Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/20.500.14076/27997
Título : Aplicación de algoritmos de aprendizaje profundo con análisis de metadata para identificación vehicular
Autor : Silva Matute, Nicolás Francisco
Asesor : Medina Ramos, Carlos Celestino
Palabras clave : Aprendizaje por transferencia;Identificación vehicular;Aprendizaje profundo;Placas vehiculares;Reconocimiento óptico de caracteres (OCR);Metadata
Fecha de publicación : 2024
Editorial : Universidad Nacional de Ingeniería
Resumen : 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.
This research is oriented towards the development of a support system for citizen security, due to the high crime rate that is reflected in increases in violence and the rate of occurrence. In this sense, it is currently necessary to have automated systems to solve the problem, particularly vehicle identification through the extraction of metadata such as the color and characters of the number plate, to identify suspected crimes such as theft and others. To obtain the detection system. deep learning techniques such as transfer learning are used to locate the area of the plate. and Optical Character Recognition (OCR) algorithms are employed to detect the letters and numbers of the number plate For color. image processing techniques are applied to analyze the HSV color space. In response to the application of the algorithms and methodology, satisfactory results were obtained as follows: for the algorithm that allows the detection of the area of the number plate, an accuracy of 97.7% was achieved. Additionally, with the OCR algorithm. character identification was performed with an accuracy of 96.6%. Finally. for the HSV space analysis and image processing, significant results were obtained. demonstrating a system that correctly identifies the vehicle's color perception.
URI : http://hdl.handle.net/20.500.14076/27997
Derechos: info:eu-repo/semantics/openAccess
Aparece en las colecciones: Ingeniería Electrónica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
silva_mn.pdf11,24 MBAdobe PDFVisualizar/Abrir
carta_de_autorización.pdf1,35 MBAdobe PDFVisualizar/Abrir
informe_de_similitud.pdf1,25 MBAdobe PDFVisualizar/Abrir
silva_mn(acta).pdf822,96 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons

Indexado por:
Indexado por Scholar Google LaReferencia Concytec BASE renati ROAR ALICIA RepoLatin UNI