Show simple item record

dc.contributor.authorLebib Souhila
dc.contributor.authorAit Menguellet Farida
dc.contributor.otherDib Ahmed
dc.date.accessioned2021-02-28T10:34:57Z
dc.date.available2021-02-28T10:34:57Z
dc.date.issued2016
dc.identifier.citationConduite De Projets Informatiques
dc.identifier.otherMAST.INF.110-16en
dc.identifier.urihttps://www.ummto.dz/dspace/handle/ummto/12615
dc.description73 f. : ill. ; 30 cm. (+ CD-Rom)en
dc.description.abstractLe processus de la détection de plaque d'immatriculation à partir d'une séquence vidéo nécessite une étude profonde et des recherches intenses sur les Big data et le traitement d'image et plus précisément sur les framework qui manipule et implémente les volumes massive de données, ainsi que des méthodes qui permettent la détection des caractéristiques locales et globales afin de détecter la plaque minéralogique du véhicule à partir d'une image. Pour cela on acquit au début de ce mémoire les éléments de base sur les Big data, la solution software conçues pour simplifier et accélérer l'obtention d'informations synthétiques à partir de l'analyse métier, et la gestion des grands volumes de données à un champ d'application très vaste et varié ainsi que la plateforme de manipulation de ce grand volume de donné nommée Hadoop. Cette plateforme est un Framework qui permet le traitement distribué de grands ensembles de données à travers des grappes d'ordinateurs utilisant des modèles simples de programmation. Elle est conçue pour évoluer à partir de serveurs uniques à des milliers de machines. A fin de bien munir ces tâches, Hadoop se base sur un modèle de programmation massivement parallèle adapté au traitement de très grandes quantités de données dite MapReduce. Enfin, le Framework Java MapReduce fournit une API pour écrire des applications qui vont pouvoir traiter de larges quantité d'information telque les séquences vidéo de surveillances capturées aux autoroutes, dans des parkings etc. L'objectif visé par le deuxième chapitre est l'étude des concepts de bases du domaine de traitement d'images qu'on présente dans ces trois majeurs points : " Etude détaillée sur les vidéos : Définition, Composants et caractéristiques. " Les systèmes de recherche d'information basés sur le contenu vidéo (CBVIR) et les méthodes d'indexation et de rechercher. " Définition détaillée sur les images et la déterminassions des caractéristiques locales et globales ainsi les détecteurs et les descripteurs de caractéristiques d'une image. Le domaine d'application de la detection des plaques d'immatriculation de véhicule est très vaste, pour cela on a évoqué un certain nombre de notions et d'éléments concernent la phase de la détection et la phase de la reconnaissance des plaques d'immatriculation, les méthodes de la détection des plaques d'immatriculation de véhicule aux différents niveaux de traitement de l'image et les méthodes utilisées pour la détection des plaques d'immatriculation à grand échelle a fin de ce rapprocher plus vers notre objectif derrière de tous ce travail. Les concepts du domaine de détection d'immatriculation simplifièrent l'implémentation de la détection de plaque d'immatriculation de véhicule. Notre méthode pour cela est basée sur la technique du framework MapReduce pour écrire un programme java qu'on exécute sous le framework Hadoop. Ce programme doit être à la hauteur de détecter l'existence ou non d'une plaque d'immatriculation à partir d'une séquence d'images traité dans un algorithme qui passe d'une exécution séquentielle a une exécution parallèle avec OpencVen
dc.language.isofren
dc.publisherUniversité Mouloud Mammerien
dc.subjectBig Dataen
dc.subjectHadoopen
dc.subjectMapreduceen
dc.subjectImage CBIRen
dc.subjectopen Cven
dc.titleDétection de plaque d'immatriculation de véhicule basée sur MapReduce dans une séquence Vidéoen
dc.typeThesisen


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record