Re-identifikace vozidla pomocí rozpoznání jeho registrační značky

Simple item page
but.committeedoc. RNDr. Pavel Smrž, Ph.D. (předseda) prof. Ing. Adam Herout, Ph.D. (místopředseda) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) doc. Ing. Petr Sedlák, Ph.D. (člen) Ing. Igor Szőke, Ph.D. (člen) doc. Ing. Zdeněk Vašíček, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D. Otázky u obhajoby: Vysvětlete pojmy detekce/klasifikace/rozpoznání v kontextu Vaší práce. Na výsledném videu je vidět, že řetězec, který vrací NN není moc podobný skutečné RZ vozidla. Čím to je? Podle Vašeho vyhodnocení je úspěšnost rozpoznání okolo 70%? Jak jste dosáhl této úspěšnosti?cs
but.jazykčeština (Czech)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorHerout, Adamcs
dc.contributor.authorŠpaňhel, Jakubcs
dc.contributor.refereeJuránková, Markétacs
dc.date.available2018-06-25cs
dc.date.created2015cs
dc.description.abstractTato práce se zabývá návrhem algoritmů detekce a rozpoznání registrační značky vozidla, které by byly použitelné pro re-identifikaci vozidla v obraze, a vytvořením jednoduchého systému analýzy dopravy. Byly navrženy a otestovány jednotlivé části toho systému. Konkrétně se jedná o detekci vozidel, detekci a rozpoznání registrační značky vozidla a systém samotný. Detekce vozidel je prováděna pomocí metody odečítání pozadí a vytváření ohraničení těchto oblastí s úspěšností ~92%. Registrační značka je detekována pomocí kaskády klasifikátoru a dosahuje úspěšnosti 81.72% a přesnosti 94.42%. Rozpoznání poznávací značky pomocí metody Template matching  dosahuje úspěšnosti 60.55%. Proto byl představen zcela nový princip rozpoznávání registrační značky vozidla pomocí jejího skenování užitím principu sliding window  a rozpoznáváním neuronovou sítí. Neuronová síť dosahuje úspěšnosti 64.47% pro testovací datovou sadu při použití pěti příznaků. Malou úspěšnost neuronové sítě však ovlivňuje nedostatek vzorků některých znaků registrační značky.cs
dc.description.abstractThis thesis aims at proposing vehicle license plate detection and recognition algorithms, suitable for vehicle re-identification. Simple urban traffic analysis system is also proposed. Multiple stages of this system was developed and tested. Specifically - vehicle detection, license plate detection and recognition. Vehicle detection is based on background substraction method, which results in an average hit rate of ~92%. License plate detection is done by cascade classifiers and achieves an average hit rate of 81.92% and precision rate of 94.42%. License plate recognition based on Template matching results in an average precission rate of 60.55%. Therefore the new license plate recognition method based on license plate scanning using the sliding window principle and neural network recognition was introduced. Neural network achieves a precision rate of 64.47% for five input features. Low precision rate of neural network is caused by small amount of training sample for some specific license plate characters.en
dc.description.markDcs
dc.identifier.citationŠPAŇHEL, J. Re-identifikace vozidla pomocí rozpoznání jeho registrační značky [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2015.cs
dc.identifier.other88790cs
dc.identifier.urihttp://hdl.handle.net/11012/64033
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsPřístup k plnému textu prostřednictvím internetu byl licenční smlouvou omezen na dobu 3 roku/letcs
dc.subjectPočítačové viděnícs
dc.subjectdopravacs
dc.subjectanalýza dopravycs
dc.subjectdetekce vozidelcs
dc.subjectdetekce registrační značkycs
dc.subjectrozpoznání registrační značkycs
dc.subjectre-identifikace vozidelcs
dc.subjectodečítání pozadícs
dc.subjectkaskáda klasifikátorůcs
dc.subjecttemplate matchingcs
dc.subjectsliding windowcs
dc.subjectskenování registrační značkycs
dc.subjectneuronová síťcs
dc.subjectComputer visionen
dc.subjectUrban trafficen
dc.subjectUrban traffic analysisen
dc.subjectVehicle detectionen
dc.subjectLicense plate detectionen
dc.subjectLicense plate recognitionen
dc.subjectRe-identification of vehiclesen
dc.subjectBackground substractionen
dc.subjectCascade classifieren
dc.subjectTemplate matchingen
dc.subjectSliding windowen
dc.subjectLicense plate scanningen
dc.subjectNeural networken
dc.titleRe-identifikace vozidla pomocí rozpoznání jeho registrační značkycs
dc.title.alternativeRe-Identification of Vehicles by License Plate Recognitionen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2015-06-25cs
dcterms.modified2020-05-10-16:12:14cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid88790en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 15:20:46en
sync.item.modts2025.01.15 21:38:08en
thesis.disciplinePočítačová grafika a multimédiacs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédiícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
Posudek-Vedouci prace-17858_v.pdf
Size:
86.29 KB
Format:
Adobe Portable Document Format
Description:
Posudek-Vedouci prace-17858_v.pdf
Download
Thumbnail Image
Name:
Posudek-Oponent prace-17858_o.pdf
Size:
97.34 KB
Format:
Adobe Portable Document Format
Description:
Posudek-Oponent prace-17858_o.pdf
Download
Thumbnail Image
Name:
review_88790.html
Size:
1.47 KB
Format:
Hypertext Markup Language
Description:
file review_88790.html
Download
Collections
2015