LAPRANO, C. M. Sistema inteligente de reconhecimento automático de placas de veículos. 2007. 75 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2007. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2016-04-04T12:09:04Z
No. of bitstreams: 1
2007_dis_cmlaprano.pdf: 5504948 bytes, checksum: 83fe97f1ddb5648d3b42ae4a307a8540 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2016-04-05T18:34:28Z (GMT) No. of bitstreams: 1
2007_dis_cmlaprano.pdf: 5504948 bytes, checksum: 83fe97f1ddb5648d3b42ae4a307a8540 (MD5) / Made available in DSpace on 2016-04-05T18:34:28Z (GMT). No. of bitstreams: 1
2007_dis_cmlaprano.pdf: 5504948 bytes, checksum: 83fe97f1ddb5648d3b42ae4a307a8540 (MD5)
Previous issue date: 2007-10-06 / This dissertation deals with the localization of Brazilian license plates of private vehicles, and recognition of their characters. Images of moving cars, acquired by diverse analog systems of traffic law enforcement were used to test the algorithms. These images were digitalized by a scanner and finally formatted as JPG or JPEG (Joint Photographic Experts Group). The proposed system is classified as a vehicle license plate recognition system(VLPRS), whose purpose is the traffic law enforcement. The system is able to identify license plate numbers of drivers who jump red lights and exceed the speed limit. Several algorithms which constitute the overall system were evaluated and compared with the performance of similar ones from the literature. The main contributions of this work are: the localization plate algorithm, based on a neural network; the use of the Min/Max algorithm to post processing binary images, and the use of the method of rows and columns in the characters isolation step. To assess the system performance some tests were provided using the two proposed methods for plate localization which are based on the maximum correlation and a feedforward neural network. We concluded that the latter performed better than the former according to the simulation results obtained for the set of images used. / Esta dissertação trata da localização de placas de licenciamento brasileiras de veículos particulares. Imagens de carros em movimento, advindas de diversos sistemas analógicos de fiscalização de trânsito, foram usadas para testar os algoritmos. Estas imagens foram digitalizadas por um scanner e convertidas para o formato JPG ou JPEG (Joint Photographic Experts Group). O sistema proposto é classificado como sistema de reconhecimento de placa de licenciamento veicular (SRPLV), cujo propósito é a fiscalização de trânsito. O sistema é capaz de identificar a placa de veículos que avançaram sinais vermelhos ou excederam o limite de velocidade. Vários algoritmos, que constituem o sistema, foram analisados e comparados com o desempenho de algoritmos similares presentes na literatura. As principais contribuições deste trabalho são: o algoritmo de localização da placa, baseado em uma rede neural; a utilização do algoritmo Min/Max no pós-processamento das imagens binárias, e o uso do método das linhas e colunas na etapa de separação dos caracteres. Para avaliar o desempenho do sistema, testes foram realizados usando os dois métodos propostos para a localização, baseados na correlação máxima e em uma rede neural sem realimentação. Concluímos que o último apresentou resultados superiores ao primeiro, de acordo com os resultados obtidos para o conjunto de imagens utilizadas.
| Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.ufc.br:riufc/16062 |
| Date | 06 October 2007 |
| Creators | Laprano, Cassius Mazzo |
| Contributors | Medeiros, Fátima Nelsizeuma Sombra de |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFC, instname:Universidade Federal do Ceará, instacron:UFC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds