Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/34149
Назва: Метод розпізнавання об’єкта на базі відео реєстратора
Інші назви: Method of object recognition based on video recorder radiometric
Автори: Ликавський, Богдан Андрійович
Lykavsky, Bohdan
Приналежність: ТНТУ ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії, Кафедра радіотехнічних систем, м. Тернопіль, Україна
Бібліографічний опис: Ликавський Б. А. Метод розпізнавання об’єкта на базі відео реєстратора : кваліфікаційна робота магістра за спеціальністю „172 — телекомунікації та радіотехніка“ / Б. А. Ликавський. – Тернопіль : ТНТУ, 2020. – 58 c.
Дата публікації: гру-2020
Дата подання: гру-2020
Дата внесення: 24-січ-2021
Видавництво: Тернопільський національний технічний університет імені Івана Пулюя
Країна (код): UA
Місце видання, проведення: ТНТУ ім. І. Пулюя, Факультет прикладних інформаційних технологій та електроінженерії, Кафедра радіотехнічних систем, м. Тернопіль, Україна
Науковий керівник: Дунець, Василь Любомирович
Dunets, Vasyl
Члени комітету: Хвостівський, Микола Орестович
УДК: 621.394.623
Теми: 172
телекомунікації та радіотехніка
ймовірність
виявлення
розпізнавання об'єктів
бінаризація
алгоритм виявлення
шум
probability
detection
object recognition
binarization
detection algorithm
noise
Короткий огляд (реферат): В кваліфікаційній роботі проведено зіставлення алгоритмів детектування об'єктів і розпізнавання на підставі їх ознак текстових символів автомобільного номера. Обґрунтовано критерій достовірності для порівняння впливу шуму на розпізнавання символів ознак при різних порогах. При збільшеному порозі шуму 0.9 результат зашумленного ознаки не розпізнається.
In the qualification work the comparison of algorithms of detection of objects and recognition on the basis of their signs of text symbols of car number is carried out. The reliability criterion for comparison of the influence of noise on the recognition of feature symbols at different thresholds is substantiated. At the increased noise threshold of 0.9 the result of the noisy sign is not recognized.
Зміст: ВСТУП 7 РОЗДІ 1. АНАЛІТИЧНА ЧАСТИНА 10 1.1 Розпізнавання об'єктів за допомогою нейронних мереж 10 1.2 Методи порівняння за зразком на основі кореляції 13 1.3 Розпізнавання об'єктів на основі обчислення їх ознак 17 1.4 Висновки до розділу 1 20 РОЗДІЛ 2. ОСНОВНА ЧАСТИНА 21 2.1. Методи побудови системи розпізнавання об'єктів 21 2.2. Попередня обробка перед розпізнаванням 25 2.3. Детектування об'єктів 26 2.4. Висновки до розділу 2 30 РОЗДІЛ 3. НАУКОВО-ДОСЛІДНА ЧАСТИНА 31 3.1. Дослідження методів на прикладі номерного знаку 31 3.2. Обробка знімка розташування номерного знака 31 3.3. Розпізнавання символів 37 3.4 Розпізнавання об'єктів за ознаками 39 3.5 Вплив шуму на виявлення символів 44 3.6. Висновки до розділу 3 46 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 48 4.1. Охорона праці 48 4.2. Безпека в надзвичайних ситуаціях 50 4.3. Висновки до розділу 4 53 ЗАГАЛЬНІ ВИСНОВКИ 54 ПЕРЕЛІК ПОСИЛАНЬ 56
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/34149
Власник авторського права: © Ликавський Богдан Андрійович, 2020
Перелік літератури: 1. Edwards G. Interpreting face images using active appearance models / G. J. Edwards, C. J. Taylor, T. F. Cootes // Proc. Intnl. Conf. on Automatic Face and Gesture Recognition – 1998. – P. 300–305. 2. Matthews I. 2D vs. 3D Deformable Face Models: Representational Power, Construction and Real-Time Fitting / I. Matthew, J. Xiao, S. Baker // Intnl. Journal of Comp. Vision – Springer, 2007. – Vol. 75, No. 1. – P. 93–113. 3. Matthews I. Active Appearance Models Revisited / I. Matthews, S. Baker // Intnl. Journal of Computer Vision – Hingham, MA: Kluwer Academic Publishers. – 2004. – Vol. 60, No. 2. – P. 135–164. 4. Golomb L. A., Lawrence D. T. and Sejnowski T. J. SexNet: A neural network identifies sex from human faces// Advances in Neural Information Processing Systems, Morgan Kaufmann Publishers. San Mateo. USA. 1991. P. 77-83. 5. Takas B. and Wechsler H. Locating features using SOFM// Proceedings of IAPR. 1994. Vol. 2. P. 55-60. 6. Feraud R., Bernier O. J., Viallet J-E., Collobert M A fast and accurate face detector based on neural networks// IEEE Trans. on Pattern Analysis and Machine Intel. 2001. Vol. 23. № .1. P.42-52. 7. Krьger N. An algorithm for the learning of weights in discrimination functions using a priori constrains// IEEE Trans. on Pattern Analysis and Machine Intel. 1997. Vol. 19. № .7. P.764-768. 8. Lades M., Vorbruggen J., Buhmann J., Lange J., Masburg C. and Wurtz R. Distortion invariant object recognition in the dynamic link architecture// IEEE Trans. on Computers. — 1993. Vol. 42. P. 300-311. 9. Valentin D. and Abdi H. Can linear autoassociator recognize faces from new orientations?// Journal Opt. Soc. Am. A.. 1996. Vol. 13. P. 522-530. 10. Wiskott L. Phantom faces for analysis // Pattern Recognition. 1997. Vol. 30. № .6. P. 837-846. 11. Department of Electrical and Computer Web Pages. License Plate 57 RecognitionFinal Report. http://www.ece.cmu.edu/~ee551/Final_Reports/Gr18.551.S00.pdf 12. Kim K.I., Kim K.K., Park S.H., Jung K., Park M.H., Kim H.J. VE-GA VISION: A Vision System For Recognizing License Plates // IEEE Intern. Symp. on Consumer Electronics (ISCE 99). – 1999. – V. 2. – P. 176–181. 13. Shapiro L. G., Stockman G. Computer vision. Prentice-Hall, 2001. 14. Szeliski R. Computer vision: algorithms and applications. Springer, 2010. 15. Martinsky O. Algorithmic and mathematical principles of automatic number plate recognition systems, B. Sc. Thesis, Brno University of Technology, 2007. 16. Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход. – М.: Издательский дом «Вильямс», 2004. 17. Петров В. А., Волохов В.А. Распознавание регистрационных номеров транспортных средств с использованием комитета классификаторов // Молодёжь и наука: модернизация и инновационное развитие страны. Материалы международной научно-практической конференции часть 2, 2011 г. Стр. 332-334. 20. Bishop C. M. Pattern recognition and machine learning. Springer, 2006. 21. Курсы лаборатории компьютерной графики и мультимедиа при ВМК МГУ им. М.В. Ломоносова http://courses.graphicon.ru/main/vision/lections. 22. Avidan S., Shamir A.. Seam Carving for Content-Aware Image Resizing, 2007. 23. Грузман И.С., Киричук В.С. Цифровая обработка изображений в информационных системах: Учебное пособие. – Новосибисрк: Изд-во НГТУ, 2002. – 352 c. 24. Shi and C. Tomasi. Good Features to Track. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 593-600, June 1994. 25. Понс Ж, Форсайт Д. Компьютерное зрение. Современный подход. М.: Изд. д. Вильямс, 2004. – 465с. 26. Локтев А.А., Алфимцев А.Н., Локтев Д.А. Алгоритм распознавания объектов // Вестник МГСУ. 2012. № 5. С. 194—201. 27. Арлазаров В.Л., Троянкер В.В., Котович Н.В. Адаптивное распознавание символов. — http://www.ocrai.narod.ru/adaptive.html. 28. Путятина В.М. Распознавание изображений на основе вычисления их 58 признаков корреляции между ними // Известия Южного федерального университета. Технические науки. Выпуск №2/том 79/2008. 29. Давыдов А.В. Распознавание объектов изображений: Конспект лекций. 2008. http://refdb.ru/look/1526317.html. 30. Журавлев Ю.И., Гуревич И. Б. Распознавание образов и распознавание изображений // Распознавание, классификация, прогноз. Математические методы и их применение. – Вып. 1. – М.: Наука. – 1989. – С. 5 – 72. 31. Журавель И.М. Краткий курс теории обработки изображений. Распознавание объектов на основе вычисления их признаков. http://matlab.exponenta.ru/imageprocess/book2/58.php . 32. Журавель И.М. Краткий курс теории обработки изображений. Анализ признаков объектов. http://matlab.exponenta.ru/imageprocess/book2/60.php 33. Вікіпедія // ru.wikipedia.org; https://ru.wikipedia.org/wikiЭксцентриситет . 34. Прэтт У. Цифровая обработка изображений: В 2 т. М.: Мир, 1982. 35. Писаревский А. Н., и др. Системы технического зрения: (Принципиальные основы, аппаратное и математическое обеспечение). Л.: Машиностроение, 1988. 36. Halarick R. M., Shapiro L. G. Computer and Robot Vision // V. I. Addison- Wesley, 1992.
Тип вмісту: Master Thesis
Розташовується у зібраннях:172 — телекомунікації та радіотехніка

Файли цього матеріалу:
Файл Опис РозмірФормат 
Dyplom_Lykavsky.pdf877,06 kBAdobe PDFПереглянути/відкрити
Авторська_довідка_Ликавський_Б_А.doc48,5 kBMicrosoft WordПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора