Autor(es): Dias, Fabio Gaiotto
Data: 2005
Identificador Persistente: https://hdl.handle.net/20.500.12733/1601683
Origem: Oasisbr
Assunto(s): Sistemas de reconhecimento de padrões; Visão por computador; Percepção visual; Processamento de imagens; Inteligência artificial; Vehicle automatic recognition; Computer vision; Image processing; Pattern recognition; Artificial intelligence
Orientador: Roberto de Alencar Lotufo
Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação
Resumo: Sistemas de reconhecimento da placa de licenciamento veicular (SRPLV) identificam o código da placa de um veículo com base em sua imagem.. Suas principais aplicações são: detecção de veículos roubados; controle de acesso em áreas restritas; monitoramento de tráfego; fiscalização de trânsito; controle automático de estacionamentos e de pedágios. Neste trabalho, descrevemos melhorias para SRPLV. As principais contribuições estão no método de localização da placa, efetuando a binarização com base nos mínimos regionais da imagem filtrada; no enquadramento com correção da distorção de perspectiva da placa, através da homografia; na separação dos caracteres com auxilio da projeção vertical; e no reconhecimento dos caracteres, utilizando um classificador hierárquico de distância mínima. Nossa proposta obteve resultado 1,17 vezes superior na localização da placa e 1,58 vezes superior no correto reconhecimento da placa em relação ao melhor resultado entre duas demonstrações de sistemas comerciais disponíveis na internet (SeeCar e SIAV 3.0), usando um banco de dados com 1200 imagens
Abstract: Vehicle license plate recognition systems (VLPRS) identify the plate number of a vehicle based on its image. Their main applications are: stolen vehicle detection; access control of restricted areas; traffic monitoring; traffic law enforcement; automatic control of parking and toll collection, in this work, we describe improvements for VLPRS. The main contributions are in the plate location method performing the binarization based on regional minima of the filtered image; in the plate framing with perspective distortion correction using the homography; in the character separation with the aid of the vertical projection; and in the character recognition, using a minimal distance hierarchical classifier. Our proposal presented a performance 1.17 times superior in the plate location and 1.58 times superior in the correct plate recognition, when compared to the best result of two commercial system demonstrations available in the internet (SeeCar and SIAV 3.0), using a database of 1.200 images
Mestrado
Engenharia de Computação
Mestre em Engenharia Elétrica
