Reconhecimento de placas veiculares em cenários complexos utilizando o método do subespaço
Carregando...
Data
Autores
Orientador(es)
Coorientador(es)
Santos, Eulanda Miranda dos
Membros da banca
Cruz, Carlos Augusto de Moraes
Araújo, Gabriel Matos
Araújo, Gabriel Matos
Pós-Graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal do Amazonas
Tipo
Direito de acesso
DOI
Resumo
Nesta dissertação, é proposto um sistema completo para a realização do processo de detecção e reconhecimento de placa de licenciamento veicular em imagens onde o processo de aquisição foi realizado com a câmera e o veículo em movimento, e que possui variações na iluminação e na resolução, além de cenários complexos. Como etapas de pré-processamento foram utilizados a conversão para a escala de cinza e o detector de objetos YOLO para realizar a detecção do carro. A primeira etapa da metodologia proposta foi a criação de bases de imagens, na qual foi utilizado o detector de objetos YOLO para detecção da placa e seis tipos de degradação para aumento de dados: ruído gaussiano, ruído de Poisson, ruído laplaciano, mudança
de escala, rotação e mudança de contraste. Em seguida a metodologia proposta consistiu na aplicação de duas técnicas para o reconhecimento de placas veiculares, na primeira técnica utiliza-se o método do subespaço mútuo, e no segundo método utiliza-se como baseline redes neurais convolucionais. Os resultados obtidos na abordagem utilizando o método do subespaço mútuo teve como melhor resultado a acurácia de 57% e tempo médio de predição de 0,33ms, enquanto que o resultado da abordagem baseada em redes neurais convolucionais obteve como melhor resultado a acurácia de 94% e tempo médio de predição de 200ms.
Abstract
In this dissertation, a complete system is proposed for carrying out the process of detection and recognition of vehicle license plate in images where the acquisition process was carried out with the camera and vehicle in motion, and which has variations in lighting and resolution, as well as complex scenarios. As pre-processing steps, conversion to gray scale and YOLO object detector were used to perform car detection. The first stage of the proposed methodology was the creation of image bases, in which the YOLO object detector was used to detect the license plate and six types of degradation for data augmentation: Gaussian noise, Poisson noise, laplacian noise, scale change, rotation and contrast change. Then the proposed methodology consisted of the application of two techniques for vehicle license plate recognition, in the first technique the mutual subspace method is used, and in the second method convolutional neural networks are used as baseline. The results obtained in the approach using the mutual subspace method had as the best result the accuracy of 57% and average prediction time of 0.33ms, while the result of the approach based on convolutional neural networks obtained as the best result the accuracy of 94% and average prediction time of 200ms.
Descrição
Palavras-chave
Termo controlado
Imagens digitais - Detecção; Inteligência artificial
Objetivos de Desenvolvimento Sustentável (ODS)
Citação
JESUS, Anderson Sousa de. Reconhecimento de placas veiculares em cenários complexos utilizando o método do subespaço. 2022. 70 f. Dissertação (Mestrado em Engenharia Elétrica, Universidade Federal do Amazonas, Manaus (AM), 2021.
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Direitos e licenciamento
Acesso Aberto