Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFCG |
Texto Completo: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27611 |
Resumo: | O presente trabalho tem como propósito contribuir para assistência na entrada e saída de automóveis em prédios e condomínios fechados. Visando atingir este objetivo, este trabalho foi dividido em duas etapas: desenvolvimento de um algoritmo de rede neural capaz de identificar e reconhecer a placa de um automóvel e desenvolvimento de um algoritmo capaz de identificar e reconhecer o condutor. Para a identificação de placas de automóveis, foi utilizado o modelo de rede pré-treinado do Tensorflow, chamado MobileNet- SSD, destinado para a detecção de objetos, sendo realizada o afinamento do modelo para que se detecte placas. Para o reconhecimento da placa do automóvel, empregou-se a tecnologia de reconhecimento óptico de caracteres OCR. A implementação do algoritmo foi realizada em Python. A rede neural convolucional profunda apresentou bons resultados de precisão, revocação e F1-score, métricas de desempenho de redes neurais, podendo ser melhorada em trabalhos futuros realizando um pré-processamento na base de dados escolhida. Para a identificação e reconhecimento facial do condutor, é empregado histograma de gradientes orientados alimentando uma máquina de vetor de suporte. As bibliotecas dlib e face_recognition foram utilizadas. Foram obtidos resultados satisfatórios de acurácia, precisão, revocação e F1-score, superiores à 98,6 %, o que demonstra a fidelidade de predição do algoritmo de reconhecimento facial implementado. |
id |
UFCG_880c3cb602fb4830e2686ddba701215b |
---|---|
oai_identifier_str |
oai:localhost:riufcg/27611 |
network_acronym_str |
UFCG |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository_id_str |
4851 |
spelling |
Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões.Recognition of license plates and their drivers for the automatic opening of gates.Rede neural convolucional profundaDeep convolutional neural networkHistograma de gradientes orientadosOriented Gradient HistogramMáquina de vetor de suporteSupport vector machineReconhecimento de placas de carrosLicense plate recognitionMobile Net-SSDAlgoritmo de rede neural - PythonNeural Network Algorithm - PythonPython - algoritmoPython - algorithmReconhecimento óptico de caracteres - OCROptical Character Recognition - OCRVisão computacionalComputer visionEngenharia ElétricaO presente trabalho tem como propósito contribuir para assistência na entrada e saída de automóveis em prédios e condomínios fechados. Visando atingir este objetivo, este trabalho foi dividido em duas etapas: desenvolvimento de um algoritmo de rede neural capaz de identificar e reconhecer a placa de um automóvel e desenvolvimento de um algoritmo capaz de identificar e reconhecer o condutor. Para a identificação de placas de automóveis, foi utilizado o modelo de rede pré-treinado do Tensorflow, chamado MobileNet- SSD, destinado para a detecção de objetos, sendo realizada o afinamento do modelo para que se detecte placas. Para o reconhecimento da placa do automóvel, empregou-se a tecnologia de reconhecimento óptico de caracteres OCR. A implementação do algoritmo foi realizada em Python. A rede neural convolucional profunda apresentou bons resultados de precisão, revocação e F1-score, métricas de desempenho de redes neurais, podendo ser melhorada em trabalhos futuros realizando um pré-processamento na base de dados escolhida. Para a identificação e reconhecimento facial do condutor, é empregado histograma de gradientes orientados alimentando uma máquina de vetor de suporte. As bibliotecas dlib e face_recognition foram utilizadas. Foram obtidos resultados satisfatórios de acurácia, precisão, revocação e F1-score, superiores à 98,6 %, o que demonstra a fidelidade de predição do algoritmo de reconhecimento facial implementado.This work aims to contribute with the assistance in the entry and exit of cars in buildings and private condominiums. Aiming to achieve this goal, this work was divided into two stages: development of a neural network algorithm capable of identify and recognize the license plate of a car and development of an algorithm capable of identify and recognize the driver. For the license plates identification, the pre-trained Tensorflow network model was used, called MobileNet-SSD, intended for object detection. For the recognition of the car’s license plate, OCR optical character recognition technology was used. The algorithm implementation was performed in Python. The deep convolutional neural network showed good results of precision, recall and F1-score, neural network performance metrics, which could be improved in future works by performing a pre-processing in the chosen database. For the identification and facial recognition of the conductor, an oriented gradient histogram feeding a support vector machine is used. The dlib and face_recognition libraries were used. Satisfactory results of accuracy, precision, recall and F1-score were obtained, above 98.7%, which demonstrates the predictive fidelity of the implemented facial recognition algorithm.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIUFCGVELOSO, Luciana Ribeiro.VELOSO, L. R.http://lattes.cnpq.br/2498050002491677GURJÃO, Edmar Candeia.GURJÃO, E. C.http://lattes.cnpq.br/9200464668550566MOURA, Vanessa Santos.2021-102022-10-11T19:41:02Z2022-10-112022-10-11T19:41:02Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27611MOURA, Vanessa Santos. Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões. 2021. 54f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande – Paraíba - Brasil, 2021. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27611porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2022-10-11T19:49:42Zoai:localhost:riufcg/27611Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512022-10-11T19:49:42Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false |
dc.title.none.fl_str_mv |
Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões. Recognition of license plates and their drivers for the automatic opening of gates. |
title |
Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões. |
spellingShingle |
Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões. MOURA, Vanessa Santos. Rede neural convolucional profunda Deep convolutional neural network Histograma de gradientes orientados Oriented Gradient Histogram Máquina de vetor de suporte Support vector machine Reconhecimento de placas de carros License plate recognition Mobile Net-SSD Algoritmo de rede neural - Python Neural Network Algorithm - Python Python - algoritmo Python - algorithm Reconhecimento óptico de caracteres - OCR Optical Character Recognition - OCR Visão computacional Computer vision Engenharia Elétrica |
title_short |
Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões. |
title_full |
Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões. |
title_fullStr |
Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões. |
title_full_unstemmed |
Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões. |
title_sort |
Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões. |
author |
MOURA, Vanessa Santos. |
author_facet |
MOURA, Vanessa Santos. |
author_role |
author |
dc.contributor.none.fl_str_mv |
VELOSO, Luciana Ribeiro. VELOSO, L. R. http://lattes.cnpq.br/2498050002491677 GURJÃO, Edmar Candeia. GURJÃO, E. C. http://lattes.cnpq.br/9200464668550566 |
dc.contributor.author.fl_str_mv |
MOURA, Vanessa Santos. |
dc.subject.por.fl_str_mv |
Rede neural convolucional profunda Deep convolutional neural network Histograma de gradientes orientados Oriented Gradient Histogram Máquina de vetor de suporte Support vector machine Reconhecimento de placas de carros License plate recognition Mobile Net-SSD Algoritmo de rede neural - Python Neural Network Algorithm - Python Python - algoritmo Python - algorithm Reconhecimento óptico de caracteres - OCR Optical Character Recognition - OCR Visão computacional Computer vision Engenharia Elétrica |
topic |
Rede neural convolucional profunda Deep convolutional neural network Histograma de gradientes orientados Oriented Gradient Histogram Máquina de vetor de suporte Support vector machine Reconhecimento de placas de carros License plate recognition Mobile Net-SSD Algoritmo de rede neural - Python Neural Network Algorithm - Python Python - algoritmo Python - algorithm Reconhecimento óptico de caracteres - OCR Optical Character Recognition - OCR Visão computacional Computer vision Engenharia Elétrica |
description |
O presente trabalho tem como propósito contribuir para assistência na entrada e saída de automóveis em prédios e condomínios fechados. Visando atingir este objetivo, este trabalho foi dividido em duas etapas: desenvolvimento de um algoritmo de rede neural capaz de identificar e reconhecer a placa de um automóvel e desenvolvimento de um algoritmo capaz de identificar e reconhecer o condutor. Para a identificação de placas de automóveis, foi utilizado o modelo de rede pré-treinado do Tensorflow, chamado MobileNet- SSD, destinado para a detecção de objetos, sendo realizada o afinamento do modelo para que se detecte placas. Para o reconhecimento da placa do automóvel, empregou-se a tecnologia de reconhecimento óptico de caracteres OCR. A implementação do algoritmo foi realizada em Python. A rede neural convolucional profunda apresentou bons resultados de precisão, revocação e F1-score, métricas de desempenho de redes neurais, podendo ser melhorada em trabalhos futuros realizando um pré-processamento na base de dados escolhida. Para a identificação e reconhecimento facial do condutor, é empregado histograma de gradientes orientados alimentando uma máquina de vetor de suporte. As bibliotecas dlib e face_recognition foram utilizadas. Foram obtidos resultados satisfatórios de acurácia, precisão, revocação e F1-score, superiores à 98,6 %, o que demonstra a fidelidade de predição do algoritmo de reconhecimento facial implementado. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-10 2022-10-11T19:41:02Z 2022-10-11 2022-10-11T19:41:02Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27611 MOURA, Vanessa Santos. Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões. 2021. 54f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande – Paraíba - Brasil, 2021. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27611 |
url |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27611 |
identifier_str_mv |
MOURA, Vanessa Santos. Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões. 2021. 54f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande – Paraíba - Brasil, 2021. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27611 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI UFCG |
publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Engenharia Elétrica e Informática - CEEI UFCG |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFCG instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
collection |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br |
_version_ |
1809744558564573184 |