Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/ESBF-AEFHKP| Type: | Dissertação de Mestrado |
| Title: | License plate recognition based on temporal redundancy |
| Authors: | Gabriel Resende Gonçalves |
| First Advisor: | William Robson Schwartz |
| First Co-advisor: | David Menotti Gomes |
| First Referee: | David Menotti Gomes |
| Second Referee: | Flavio Luis Cardeal Padua |
| Third Referee: | Thiago Oliveira dos Santos |
| Abstract: | Reconhecimento de placas de veículos (ALPR) é uma tarefa importante que pode ser aplicada em vários cenários. A maioria das abordagens de ALPR primeiro detectam o veículo, localizam sua placa de identificação, delimita os seus caracteres e, finalmente, os reconhece utilizando alguma técnica de OCR. No entanto, essas abordagens utilizam apenas uma imagem de cada veículo para processar. Isso faz com que elas tenham suas taxas de reconhecimento reduzidas devido aos ruídos presentes nesta imagem em particular. Com isso, neste trabalho nós propomos uma abordagem para detectar o veículo na pista e identificar sua placa de forma automática utilizando redundância temporal ao invés de selecionar apenas uma imagem para realizar o reconhecimento. Além disso, nós também propomos duas técnicas de pós-processamento que podem ser utilizadas para melhorar ainda mais a acurácia do sistema realizando uma consulta à um banco de dados de placas (por exemplo, um banco de dados do governo contendo todas as placas utilizadas no Brasil). Os experimentos realizados demonstram que é possível melhorar os resultados do reconhecimento de veículos em 15.5 pontos percentuais (uma melhora de 23.88%) utilizando nossa abordagem de redundância temporal proposta. Além disso, uma nova melhora de 7.8 pontos percentuais é conseguida quando utilizando as abordagens propostas de pós-processamento, levando à uma acurácia final de 89.6% em uma base de dados com 5,200 frames de 300 veículos gravada no campus da UFMG. Por fim, este trabalho também propõe um novo benchmark composto de um dataset criado especificamente para se testar técnicas de segmentação de caracteres em placas de carro e um protocolo de avaliação. Este dataset é composto de 2,000 placas de carros brasileiras que contém 14,000 símbolos alfanuméricos e suas anotações correspondentes. Nosso benchmark também propõe um coeficiente chamado Jaccard-Centroid, que é uma nova medida mais indicada para avaliar métodos de segmentação do que o coeficiente Jaccard que é tradicionalmente utilizado. |
| Abstract: | Recognition of vehicle license plates is an important task that can be applied for a myriad of real scenarios. Most approaches focus on performing the ALPR steps using only a single frame for each vehicle. Hence, they might have their recognition rates reduced due to noise present in that particular frame. Therefore, in this work, we propose an approach to recognize vehicle license plates using temporal redundant information instead of selecting a single frame. We also propose two post-processing steps that can be used to improve the system accuracy by reconizing the vehicle appearance and querying a license plate database. Experiments demonstrate that it is possible to improve significantly the vehicle recognition rate using our proposed approaches on a dataset recorded at UFMG campus. Furthermore, this work also proposes a new benchmark composed of a dataset designed to focus specifically on the ALPR character segmentation step, a new evaluation measure and its evaluation protocol. |
| Subject: | Computação |
| language: | Português |
| Publisher: | Universidade Federal de Minas Gerais |
| Publisher Initials: | UFMG |
| Rights: | Acesso Aberto |
| URI: | http://hdl.handle.net/1843/ESBF-AEFHKP |
| Issue Date: | 26-Aug-2016 |
| Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| gabrielresendegon_alves.pdf | 9.31 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.