Συγκριτική ανάλυση τεχνικών οπτικής αναγνώρισης χαρακτήρων (OCR) για την αυτόματη αναγνώριση πινακίδων κυκλοφορίας (ALPR)

Ντολλάνι, Φλάβιο

dc.contributor.advisor	Troussas, Christos
dc.contributor.author	Ντολλάνι, Φλάβιο
dc.date.accessioned	2024-10-10T14:19:47Z
dc.date.available	2024-10-10T14:19:47Z
dc.date.issued	2024-09
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/7672
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-7504
dc.description.abstract	Με την μεγάλη αύξηση των οχημάτων στην σύγχρονη κοινωνία, έχει δημιουργηθεί σε πολλές περιπτώσεις η ανάγκη για μια ακριβής και γρήγορη λύση ανίχνευσης οχημάτων. Τα συστήματα Αυτόματης Αναγνώρισης Πινακίδων Κυκλοφορίας (ALPR) βελτιώνουν σημαντικά την διαδικασία αυτή καθώς λειτουργούν με ελάχιστη παρέμβαση από τον άνθρωπο και μπορούν να συνεισφέρουν σε θέματα ασφαλείας, οδικής κυκλοφορίας ή διαχείρισης πάρκινγκ υπό διάφορες συνθήκες. Η παρούσα διπλωματική εργασία παρουσιάζει μια συγκριτική ανάλυση των τεχνικών οπτικής αναγνώρισης κειμένου (OCR) που εφαρμόζονται σε συστήματα ALPR. Η μελέτη επικεντρώνεται στην αξιολόγηση της απόδοσης δημοφιλών βιβλιοθηκών OCR σε διάφορα σενάρια, με στόχο την εύρεση της πιο αποτελεσματικής λύσης σε ένα τέτοιο σύστημα. Για την διεξαγωγή της έρευνας θα χρησιμοποιηθεί το μοντέλο YOLOv8 για την αναγνώριση των οχημάτων και των πινακίδων κυκλοφορίας , αφού πρώτα εκπαιδευτεί σε ένα μεγάλο σύνολο δεδομένων. Για την εξαγωγή του κειμένου από τις πινακίδες κυκλοφορίας θα χρησιμοποιηθούν οι βιβλιοθήκες EasyOCR, KerasOCR και PaddleOCR, οπού όπως διαπιστώνεται και στην συνέχεια έχουν τα πλεονεκτήματα και τα μειονεκτήματά τους ανάλογα με τις συνθήκες φωτισμού και την ποιότητα της εικόνας. Τα μοντέλα αυτά θα δοκιμαστούν σε ένα βίντεο αυτοκινητόδρομου για να γίνει η σύγκριση τους σε πραγματικές συνθήκες.	el
dc.format.extent	51	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights.uri	https://creativecommons.org/licenses/by-nc-sa/4.0/deed.el	*
dc.subject	Οπτική αναγνώριση χαρακτήρων	el
dc.subject	Αυτόματη αναγνώριση πινακίδων κυκλοφορίας	el
dc.subject	Αναγνώριση κειμένου	el
dc.subject	Αλγόριθμοι μηχανικής μάθησης	el
dc.subject	Όραση υπολογιστών	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Τεχνητή νοημοσύνη	el
dc.subject	YOLOv8	el
dc.subject	KerasOCR	el
dc.subject	EasyOCR	el
dc.subject	PaddleOCR	el
dc.title	Συγκριτική ανάλυση τεχνικών οπτικής αναγνώρισης χαρακτήρων (OCR) για την αυτόματη αναγνώριση πινακίδων κυκλοφορίας (ALPR)	el
dc.title.alternative	Comparative analysis of optical character recognition (OCR) techniques for automatic license plate recognition (ALPR)	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Tselenti, Panagiota
dc.contributor.committee	Κρούσκα, Ακριβή
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών	el
dc.description.abstracttranslated	With the large increase of vehicles in modern society, the need for an accurate and fast vehicle detection solution has arisen in many cases. Automatic License Plate Recognition (ALPR) systems significantly improve this process as they operate with minimal human intervention and can contribute to safety, road traffic or parking management issues under various conditions. This thesis presents a comparative analysis of optical text recognition (OCR) techniques applied to ALPR systems. The study focuses on evaluating the performance of popular OCR libraries in different scenarios, with the aim of finding the most effective solution in such a system. The YOLOv8 model will be used to conduct the research for vehicle and license plate recognition , after being trained on a large dataset. To extract the text from the license plates, the EasyOCR, KerasOCR and PaddleOCR libraries will be used, which as it is found later have their advantages and disadvantages depending on the lighting conditions and image quality. These models will be tested on a highway video to compare them in real world circumstances.	el

Files in this item

Name:: Dollani_18390139.pdf
Size:: 2.569Mb
Format:: PDF

View/Open

This item appears in the following Collection(s)

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Πληροφορικής και Υπολογιστών

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές