Publication
Automatic vehicle number plate recognition system
| datacite.subject.fos | Engenharia e Tecnologia | pt_PT |
| dc.contributor.advisor | Santos, Veríssimo Manuel Brandão Lima | |
| dc.contributor.author | Rocha, Henrique António Espinha | |
| dc.date.accessioned | 2024-10-15T14:51:17Z | |
| dc.date.embargo | 2027-09-15 | |
| dc.date.issued | 2024-07-25 | |
| dc.description.abstract | Modern Automatic Number Plate Recognition (ANPR) systems are essential in various applications today. This project aims to develop a system to recognize Portuguese number plates from high-resolution digital videos using advanced Computer Vision techniques and Machine Learning algorithms. It involves comparing various existing computer vision methods used in ANPR and examining the functionality of the most commonly employed machine learning algorithms. YOLO algorithm is chosen and comprehensive image datasets used to train detection models to develop a fully working system to register number plates. The developed system achieved success rates of at least 75% as it is mostly limited by the variability of environmental factors in each distinct input video. When these variability is taken into account much higher success rates of over 90% are possible demonstrating its competitiveness with other similar ANPR systems. | pt_PT |
| dc.description.abstract | Sistemas de Reconhecimento Automático de Matrículas (SRAM) são essenciais em várias aplicações actuais. Este projeto visa desenvolver um sistema de reconhecimento de matrículas portuguesas a partir de vídeos digitais de alta resolução, utilizando técnicas avançadas de computer vision e algoritmos de machine learning. Envolve a comparação de vários métodos de Visão Computacional existentes utilizados em SRAM e a análise da funcionalidade dos algoritmos de Aprendizagem Automática regularmente utilizados. O algoritmo YOLO é escolhido e são utilizados conjuntos de imagens para treinar modelos de deteção, a fim de desenvolver um sistema totalmente funcional para registar matrículas. O sistema desenvolvido alcançou taxas de sucesso de pelo menos 75%, uma vez que é limitado principalmente pela variabilidade dos factores ambientais em cada vídeo de entrada distinto. Quando esta variabilidade é tida em conta, são possíveis taxas de sucesso muito mais elevadas acima dos 90%, demonstrando a sua competitividade em relação a outros sistemas SRAM semelhantes. | pt_PT |
| dc.identifier.tid | 203710622 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/26250 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | ANPR | pt_PT |
| dc.subject | Automatic Number Plate Recognition | pt_PT |
| dc.subject | Machine Learning | pt_PT |
| dc.subject | Computer Vision | pt_PT |
| dc.subject | YOLO | pt_PT |
| dc.subject | Optical Character Recognition | pt_PT |
| dc.subject | Reconhecimento e registo automático de matrículas | pt_PT |
| dc.subject | Visão computacional | pt_PT |
| dc.subject | Reconhecimento ótico de caracteres | pt_PT |
| dc.title | Automatic vehicle number plate recognition system | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | embargoedAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Engenharia Electrotécnica e de Computadores | pt_PT |