Reconhecimento de marca e modelo de veículos a partir de imagens

Detalhes bibliográficos
Autor(a) principal: Wille, Renan Barcik de Castro
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/4165
Resumo: O reconhecimento automático de marca e modelo de veículos pode reduzir custos para sistemas automatizados de estacionamento, bem como auxiliar entidades públicas, como a polícia, para identificar e coibir adulterações veiculares. Este trabalho tem como objetivo extrair a marca e modelo de veículos através de imagens. Primeiramente foi feito um estudo para listar as características viáveis de serem obtidas através do processamento de imagens. Dentre elas estão a cor, a placa de identificação veicular, a marca e modelo dos veículos. Em seguida, decidiu-se pela classificação da marca de veículos através de sua logomarca. Para encontrá-la, utiliza-se a extração de bordas, binarização e morfologia. Em seguida, a partir de um classificador SVM e um descritor HOG a região contendo a logomarca é categorizada. Experimentando-se melhorar a abordagem, usou-se a técnica de localização da logomarca através de deslizamento de janelas, também com SVM e descritor HOG para a classificação. Como os métodos apresentados dependem de informações locais e com o objetivo de melhora em relação a esses métodos, estudou-se o finetunning das redes convolucionais como as MobileNets, dentre outras arquiteturas para a classificação global da imagem, sendo possível, com esse método, extrair além da marca do veículo, também o seu modelo. Finalmente foram feitos testes em dois conjuntos de imagens de veículos brasileiros: O primeiro, chamado Pre-jcars-test, foi utilizado para medir a acurácia da classificação de marca dos veículos e comparar com as outras abordagens, o melhor resultado obtido foi 79,67 % em top-1 utilizando as redes neurais convolucionais. O segundo conjunto, chamado Jcars-test, foi utilizado para medir a acurácia da classificação de marca e modelo de veículos e a melhor abordagem atingiu 96,89 % de acurácia em top-5, permitindo-se classificar 354 modelos dentre 61 marcas de veículos.
id UTFPR-12_7253f7b983536d6dca4aaa61017b9233
oai_identifier_str oai:repositorio.utfpr.edu.br:1/4165
network_acronym_str UTFPR-12
network_name_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
repository_id_str
spelling 2019-07-17T12:26:19Z2019-07-17T12:26:19Z2019-02-22WILLE, Renan Barcik de Castro. Reconhecimento de marca e modelo de veículos a partir de imagens. 2019. 59 f. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2019.http://repositorio.utfpr.edu.br/jspui/handle/1/4165O reconhecimento automático de marca e modelo de veículos pode reduzir custos para sistemas automatizados de estacionamento, bem como auxiliar entidades públicas, como a polícia, para identificar e coibir adulterações veiculares. Este trabalho tem como objetivo extrair a marca e modelo de veículos através de imagens. Primeiramente foi feito um estudo para listar as características viáveis de serem obtidas através do processamento de imagens. Dentre elas estão a cor, a placa de identificação veicular, a marca e modelo dos veículos. Em seguida, decidiu-se pela classificação da marca de veículos através de sua logomarca. Para encontrá-la, utiliza-se a extração de bordas, binarização e morfologia. Em seguida, a partir de um classificador SVM e um descritor HOG a região contendo a logomarca é categorizada. Experimentando-se melhorar a abordagem, usou-se a técnica de localização da logomarca através de deslizamento de janelas, também com SVM e descritor HOG para a classificação. Como os métodos apresentados dependem de informações locais e com o objetivo de melhora em relação a esses métodos, estudou-se o finetunning das redes convolucionais como as MobileNets, dentre outras arquiteturas para a classificação global da imagem, sendo possível, com esse método, extrair além da marca do veículo, também o seu modelo. Finalmente foram feitos testes em dois conjuntos de imagens de veículos brasileiros: O primeiro, chamado Pre-jcars-test, foi utilizado para medir a acurácia da classificação de marca dos veículos e comparar com as outras abordagens, o melhor resultado obtido foi 79,67 % em top-1 utilizando as redes neurais convolucionais. O segundo conjunto, chamado Jcars-test, foi utilizado para medir a acurácia da classificação de marca e modelo de veículos e a melhor abordagem atingiu 96,89 % de acurácia em top-5, permitindo-se classificar 354 modelos dentre 61 marcas de veículos.Automatic vehicle make and model recognition can reduce costs for automated parking systems, as well as assist public entities such as the police in identifying and restraining vehicular tampering. This work aims to extract the make and model of vehicles through images. First, a study was done to list the viable characteristics of being obtained through image processing. Among them are the color, the vehicle license plate, the make and model of the vehicles. Then, it was decided to classify the vehicle make through its logo. To find it, it was used the following techniques: extraction of edges, binarization and morphology. After that, with a SVM classifier and a HOG descriptor the region containing the logo is categorized. Experimenting to improve the approach, we used the technique of locating the logo through sliding window also using SVM and HOG descriptor for classification. As the presented methods depend on local information and with the objective of improvement in relation to these methods, the finetunning of convolutional neural networks was studied. By using MobileNets and other architectures for the global classification of the image, it became possible with this method to extract not only the make but also the model of the vehicle. Finally, tests were performed on two Brazilian vehicle image datasets: The first one, called Pre-jcars-test, was used to measure the accuracy of vehicle make classification and compare the developed approaches. The best result was 79.67 % in top-1 by using convolutional neural networks. The second dataset, called Jcars-test, was used to measure the accuracy of the classification of vehicle make and model, and the best approach reached 96.89 % accuracy in the top-5, allowing to classify 354 models from 61 vehicle makes.porUniversidade Tecnológica Federal do ParanáCuritibaPrograma de Pós-Graduação em Engenharia Elétrica e Informática IndustrialUTFPRBrasilCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)Engenharia ElétricaVeículos - IdentificaçãoSistemas de comunicação móvelVeículos - ImagemProcessamento de imagensSistemas de reconhecimento de padrõesAlgorítmosImagens digitaisEngenharia elétricaVehicles - IdentificationMobile communication systemsVehicles - ImagingImage processingPattern recognition systemsAlgorithmsDigital imagesElectric engineeringReconhecimento de marca e modelo de veículos a partir de imagensMake and model recognition from vehicle imagesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisCuritibaPipa, Daniel Rodrigueshttp://lattes.cnpq.br/5604517186200940Borba, Gustavo Benvenuttihttp://lattes.cnpq.br/2591233508037006Pipa, Daniel RodriguesLazzaretti, André EugênioRonque, Giselle Lopes Ferrarihttp://lattes.cnpq.br/5916702523242048Wille, Renan Barcik de Castroinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRORIGINALCT_CPGEI_M_Wille, Renan Barcik de Castro_2019.pdfCT_CPGEI_M_Wille, Renan Barcik de Castro_2019.pdfapplication/pdf7659358http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/4165/1/CT_CPGEI_M_Wille%2c%20Renan%20Barcik%20de%20Castro_2019.pdf752eaa30e59459e7cfafd55a41316a12MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81290http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/4165/2/license.txtb9d82215ab23456fa2d8b49c5df1b95bMD52TEXTCT_CPGEI_M_Wille, Renan Barcik de Castro_2019.pdf.txtCT_CPGEI_M_Wille, Renan Barcik de Castro_2019.pdf.txtExtracted texttext/plain85573http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/4165/3/CT_CPGEI_M_Wille%2c%20Renan%20Barcik%20de%20Castro_2019.pdf.txt20e131ebeb7cf09efd046e5f8015891cMD53THUMBNAILCT_CPGEI_M_Wille, Renan Barcik de Castro_2019.pdf.jpgCT_CPGEI_M_Wille, Renan Barcik de Castro_2019.pdf.jpgGenerated Thumbnailimage/jpeg1233http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/4165/4/CT_CPGEI_M_Wille%2c%20Renan%20Barcik%20de%20Castro_2019.pdf.jpg5a1ca67f59126d5c963878245e3c9b50MD541/41652019-07-18 03:00:41.821oai:repositorio.utfpr.edu.br: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ório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2019-07-18T06:00:41Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false
dc.title.pt_BR.fl_str_mv Reconhecimento de marca e modelo de veículos a partir de imagens
dc.title.alternative.pt_BR.fl_str_mv Make and model recognition from vehicle images
title Reconhecimento de marca e modelo de veículos a partir de imagens
spellingShingle Reconhecimento de marca e modelo de veículos a partir de imagens
Wille, Renan Barcik de Castro
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)
Veículos - Identificação
Sistemas de comunicação móvel
Veículos - Imagem
Processamento de imagens
Sistemas de reconhecimento de padrões
Algorítmos
Imagens digitais
Engenharia elétrica
Vehicles - Identification
Mobile communication systems
Vehicles - Imaging
Image processing
Pattern recognition systems
Algorithms
Digital images
Electric engineering
Engenharia Elétrica
title_short Reconhecimento de marca e modelo de veículos a partir de imagens
title_full Reconhecimento de marca e modelo de veículos a partir de imagens
title_fullStr Reconhecimento de marca e modelo de veículos a partir de imagens
title_full_unstemmed Reconhecimento de marca e modelo de veículos a partir de imagens
title_sort Reconhecimento de marca e modelo de veículos a partir de imagens
author Wille, Renan Barcik de Castro
author_facet Wille, Renan Barcik de Castro
author_role author
dc.contributor.advisor1.fl_str_mv Pipa, Daniel Rodrigues
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/5604517186200940
dc.contributor.advisor-co1.fl_str_mv Borba, Gustavo Benvenutti
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/2591233508037006
dc.contributor.referee1.fl_str_mv Pipa, Daniel Rodrigues
dc.contributor.referee2.fl_str_mv Lazzaretti, André Eugênio
dc.contributor.referee3.fl_str_mv Ronque, Giselle Lopes Ferrari
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/5916702523242048
dc.contributor.author.fl_str_mv Wille, Renan Barcik de Castro
contributor_str_mv Pipa, Daniel Rodrigues
Borba, Gustavo Benvenutti
Pipa, Daniel Rodrigues
Lazzaretti, André Eugênio
Ronque, Giselle Lopes Ferrari
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)
topic CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::PROCESSAMENTO GRAFICO (GRAPHICS)
Veículos - Identificação
Sistemas de comunicação móvel
Veículos - Imagem
Processamento de imagens
Sistemas de reconhecimento de padrões
Algorítmos
Imagens digitais
Engenharia elétrica
Vehicles - Identification
Mobile communication systems
Vehicles - Imaging
Image processing
Pattern recognition systems
Algorithms
Digital images
Electric engineering
Engenharia Elétrica
dc.subject.por.fl_str_mv Veículos - Identificação
Sistemas de comunicação móvel
Veículos - Imagem
Processamento de imagens
Sistemas de reconhecimento de padrões
Algorítmos
Imagens digitais
Engenharia elétrica
Vehicles - Identification
Mobile communication systems
Vehicles - Imaging
Image processing
Pattern recognition systems
Algorithms
Digital images
Electric engineering
dc.subject.capes.pt_BR.fl_str_mv Engenharia Elétrica
description O reconhecimento automático de marca e modelo de veículos pode reduzir custos para sistemas automatizados de estacionamento, bem como auxiliar entidades públicas, como a polícia, para identificar e coibir adulterações veiculares. Este trabalho tem como objetivo extrair a marca e modelo de veículos através de imagens. Primeiramente foi feito um estudo para listar as características viáveis de serem obtidas através do processamento de imagens. Dentre elas estão a cor, a placa de identificação veicular, a marca e modelo dos veículos. Em seguida, decidiu-se pela classificação da marca de veículos através de sua logomarca. Para encontrá-la, utiliza-se a extração de bordas, binarização e morfologia. Em seguida, a partir de um classificador SVM e um descritor HOG a região contendo a logomarca é categorizada. Experimentando-se melhorar a abordagem, usou-se a técnica de localização da logomarca através de deslizamento de janelas, também com SVM e descritor HOG para a classificação. Como os métodos apresentados dependem de informações locais e com o objetivo de melhora em relação a esses métodos, estudou-se o finetunning das redes convolucionais como as MobileNets, dentre outras arquiteturas para a classificação global da imagem, sendo possível, com esse método, extrair além da marca do veículo, também o seu modelo. Finalmente foram feitos testes em dois conjuntos de imagens de veículos brasileiros: O primeiro, chamado Pre-jcars-test, foi utilizado para medir a acurácia da classificação de marca dos veículos e comparar com as outras abordagens, o melhor resultado obtido foi 79,67 % em top-1 utilizando as redes neurais convolucionais. O segundo conjunto, chamado Jcars-test, foi utilizado para medir a acurácia da classificação de marca e modelo de veículos e a melhor abordagem atingiu 96,89 % de acurácia em top-5, permitindo-se classificar 354 modelos dentre 61 marcas de veículos.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-07-17T12:26:19Z
dc.date.available.fl_str_mv 2019-07-17T12:26:19Z
dc.date.issued.fl_str_mv 2019-02-22
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv WILLE, Renan Barcik de Castro. Reconhecimento de marca e modelo de veículos a partir de imagens. 2019. 59 f. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2019.
dc.identifier.uri.fl_str_mv http://repositorio.utfpr.edu.br/jspui/handle/1/4165
identifier_str_mv WILLE, Renan Barcik de Castro. Reconhecimento de marca e modelo de veículos a partir de imagens. 2019. 59 f. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2019.
url http://repositorio.utfpr.edu.br/jspui/handle/1/4165
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 Tecnológica Federal do Paraná
Curitiba
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial
dc.publisher.initials.fl_str_mv UTFPR
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Tecnológica Federal do Paraná
Curitiba
dc.source.none.fl_str_mv reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
instname:Universidade Tecnológica Federal do Paraná (UTFPR)
instacron:UTFPR
instname_str Universidade Tecnológica Federal do Paraná (UTFPR)
instacron_str UTFPR
institution UTFPR
reponame_str Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
collection Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
bitstream.url.fl_str_mv http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/4165/1/CT_CPGEI_M_Wille%2c%20Renan%20Barcik%20de%20Castro_2019.pdf
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/4165/2/license.txt
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/4165/3/CT_CPGEI_M_Wille%2c%20Renan%20Barcik%20de%20Castro_2019.pdf.txt
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/4165/4/CT_CPGEI_M_Wille%2c%20Renan%20Barcik%20de%20Castro_2019.pdf.jpg
bitstream.checksum.fl_str_mv 752eaa30e59459e7cfafd55a41316a12
b9d82215ab23456fa2d8b49c5df1b95b
20e131ebeb7cf09efd046e5f8015891c
5a1ca67f59126d5c963878245e3c9b50
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)
repository.mail.fl_str_mv
_version_ 1805922981652725760