Reconhecimento de marca e modelo de veículos a partir de imagens

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPipa, Daniel Rodrigues-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5604517186200940-
Autor(es): dc.contributorBorba, Gustavo Benvenutti-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2591233508037006-
Autor(es): dc.contributorPipa, Daniel Rodrigues-
Autor(es): dc.contributorLazzaretti, André Eugênio-
Autor(es): dc.contributorRonque, Giselle Lopes Ferrari-
Autor(es): dc.creatorWille, Renan Barcik de Castro-
Data de aceite: dc.date.accessioned2022-02-21T21:39:05Z-
Data de disponibilização: dc.date.available2022-02-21T21:39:05Z-
Data de envio: dc.date.issued2019-07-17-
Data de envio: dc.date.issued2019-07-17-
Data de envio: dc.date.issued2019-02-22-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/4165-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/657443-
Descrição: dc.descriptionAutomatic vehicle make and model recognition can reduce costs for automated parking systems, as well as assist public entities such as the police in identifying and restraining vehicular tampering. This work aims to extract the make and model of vehicles through images. First, a study was done to list the viable characteristics of being obtained through image processing. Among them are the color, the vehicle license plate, the make and model of the vehicles. Then, it was decided to classify the vehicle make through its logo. To find it, it was used the following techniques: extraction of edges, binarization and morphology. After that, with a SVM classifier and a HOG descriptor the region containing the logo is categorized. Experimenting to improve the approach, we used the technique of locating the logo through sliding window also using SVM and HOG descriptor for classification. As the presented methods depend on local information and with the objective of improvement in relation to these methods, the finetunning of convolutional neural networks was studied. By using MobileNets and other architectures for the global classification of the image, it became possible with this method to extract not only the make but also the model of the vehicle. Finally, tests were performed on two Brazilian vehicle image datasets: The first one, called Pre-jcars-test, was used to measure the accuracy of vehicle make classification and compare the developed approaches. The best result was 79.67 % in top-1 by using convolutional neural networks. The second dataset, called Jcars-test, was used to measure the accuracy of the classification of vehicle make and model, and the best approach reached 96.89 % accuracy in the top-5, allowing to classify 354 models from 61 vehicle makes.-
Descrição: dc.descriptionO reconhecimento automático de marca e modelo de veículos pode reduzir custos para sistemas automatizados de estacionamento, bem como auxiliar entidades públicas, como a polícia, para identificar e coibir adulterações veiculares. Este trabalho tem como objetivo extrair a marca e modelo de veículos através de imagens. Primeiramente foi feito um estudo para listar as características viáveis de serem obtidas através do processamento de imagens. Dentre elas estão a cor, a placa de identificação veicular, a marca e modelo dos veículos. Em seguida, decidiu-se pela classificação da marca de veículos através de sua logomarca. Para encontrá-la, utiliza-se a extração de bordas, binarização e morfologia. Em seguida, a partir de um classificador SVM e um descritor HOG a região contendo a logomarca é categorizada. Experimentando-se melhorar a abordagem, usou-se a técnica de localização da logomarca através de deslizamento de janelas, também com SVM e descritor HOG para a classificação. Como os métodos apresentados dependem de informações locais e com o objetivo de melhora em relação a esses métodos, estudou-se o finetunning das redes convolucionais como as MobileNets, dentre outras arquiteturas para a classificação global da imagem, sendo possível, com esse método, extrair além da marca do veículo, também o seu modelo. Finalmente foram feitos testes em dois conjuntos de imagens de veículos brasileiros: O primeiro, chamado Pre-jcars-test, foi utilizado para medir a acurácia da classificação de marca dos veículos e comparar com as outras abordagens, o melhor resultado obtido foi 79,67 % em top-1 utilizando as redes neurais convolucionais. O segundo conjunto, chamado Jcars-test, foi utilizado para medir a acurácia da classificação de marca e modelo de veículos e a melhor abordagem atingiu 96,89 % de acurácia em top-5, permitindo-se classificar 354 modelos dentre 61 marcas de veículos.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Elétrica e Informática Industrial-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectVeículos - Identificação-
Palavras-chave: dc.subjectSistemas de comunicação móvel-
Palavras-chave: dc.subjectVeículos - Imagem-
Palavras-chave: dc.subjectProcessamento de imagens-
Palavras-chave: dc.subjectSistemas de reconhecimento de padrões-
Palavras-chave: dc.subjectAlgorítmos-
Palavras-chave: dc.subjectImagens digitais-
Palavras-chave: dc.subjectEngenharia elétrica-
Palavras-chave: dc.subjectVehicles - Identification-
Palavras-chave: dc.subjectMobile communication systems-
Palavras-chave: dc.subjectVehicles - Imaging-
Palavras-chave: dc.subjectImage processing-
Palavras-chave: dc.subjectPattern recognition systems-
Palavras-chave: dc.subjectAlgorithms-
Palavras-chave: dc.subjectDigital images-
Palavras-chave: dc.subjectElectric engineering-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)-
Palavras-chave: dc.subjectEngenharia Elétrica-
Título: dc.titleReconhecimento de marca e modelo de veículos a partir de imagens-
Título: dc.titleMake and model recognition from vehicle images-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.