Publicação: Desenvolvimento de um sistema embarcado de reconhecimento automático de placas automotivas para gerenciamento de tráfego
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::ENGENHARIAS
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Os sistemas de Reconhecimento Automático de Placas Veiculares, ou Automated License Plate Recognition(ALPR), identificam e reconhecem o texto presente em placas veiculares a partir de suas imagens. Suas possíveis aplicações são amplas, incluindo fiscalização de trânsito, controle de acesso a áreas privadas ou monitoramento. Normalmente esse tipo de sistema já existe comercialmente, porém seus custos são, na maioria das vezes, muito altos, pois além de serem desenvolvidos com objetivo de render algum lucro, também exigem um hardware de alto desempenho para lidar com a grande quantidade de dados que o processamento digital de imagens provê.
Este trabalho explora a viabilidade de utilização de hardware embarcado de baixo custo para cumprir o propósito de um sistema ALPR, utilizando um modelo de rede neural da TensorFlow Lite treinado especificamente para identificação de placas automotivas em imagens e técnicas de OCR, tanto embarcadas com a utilização da biblioteca Tesseract OCR quanto com a utilização de serviços em nuvem, utilizando o Vision AI. Também foram desenvolvidos algoritmos auxiliares para melhorar a acurácia do sistema como um todo, corrigindo possíveis erros advindos da etapa de OCR. Também foi construída uma interface utilizando a Custom TKinter para melhorar a visualização das etapas e facilitar as configurações do sistema. Os resultados obtidos para um conjunto de 30 imagens selecionadas de um banco de imagens são 93,25% de acurácia para o sistema operando em modo embarcado e 99,59% para o sistema operando com o serviço de OCR em nuvem.
Abstract
Automated License Plate Recognition (ALPR) systems consist of identifying and re-
cognizing text on license plates, typically from images. The potential applications for
such systems include traffic enforcement, access control to private areas, and monitoring.
While this type of system already exists commercially, its costs are often high due to
the need for high-performance hardware to handle digital image processing, in addition
to being developed with the aim of making a profit This work explores the feasibility of
using low-cost embedded hardware to fulfill the purpose of an ALPR system, employing
a TensorFlow Lite neural network model specifically trained for automotive plate identi-
fication in images and OCR techniques, both embedded using the Tesseract OCR library
and cloud services using Vision AI. Auxiliary algorithms were also developed to improve
the overall system accuracy by correcting potential errors arising from the OCR stage.
Additionally, an interface was built using Custom TKinter to enhance the visualization
of the steps and facilitate system configurations. The results obtained for a set of 30
selected images from an image database are 93.25% accuracy for the system operating in
embedded mode and 99.59% for the system operating with cloud-based OCR service.
Palavras-chave
Reconhecimento Automático de Placas Veiculares, ALPR, Reconhecimento de Caracteres, OCR, Redes Neurais
Citação
SANTOS, Hiago Henrique dos. Desenvolvimento de um sistema embarcado de reconhecimento automático de placas automotivas para gerenciamento de tráfego. 2024. 98 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica e de Telecomunicações) – Universidade Federal de Uberlândia, Patos de Minas, 2024.