Análise Comparativa de métodos de segmentação e técnicas de aprendizado de máquina com aplicação no reconhecimento automático de placas de identificação de veículos

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorDorini, Leyza Elmeri Baldo-
Autor(es): dc.contributorMinetto, Rodrigo-
Autor(es): dc.contributorDorini, Leyza Elmeri Baldo-
Autor(es): dc.contributor., .-
Autor(es): dc.contributor., .-
Autor(es): dc.creatorBotta, André Luiz Constantino-
Data de aceite: dc.date.accessioned2022-02-21T22:15:55Z-
Data de disponibilização: dc.date.available2022-02-21T22:15:55Z-
Data de envio: dc.date.issued2020-11-10-
Data de envio: dc.date.issued2020-11-10-
Data de envio: dc.date.issued2015-06-08-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/8127-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/671318-
Descrição: dc.descriptionThe 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.descriptionEste 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.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherGraduação em Engenharia de Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectSistemas de reconhecimento de padrões-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectProcessamento de imagens - Técnicas digitais-
Palavras-chave: dc.subjectConjunto de caracteres (Processamento de dados)-
Palavras-chave: dc.subjectPattern recognition systems-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectImage processing - Digital techniques-
Palavras-chave: dc.subjectCharacter sets (Data processing)-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA DE TRANSPORTES-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS-
Título: dc.titleAnálise 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.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.