<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Reconhecimento de Células Monetárias Falsas para Auxiliar Pessoas com Deficiência Visual

Carregando...
Imagem de Miniatura

Título da Revista

ISSN da Revista

Título de Volume

Editor

DOI

Resumo

Resumo O crime de falsificação de moeda é muito comum no Brasil e no mundo, sendo responsável pelo volume de quase 28,78 milhões de reais falsificados em 2022. Essa modalidade de crime, prevista no código penal, afeta, além da população em geral, os indivíduos com deficiência visual. De acordo com a Organização Mundial de Saúde, em 2022, a população com deficiência visual representa cerca de 2,2 bilhões de pessoas no mundo. Esses indivíduos podem se achar desamparadas, uma vez que as limitações acometidas pela deficiência visual dificultam a identificação dos elementos de segurança contidas em uma cédula monetária verdadeira. Por essa razão, as Tecnologias Assistivas, que são produtos ou equipamentos que visam auxiliar as pessoas com deficiência em suas tarefas diárias, relacionada ao reconhecimento de cédula falsa deveria ser desenvolvida, a fim de auxiliar essas pessoas no seu cotidiano. Em vista disso, o objetivo deste trabalho é desenvolver uma abordagem baseadas em visão computacional para o reconhecimento de cédulas monetárias falsas, com resultados superiores ou equiparados a outras abordagens do estado da arte. Para isso, foi necessário o desenvolvimento de um conjunto de dados de imagens de cédulas brasileiras (cédulas de Real). Ao criar o conjunto de dados, vários desafios foram identificados, as imagens de teste produzidas simulando o mundo real aparecem dobradas, com oclusões parciais em virtude do dedo do fotógrafo que cobre boa parte da cédula. O fundo das imagens são repletos de informações desnecessárias, variação de iluminação, entre outros. Mesmo assim, para esse novo conjunto de dados, foram obtidos resultados que alcançaram 97,1% de acurácia, 100% de precisão, 100% de especificidade, 94,52% de recall e 97,18% de F1-score, por meio de uma abordagem holística que utiliza para extração de características CNN/RESNET50 e classifica com SVM. Abstract The crime of counterfeiting currency is very common in Brazil and around the world, being responsible for the volume of almost 28.78 million reais counterfeited in 2022. This type of crime, provided for in the criminal code, affects, in addition to the general population, individuals with visual impairment. According to the World Health Organization, in 2022, the visually impaired population represents around 2.2 billion people in the world. These individuals may feel helpless, since the limitations caused by visual impairment make it difficult to identify the security elements contained in a real monetary note. For this reason, Assistive Technologies, which are products or equipment that aim to assist people with disabilities in their daily tasks, related to fake banknote recognition should be developed in order to assist these people in their daily lives. In view of this, the objective of this work is to develop an approach based on computer vision for recognizing fake currency notes, with results superior to or equivalent to other state-of-the-art approaches. To achieve this, it was necessary to develop a dataset of images of Brazilian banknotes (Real banknotes). When creating the dataset, several challenges were identified, the test images produced simulating the real world appear folded, with partial occlusions due to the photographer’s finger covering a large part of the banknote. The background of the images is full of unnecessary information, lighting variations, among others. Even so, for this new data set, results were obtained that reached 97.1% accuracy, 100% precision, 100% specificity, 94.52% recall and 97.18 % of F1-score, through a holistic approach that uses CNN/RESNET50 to extract features and classify with SVM.

Descrição

Autor(a): Kenad Wanderson Araujo Silva; Orientador(a): Laurindo de Sousa Britto Neto; Coorientador(a): Kelson Romulo Teixeira Aires Instituição: UFPI – Universidade Estadual do Piauí; Membro da banca: Felipe Leonel Grijalva Arevalo Instituição: Universidad San Francisco de Quito; Membro da banca: Rodrigo de Melo Souza Veras Instituição: UFPI – Universidade Federal do Piauí; Membro da banca: Vinícius Ponte Machado Instituição: UFPI – Universidade Federal do Piauí.

Citação

Avaliação

Revisão

Suplementado Por

Referenciado Por