Submitted by Cássia Santos (cassia.bcufg@gmail.com) on 2016-12-16T11:16:34Z No. of bitstreams: 2 Dissertação - Allan Kardec Lopes - 2016.pdf: 3329186 bytes, checksum: 643e80a250306bf9b1899cc724206ff5 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Jaqueline Silva (jtas29@gmail.com) on 2016-12-16T16:49:55Z (GMT) No. of bitstreams: 2 Dissertação - Allan Kardec Lopes - 2016.pdf: 3329186 bytes, checksum: 643e80a250306bf9b1899cc724206ff5 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-12-16T16:49:55Z (GMT). No. of bitstreams: 2 Dissertação - Allan Kardec Lopes - 2016.pdf: 3329186 bytes, checksum: 643e80a250306bf9b1899cc724206ff5 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-11-23 / Fundação de Amparo à Pesquisa do Estado de Goiás - FAPEG / Urban environments, such as streets, roads and buildings, always require management and maintenance to better use. In this sense, computational tools to assist their managers are always desirable. Furthermore, these tools generally decrease spending in order to automate several tasks. This research presents an approach to recognition of pole utility in streets mapped by images from Google Street View. Features such as color, texture and shape were examined in order to find the best set of information that represents the objects of interest. The recognition was performed by a neural network type Multilayer Perceptron trained with the Levenberg-Marquardt algorithm. The results show a higher accuracy in recognition when used in combination, mode RGB and texture properties as features to represent the structures present in the images. / Ambientes urbanos, tais como ruas, estradas e construções, sempre demandam gerenciamento e manutenção para que sejam melhor utilizados. Nesse sentido, ferramentas computacionais que auxiliem seus gestores são sempre desejáveis. Por outro lado, tais ferramentas geralmente diminuem os gastos tendo em vista que automatizam várias tarefas. Esta pesquisa apresenta uma abordagem para o reconhecimento de postes da rede elétrica em imagens de ruas mapeadas pelo Google Street View. Características como cor, textura e forma foram pesquisadas com o objetivo de se encontrar o melhor conjunto de informações que represente os objetos de interesse. O reconhecimento foi realizado por uma rede neural do tipo Multilayer Perceptron treinada com o algoritmo Levenberg-Marquardt. Os resultados obtidos demonstram uma acurácia superior no reconhecimento quando se utiliza, de forma combinada, a moda RGB e propriedades de textura como características para representar as estruturas presentes nas imagens