• English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Iniciar sesión
    ¿Nuevo Usuario? Pulse aquí para registrarse ¿Has olvidado tu contraseña?
Políticas   Declaración de Budapest  
  • Comunidades
  • Todo DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Iniciar sesión
    ¿Nuevo Usuario? Pulse aquí para registrarse ¿Has olvidado tu contraseña?
  1. Inicio
  2. Buscar por autor

Examinando por Autor "Ccoto Huallpa, Elias"

Mostrando 1 - 1 de 1
Resultados por página
Opciones de ordenación
  • Cargando...
    Miniatura
    Ítem
    Modelo de reconocimiento automático y detección de matrículas basado en OpenCV y Machine Learning
    (Universidad Peruana Unión, 2022-07-04) Ccoto Huallpa, Elias; Sanchez Garces, Jorge Alejandro
    El reconocimiento automático de matrículas (ALPR) es una tarea importante con muchas aplicaciones en los sistemas inteligentes de transporte y vigilancia. Muchos de los sistemas de reconocimiento de matrículas automatizados existentes, solo funcionan en un entorno controlado donde las imágenes se capturan desde un ángulo recto con buena iluminación y claridad. Esta investigación presenta un modelo de procesamiento de imágenes para la detección y el reconocimiento de matrículas en Perú, que se puede manejar matrículas de fuentes ruidosas, con poca iluminación, en ángulo cruzado y no estándar. Este trabajo emplea varias técnicas de procesamiento de imágenes como, transformación morfológica, suavizado gaussiano y umbral gaussiano en la etapa de procesamiento. Una vez realizado el procesamiento de imagen se usa 3 algoritmos diferentes K-NN, SVM y Tesseract para el reconocimiento de caracteres, cada algoritmo con sus respectivos hiperparámetros para su optimización. Las imágenes fueron separadas en dos grupos, la primera en 80 imágenes tomadas de diferentes ángulos y distancia donde se obtuvo SVM con el mejor mode oiiiiiiiiiiiiiiiiiiiiioiolo con un accuracy de 86% y en el segundo grupo con imágenes tomadas de un Angulo recto y distancia similar, en este grupo obtuvo un accuracy de 95.5%

Software DSpace copyright © 2002-2025 LYRASIS

  • Configuración de cookies
  • Política de privacidad
  • Acuerdo de usuario final
  • Enviar Sugerencias