Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/5599
Título: Identificação de placas de veículos utilizando reconhecimento de caracteres ópticos.
Autor(es): Fernandes, Matheus Henrique
Orientador(es): Leite, Sarah Negreiros de Carvalho
Membros da banca: Assis, Gilda Aparecida de
Yared, Glauco Ferreira Gazel
Leite, Sarah Negreiros de Carvalho
Palavras-chave: Imagens digitais
Processamento de imagens - técnicas digitais
Imagens ópticas
Veículos - placas - identificação
Data do documento: 2023
Referência: FERNANDES, Matheus Henrique. Identificação de placas de veículos utilizando reconhecimento de caracteres ópticos. 2023. 64 f. Monografia (Graduação em Engenharia Elétrica) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2023.
Resumo: Atualmente o controle de tráfego é importante tanto em vias públicas como privadas. A identificação de placas veiculares é necessária para implementar várias aplicações, como controle de entrada e saída de veículos da cidade ou do país, monitoramento de estacionamentos e praças de pedágio, fiscalização de velocidade e passagem em semáforos. Essa identificação pode ser feita por meio do reconhecimento ótico de caracteres, convertendo os dados da placa veicular de uma foto para o formato de texto. Existem diversas técnicas para tratar a imagem e identificar os caracteres das placas de automóveis, como a aplicação de filtros de cor, redimensionamento, suavização e detecção de contornos. Este estudo avaliou dois protocolos experimentais com diferentes combinações de técnicas de tratamento de imagem considerando duas bases de dados distintas com fotos de placas de veículos. A base de dados 1 é de domínio público e contém 201 fotos, enquanto que a base de dados 2 é fruto deste trabalho e contém 105 imagens. Aplicando somente o filtro de cor em escala de cinza, que é o procedimento típico, a acurácia alcançada nas bases de dados 1 e 2 foi de 13,43% e 6,67%, respectivamente. Entretanto, aplicando o protocolo experimental proposto neste estudo foi possível atingir uma acurácia de 28,86% e 33,33% para as bases de dados 1 e 2, respectivamente. Apesar da melhoria substancial na taxa de acerto, quando comparado à metodologia clássica de reconhecimento de caracteres óticos, o desempenho é ainda insatisfatório para aplicações comerciais
Resumo em outra língua: Nowadays, traffic control is important in both public and private roadways. The identification of vehicle license plates is necessary for implementing various applications, such as controlling vehicle entrance and exit from cities or countries, monitoring parking lots and toll plazas, and enforcing speed limits and red light violations. This identification can be done through optical character recognition, converting the data from a photo of the license plate to text format. There are various techniques for processing the image and identifying the characters on car license plates, such as applying color filters, resizing, smoothing, and contour detection. This study evaluated two experimental protocols with different combinations of image processing techniques, considering two distinct databases with photos of vehicle license plates. The first database is publicly available and contains 201 images, while the second database was created for this study and contains 105 images. Applying only the grayscale filter, which is the typical procedure, the accuracy achieved in databases 1 and 2 was 13,43% and 6,67%, respectively. However, applying the experimental protocol proposed in this study, an accuracy of 28,86% and 33,33% was achieved for databases 1 and 2, respectively. Despite the substantial improvement compared to the classical methodology of optical character recognition, the performance is still unsatisfactory for commercial applications.
URI: http://www.monografias.ufop.br/handle/35400000/5599
Aparece nas coleções:Engenharia Elétrica - JMV

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_IdentificaçãoPlacasVeículos.pdf2,9 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons