Reconhecimento de placas veiculares em cenários complexos utilizando o método do subespaço

• Ano de defesa: 2021
• Autor(a) principal: Jesus, Anderson Sousa de
• Outros Autores: http://lattes.cnpq.br/9187703579809449
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Instituto de Ciências Exatas; Brasil; UFAM; Programa de Pós-graduação em Engenharia Elétrica
• Palavras-chave em Português: Imagens digitais - Detecção; Inteligência artificial; ENGENHARIAS: ENGENHARIA ELETRICA; Placas veiculares; Método do subespaço; Redes neurais convolucionais; Visão computacional
• Link de acesso: https://tede.ufam.edu.br/handle/tede/8664

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.