Automatic Brazilian Mercosur license plate recognition: an approach with synthetic images
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/34166 |
Resumo: | A utilização de imagens para obter informações de placas veículares não é uma exclusividade dos dias atuais. Em 1987, Mizumachi já apresentava um sistema que realizava a identificação de números em placas veiculares. Sistemas como esses são apresentados até hoje, principalmente pela viabilização de aplicações que podem ser realizadas com essas extrações, como: identificar veículos roubados ou irregulares, monitorar vias para multar precisamente motoristas infratores e controlar o acesso a estacionamentos. Os métodos para solucionar esse problema, geralmente referenciados como de Reconhecimento Automático de Placas (RAP) ou, em Inglês, Automatic License Plate Recognition (ALPR), consistem em, dada uma imagem, executar três etapas: localização da placa na cena, segmentação dos caracteres e reconhecimento óptico dos caracteres segmentados. Apesar de existir inúmeras soluções na literatura, o fato de não existir uma padronização mundial contribui para inúmeras propostas. Devido a essa falta de padronização, em 2014, a Resolução brasileira Nº 510 estabeleceu o sistema de placas de identificação de veículos no padrão Mercosul (CONSELHO NACIONAL DE TRÂNSITO (CONTRAN), 2014). Com esse novo padrão, as soluções existentes para o padrão antigo não se comportam como esperado, principalmente pelas mudanças de cores, formatos dos caracteres e ordem dos dígitos. Então, neste projeto, propõe-se um novo método para o reconhecimento automático de placas veiculares do padrão Mercosul e uma metodologia de geração artificial de placas veiculares do padrão Mercosul para acoplamento em imagens. |
id |
UFRN_0c7ee80fe5ebdb731df621b91defe3d6 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/34166 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Ribeiro, Vinícius Campos TinocoSantos, Selan Rodriguess dosGomes, Rafael BeserraSilva, Ivanovitch Medeiros da2019-12-04T19:57:16Z2021-09-20T11:46:13Z2019-12-04T19:57:16Z2021-09-20T11:46:13Z2019-11-2920180153460RIBEIRO, Vinícius Campos Tinoco. Automatic Brazilian Mercosur license plate recognition: an approach with synthetic images. 2019. 76 f. Monografia (Graduação) - Curso de Ciência da Computação, Departamento de Matemática e Informática Aplicada, Universidade Federal do Rio Grande do Norte, Natal, 2019.https://repositorio.ufrn.br/handle/123456789/34166A utilização de imagens para obter informações de placas veículares não é uma exclusividade dos dias atuais. Em 1987, Mizumachi já apresentava um sistema que realizava a identificação de números em placas veiculares. Sistemas como esses são apresentados até hoje, principalmente pela viabilização de aplicações que podem ser realizadas com essas extrações, como: identificar veículos roubados ou irregulares, monitorar vias para multar precisamente motoristas infratores e controlar o acesso a estacionamentos. Os métodos para solucionar esse problema, geralmente referenciados como de Reconhecimento Automático de Placas (RAP) ou, em Inglês, Automatic License Plate Recognition (ALPR), consistem em, dada uma imagem, executar três etapas: localização da placa na cena, segmentação dos caracteres e reconhecimento óptico dos caracteres segmentados. Apesar de existir inúmeras soluções na literatura, o fato de não existir uma padronização mundial contribui para inúmeras propostas. Devido a essa falta de padronização, em 2014, a Resolução brasileira Nº 510 estabeleceu o sistema de placas de identificação de veículos no padrão Mercosul (CONSELHO NACIONAL DE TRÂNSITO (CONTRAN), 2014). Com esse novo padrão, as soluções existentes para o padrão antigo não se comportam como esperado, principalmente pelas mudanças de cores, formatos dos caracteres e ordem dos dígitos. Então, neste projeto, propõe-se um novo método para o reconhecimento automático de placas veiculares do padrão Mercosul e uma metodologia de geração artificial de placas veiculares do padrão Mercosul para acoplamento em imagens.Using images to obtain vehicle license information is not an exclusive of the present day. In 1987, Mizumachi already presented a system that performed the identification of numbers in vehicle plates. Systems such as these are presented to date, mainly through the feasibility of applications that can be carried out with these extractions, such as: identifying stolen or irregular vehicles, monitoring roads to precisely fine drivers, and controlling access to parking lots. The methods for solving this problem, generally referred as Automatic Plate Recognition (LPR) or Automatic License Plate Recognition (ALPR), consists in three steps: license plate identification in scenes, character segmentation and optical recognition of segmented characters. Although there are many solutions in the literature, the fact that there is no global standardization contributes to many proposals. Due to this lack of standardization, in 2014, Brazilian Resolution No. 510 established the system of vehicle identification plates in the Mercosur standard (CONSELHO NACIONAL DE TRÂNSITO (CONTRAN), 2014). With this new standard, existing solutions to the old standard do not behave as expected, mainly because of color changes, character shapes, and order of digits. So, in this project, a new method is proposed for the automatic recognition of vehicular plates of the Mercosur standard and a license plate embedding methodology for generating large volumes of Mercosur license plate images.Universidade Federal do Rio Grande do NorteUFRNBrasilBacharelado em Ciência da ComputaçãoAttribution-NonCommercial-ShareAlike 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-sa/3.0/br/info:eu-repo/semantics/openAccessCiência da ComputaçãoLicense plate recognitioncomputer visionconvolutional neural networkMercosursynthetic imagesyoloReconhecimento Automático de Placasvisão computacionalredes convolucionaisMercosulimagens sintéticasAutomatic Brazilian Mercosur license plate recognition: an approach with synthetic imagesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisengreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNTEXTMonografia.pdf.txtExtracted texttext/plain119774https://repositorio.ufrn.br/bitstream/123456789/34166/1/Monografia.pdf.txt2c15c94045ba4e864e2475887e768107MD51ORIGINALAutomaticBrazilianMercosur_Ribeiro_2019.pdfMonografia de Vinícius Camposapplication/pdf19855147https://repositorio.ufrn.br/bitstream/123456789/34166/2/AutomaticBrazilianMercosur_Ribeiro_2019.pdff2c9cdd683caff46fad6bb295df613ccMD52CC-LICENSElicense_rdfapplication/octet-stream1037https://repositorio.ufrn.br/bitstream/123456789/34166/3/license_rdf996f8b5afe3136b76594f43bfda24c5eMD53LICENSElicense.txttext/plain762https://repositorio.ufrn.br/bitstream/123456789/34166/4/license.txte428689918449bd69f843393981e4109MD54123456789/341662023-01-09 14:52:36.343oai:https://repositorio.ufrn.br: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ório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2023-01-09T17:52:36Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Automatic Brazilian Mercosur license plate recognition: an approach with synthetic images |
title |
Automatic Brazilian Mercosur license plate recognition: an approach with synthetic images |
spellingShingle |
Automatic Brazilian Mercosur license plate recognition: an approach with synthetic images Ribeiro, Vinícius Campos Tinoco Ciência da Computação License plate recognition computer vision convolutional neural network Mercosur synthetic images yolo Reconhecimento Automático de Placas visão computacional redes convolucionais Mercosul imagens sintéticas |
title_short |
Automatic Brazilian Mercosur license plate recognition: an approach with synthetic images |
title_full |
Automatic Brazilian Mercosur license plate recognition: an approach with synthetic images |
title_fullStr |
Automatic Brazilian Mercosur license plate recognition: an approach with synthetic images |
title_full_unstemmed |
Automatic Brazilian Mercosur license plate recognition: an approach with synthetic images |
title_sort |
Automatic Brazilian Mercosur license plate recognition: an approach with synthetic images |
author |
Ribeiro, Vinícius Campos Tinoco |
author_facet |
Ribeiro, Vinícius Campos Tinoco |
author_role |
author |
dc.contributor.referees1.none.fl_str_mv |
Santos, Selan Rodriguess dos |
dc.contributor.referees2.none.fl_str_mv |
Gomes, Rafael Beserra |
dc.contributor.author.fl_str_mv |
Ribeiro, Vinícius Campos Tinoco |
dc.contributor.advisor1.fl_str_mv |
Silva, Ivanovitch Medeiros da |
contributor_str_mv |
Silva, Ivanovitch Medeiros da |
dc.subject.cnpq.fl_str_mv |
Ciência da Computação |
topic |
Ciência da Computação License plate recognition computer vision convolutional neural network Mercosur synthetic images yolo Reconhecimento Automático de Placas visão computacional redes convolucionais Mercosul imagens sintéticas |
dc.subject.por.fl_str_mv |
License plate recognition computer vision convolutional neural network Mercosur synthetic images yolo Reconhecimento Automático de Placas visão computacional redes convolucionais Mercosul imagens sintéticas |
description |
A utilização de imagens para obter informações de placas veículares não é uma exclusividade dos dias atuais. Em 1987, Mizumachi já apresentava um sistema que realizava a identificação de números em placas veiculares. Sistemas como esses são apresentados até hoje, principalmente pela viabilização de aplicações que podem ser realizadas com essas extrações, como: identificar veículos roubados ou irregulares, monitorar vias para multar precisamente motoristas infratores e controlar o acesso a estacionamentos. Os métodos para solucionar esse problema, geralmente referenciados como de Reconhecimento Automático de Placas (RAP) ou, em Inglês, Automatic License Plate Recognition (ALPR), consistem em, dada uma imagem, executar três etapas: localização da placa na cena, segmentação dos caracteres e reconhecimento óptico dos caracteres segmentados. Apesar de existir inúmeras soluções na literatura, o fato de não existir uma padronização mundial contribui para inúmeras propostas. Devido a essa falta de padronização, em 2014, a Resolução brasileira Nº 510 estabeleceu o sistema de placas de identificação de veículos no padrão Mercosul (CONSELHO NACIONAL DE TRÂNSITO (CONTRAN), 2014). Com esse novo padrão, as soluções existentes para o padrão antigo não se comportam como esperado, principalmente pelas mudanças de cores, formatos dos caracteres e ordem dos dígitos. Então, neste projeto, propõe-se um novo método para o reconhecimento automático de placas veiculares do padrão Mercosul e uma metodologia de geração artificial de placas veiculares do padrão Mercosul para acoplamento em imagens. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-12-04T19:57:16Z 2021-09-20T11:46:13Z |
dc.date.available.fl_str_mv |
2019-12-04T19:57:16Z 2021-09-20T11:46:13Z |
dc.date.issued.fl_str_mv |
2019-11-29 |
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.pt_BR.fl_str_mv |
20180153460 |
dc.identifier.citation.fl_str_mv |
RIBEIRO, Vinícius Campos Tinoco. Automatic Brazilian Mercosur license plate recognition: an approach with synthetic images. 2019. 76 f. Monografia (Graduação) - Curso de Ciência da Computação, Departamento de Matemática e Informática Aplicada, Universidade Federal do Rio Grande do Norte, Natal, 2019. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/34166 |
identifier_str_mv |
20180153460 RIBEIRO, Vinícius Campos Tinoco. Automatic Brazilian Mercosur license plate recognition: an approach with synthetic images. 2019. 76 f. Monografia (Graduação) - Curso de Ciência da Computação, Departamento de Matemática e Informática Aplicada, Universidade Federal do Rio Grande do Norte, Natal, 2019. |
url |
https://repositorio.ufrn.br/handle/123456789/34166 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-ShareAlike 3.0 Brazil http://creativecommons.org/licenses/by-nc-sa/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-ShareAlike 3.0 Brazil http://creativecommons.org/licenses/by-nc-sa/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Bacharelado em Ciência da Computação |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/34166/1/Monografia.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/34166/2/AutomaticBrazilianMercosur_Ribeiro_2019.pdf https://repositorio.ufrn.br/bitstream/123456789/34166/3/license_rdf https://repositorio.ufrn.br/bitstream/123456789/34166/4/license.txt |
bitstream.checksum.fl_str_mv |
2c15c94045ba4e864e2475887e768107 f2c9cdd683caff46fad6bb295df613cc 996f8b5afe3136b76594f43bfda24c5e e428689918449bd69f843393981e4109 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117559157260288 |