Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Dorini, Leyza Elmeri Baldo | - |
Autor(es): dc.contributor | Minetto, Rodrigo | - |
Autor(es): dc.contributor | Dorini, Leyza Elmeri Baldo | - |
Autor(es): dc.contributor | ., . | - |
Autor(es): dc.contributor | ., . | - |
Autor(es): dc.creator | Botta, André Luiz Constantino | - |
Data de aceite: dc.date.accessioned | 2022-02-21T22:15:55Z | - |
Data de disponibilização: dc.date.available | 2022-02-21T22:15:55Z | - |
Data de envio: dc.date.issued | 2020-11-10 | - |
Data de envio: dc.date.issued | 2020-11-10 | - |
Data de envio: dc.date.issued | 2015-06-08 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/8127 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/671318 | - |
Descrição: dc.description | The present study deals with the problem of Automatic Number Plate Recognition (ANPR), which involves the use of different techniques, including Optical Character Recognition (OCR) and machine learning, to perform the process of character recognition of a vehicle license plate in an image. As this process is done under real conditions, there are difficul ties with regard to various types of noise that may be present in the acquisition of images, such as irregular lighting, occlusion of characters due to some kind of object attached to the vehicle license plate and positioning of the characters, among others. Since the ap plied segmentation method has a direct influence in the attenuation of the negative effects of these noise, one of the objectives of this study is to evaluate which of these methods optimizes the performance of both the OCR developed and the Tesseract OCR engine module | a software considered to be the state of the art in this area. Lastly, using the precision and recall values as evaluation measures, we analyze which machine learning technique obtain the best results in character recognition and compare these results with Tesseract in order to verify the performance of the proposed approach | - |
Descrição: dc.description | Este trabalho trata do problema de Reconhecimento Automático de Placas de Veículos (do inglês, Automatic Number Plate Recognition - ANPR), o qual envolve o uso de diferentes técnicas, incluindo Reconhecimento Óptico de Caracteres (do inglês, Optical Character Recognition - OCR) e aprendizado de máquina, para realizar o processo de reconhecimento dos caracteres em uma placa de identificação de veículo a partir de uma imagem. Como este processo está sob condições reais, existem dificuldades no tocante aos diversos tipos de ruídos que podem estar presentes na aquisição das imagens, tais como iluminação não uniforme, oclusão de caracteres devido à algum tipo de objeto fixado à placa de identificação do veículo e posicionamento dos caracteres, entre outros. Dado que o método de segmentação aplicado tem influência direta na atenuação do efeito negativo destes ruídos, um dos objetivos deste trabalho foi determinar qual destes métodos otimiza o desempenho tanto do OCR desenvolvido quanto do módulo de OCR do mecanismo Tesseract um software considerado estado da arte nesta área. Por fim, utilizando a precisão e a revocação como métodos de avaliação, analisou-se qual técnica de aprendizado de máquina obtém os melhores resultados no reconhecimento de caracteres e comparou-se estes resultados com o Tesseract, a fim de verificar-se o desempenho da abordagem proposta. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Graduação em Engenharia de Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Sistemas de reconhecimento de padrões | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Processamento de imagens - Técnicas digitais | - |
Palavras-chave: dc.subject | Conjunto de caracteres (Processamento de dados) | - |
Palavras-chave: dc.subject | Pattern recognition systems | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Image processing - Digital techniques | - |
Palavras-chave: dc.subject | Character sets (Data processing) | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA DE TRANSPORTES | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS | - |
Título: dc.title | Análise Comparativa de métodos de segmentação e técnicas de aprendizado de máquina com aplicação no reconhecimento automático de placas de identificação de veículos | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: