Aplicación de algoritmos de aprendizaje profundo con análisis de metadata para identificación vehicular
Descripción del Articulo
La presente investigación está orientada al desarrollo de un sistema de apoyo para la seguridad ciudadana. debido al elevado indice de criminalidad que se refleja en los incrementos de la violencia y la tasa de ocurrencia En tal sentido. actualmente es necesario disponer de sistemas automatizados pa...
Autor: | |
---|---|
Formato: | tesis de grado |
Fecha de Publicación: | 2024 |
Institución: | Universidad Nacional de Ingeniería |
Repositorio: | UNI-Tesis |
Lenguaje: | español |
OAI Identifier: | oai:cybertesis.uni.edu.pe:20.500.14076/27997 |
Enlace del recurso: | http://hdl.handle.net/20.500.14076/27997 |
Nivel de acceso: | acceso abierto |
Materia: | Aprendizaje por transferencia Identificación vehicular Aprendizaje profundo Placas vehiculares Reconocimiento óptico de caracteres (OCR) Metadata https://purl.org/pe-repo/ocde/ford#2.02.01 |
Sumario: | La presente investigación está orientada al desarrollo de un sistema de apoyo para la seguridad ciudadana. debido al elevado indice de criminalidad que se refleja en los incrementos de la violencia y la tasa de ocurrencia En tal sentido. actualmente es necesario disponer de sistemas automatizados para resolver el problema. en particular la identificación vehicular mediante la extracción de metadata como son el color y los caracteres de la matrícula. para identificar presuntos delitos por sustracción y otros. Para la obtención del sistema de detección se utilizan técnicas de aprendizaje profundo como el aprendizaje por transferencia para la localización del área de la placa y algoritmos de OCR (Reconocimiento óptico de caracteres) para detectar las letras y números de la matrícula. Para el color se aplica la técnica de procesamiento de imágenes con el objetivo de analizar el espacio de color HSV. Como respuesta a la aplicación de los algoritmos y la metodología se obtuvieron resultados satisfactorios como se indica para el algoritmo que permite la detección del área de la placa vehicular se obtuvo una precisión de 97 7% Adicionalmente. con el algoritmo de OCR se realizó la identificación de caracteres con una precisión de 96.6% Finalmente. para el análisis del espacio HSV y procesamiento de la imagen. se obtuvieron resultados significativos al demostrar ser un sistema que orienta correctamente la percepción del color del vehículo. |
---|
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).