_
online_Kataschuere_Vid%C3%A9osurveillance_fr.pdf

[3] http://fr.wikipedia.org/w/index.php?title=Plaque_d%27immatriculation_
marocaine&oldid=90698838

[4] http://sen.arbezcarme.free.fr/_techno/2.24-ASI-Les-differents-materiels-videosurveillance/
videosurveillance.pdf

27