Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/25382
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorBenzeghioua, Safaa-
dc.contributor.authorBoutrif, Rania-
dc.contributor.authorYkhlef, Faycal ( Promoteur)-
dc.contributor.authorYkhlef, Hadjer (Co-Promoteur)-
dc.date.accessioned2023-10-08T12:22:49Z-
dc.date.available2023-10-08T12:22:49Z-
dc.date.issued2023-
dc.identifier.urihttps://di.univ-blida.dz/jspui/handle/123456789/25382-
dc.descriptionill., Bibliogr. Cote:ma-004-964fr_FR
dc.description.abstractNotre projet vise à développer un système avancé de reconnaissance des plaques d'immatriculation des voitures ainsi que de leurs marques, dans le but d'automatiser l'accès aux parkings des institutions et d'augmenter le niveau de sécurité. Nous utiliserons des techniques avancées d'apprentissage profond pour atteindre cet objectif. Lorsqu'une voiture franchit la boucle de courant installée à l'entrée du parking, la caméra du poste de contrôle se déclenche automatiquement pour capturer une image du devant du véhicule. La reconnaissance des plaques s'effectue en deux phases : (i) la localisation de la plaque et (ii) la reconnaissance des chiffres. Pour la première phase, nous utilisons Yolo.v8. En ce qui concerne la deuxième phase, nous avons mis en œuvre trois modèles différents : (i) EasyOCR, (ii) Tesseract et (iii) un modèle de reconnaissance basé sur l'architecture AlexNet. La reconnaissance des logos est basée sur notre architecture CNN personnalisée. Nous nous sommes focalisés sur les matricules Algériens dans notre étude. L'évaluation de notre système sur une base de données de plaques d'immatriculation algériennes révèle que le modèle AlexNet a atteint un taux de reconnaissance correcte de 99,31%. En revanche, la reconnaissance des marques de véhicules a obtenu un taux de reconnaissance correcte de 97,05%. Les résultats obtenus démontrent que dans des conditions favorables telles qu'un éclairage adéquat et des angles appropriés, le système parvient à détecter et à identifier avec succès le numéro de la plaque d'immatriculation ainsi que la marque du véhicule. De plus, le système affiche des informations pertinentes sur le véhicule, y compris les informations personnelles du conducteur. Mot clé : Vision par ordinateur, Localisation, Segmentation, Reconnaissance, Classification, CNN, Plaque d’immatriculation, OpenCV.fr_FR
dc.language.isofrfr_FR
dc.publisherUniversité Blida 1fr_FR
dc.subjectVision par ordinateurfr_FR
dc.subjectLocalisationfr_FR
dc.subjectSegmentationfr_FR
dc.subjectReconnaissancefr_FR
dc.subjectClassificationfr_FR
dc.subjectCNNfr_FR
dc.subjectPlaque d’immatriculationfr_FR
dc.subjectOpenCVfr_FR
dc.titleReconnaissance Automatique des Marques de Véhicules et leurs Plaques d’Immatriculationfr_FR
dc.typeThesisfr_FR
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Boutrif Rania et Benzeghioua Safaa.pdf3 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.