Please use this identifier to cite or link to this item:
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27611
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.creator.ID | MOURA, V. S. | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/4267478145318228 | pt_BR |
dc.contributor.advisor1 | VELOSO, Luciana Ribeiro. | - |
dc.contributor.advisor1ID | VELOSO, L. R. | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/2498050002491677 | pt_BR |
dc.contributor.referee1 | GURJÃO, Edmar Candeia. | - |
dc.contributor.referee1ID | GURJÃO, E. C. | pt_BR |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/9200464668550566 | pt_BR |
dc.description.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. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Centro de Engenharia Elétrica e Informática - CEEI | pt_BR |
dc.publisher.initials | UFCG | pt_BR |
dc.subject.cnpq | Engenharia Elétrica | pt_BR |
dc.title | Reconhecimento de placas de automóveis e de seus condutores para a abertura automática de portões. | pt_BR |
dc.date.issued | 2021-10 | - |
dc.description.abstract | 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. | pt_BR |
dc.identifier.uri | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27611 | - |
dc.date.accessioned | 2022-10-11T19:41:02Z | - |
dc.date.available | 2022-10-11 | - |
dc.date.available | 2022-10-11T19:41:02Z | - |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.subject | Rede neural convolucional profunda | pt_BR |
dc.subject | Deep convolutional neural network | pt_BR |
dc.subject | Histograma de gradientes orientados | pt_BR |
dc.subject | Oriented Gradient Histogram | pt_BR |
dc.subject | Máquina de vetor de suporte | pt_BR |
dc.subject | Support vector machine | pt_BR |
dc.subject | Reconhecimento de placas de carros | pt_BR |
dc.subject | License plate recognition | pt_BR |
dc.subject | Mobile Net-SSD | pt_BR |
dc.subject | Algoritmo de rede neural - Python | pt_BR |
dc.subject | Neural Network Algorithm - Python | pt_BR |
dc.subject | Python - algoritmo | pt_BR |
dc.subject | Python - algorithm | pt_BR |
dc.subject | Reconhecimento óptico de caracteres - OCR | pt_BR |
dc.subject | Optical Character Recognition - OCR | pt_BR |
dc.subject | Visão computacional | pt_BR |
dc.subject | Computer vision | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.creator | MOURA, Vanessa Santos. | - |
dc.publisher | Universidade Federal de Campina Grande | pt_BR |
dc.language | por | pt_BR |
dc.title.alternative | Recognition of license plates and their drivers for the automatic opening of gates. | pt_BR |
dc.identifier.citation | 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 | pt_BR |
Appears in Collections: | Curso de Bacharelado em Engenharia Elétrica - CEEI - Monografias |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
VANESSA SANTOS MOURA - TCC ENG. ELÉTRICA CEEI 2021.pdf | Vanessa Santos Moura - TCC Eng. Elétrica CEEI 2021 | 2.98 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.