DETECÇÃO E RECONHECIMENTO DE PLACAS DE LICENCIAMENTO VEICULAR EM TEMPO REAL USANDO CNN

Autores

  • Marcelo Eidi Imamura Universidade do Oeste Paulista - UNOESTE
  • Francisco Assis da Silva Universidade do Oeste Paulista - UNOESTE
  • Leandro Luiz de Almeida Universidade do Oeste Paulista - UNOESTE
  • Danillo Roberto Pereira Universidade do Oeste Paulista - UNOESTE
  • Almir Olivette Artero UNESP
  • Marco Antonio Piteri Universidade do Oeste Paulista - UNOESTE

Palavras-chave:

reconhecimento de placas de licenciamento veicular, aprendizado de máquina, visão computacional

Resumo

O Brasil possui uma grande frota de veículos trafegando diariamente pelas vias urbanas e estradas, o que se faz necessário o uso de alguma solução computacional para auxiliar no controle e gerenciamento. Neste trabalho foi desenvolvida uma aplicação para detectar e reconhecer placas de licenciamento veicular em tempo real com várias possibilidades de aplicações. A metodologia desenvolvida neste trabalho possui três etapas principais, sendo a detecção da placa, a segmentação dos caracteres e o reconhecimento. Para a etapa de detecção foi utilizada a biblioteca YOLO, que faz uso de técnicas de aprendizagem de máquina para detectar objetos em tempo real. A YOLO foi treinada utilizando um dataset com imagens de placas em diferentes ambientes. Na etapa de segmentação foi realizada a separação dos caracteres individualmente que estão contidos na placa, fazendo o uso de métodos de processamento de imagem. Na última etapa, foi realizado o reconhecimento dos caracteres utilizando duas redes neurais convolucionais, obtendo uma taxa de acerto de 83,33%.

Downloads

Não há dados estatísticos.

Referências

ALBAWI, S.; MOHAMMED, T. A.; AL-ZAWI, S. Understanding of a convolutional neural network. In: IEEE INTERNATIONAL CONFERENCE ON ENGINEERING AND TECHNOLOGY (ICET), Antalya, 2017. https://doi.org/10.1109/ICEngTechnol.2017.8308186

ALBUQUERQUE, M. P. Processamento de imagens: métodos e análises. Rio de Janeiro: FACET, 2001.

ARAÚJO, F. H. D.; CARNEIRO, A. C.; SILVA, R. V.; MEDEIROS, F. N. S.; USHIZIMA, D. M. Redes Neurais Convolucionais com Tensorflow: Teoria e Prática. In: III ESCOLA REGIONAL DE INFORMÁTICA DO PIAUÍ. Anais – ERI 2017, v. 1, n. 1, Piauí, p. 382-406, 2017.

BENJDIRA, B.; KHURSHEED, T.; KOUBAA, A.; AMMAR, A.; OUNI, K. Car Detection using Unmanned Aerial Vehicles: Comparison between Faster R-CNN and YOLOv3. In: 1ST INTERNATIONAL CONFERENCE ON UNMANNED VEHICLE SYSTEMS (UVS), Oman, 2019. https://doi.org/10.1109/UVS.2019.8658300

CONTRAN. Resolução 231. Disponível em: http://www.denatran.gov.br/download/Resolucoes/RESOLUCAO_231.pdf. Acesso em: 15 ago. 2018.

CORNETO, G. L.; SILVA, F. A.; PEREIRA, D. R.; ALMEIDA, L. L.; ARTERO, A. O.; PAPA, J. P.; ALBUQUERQUE, V. H. C.; SAPIA, H. M. A New Method for Automatic Vehicle License Plate Detection. IEEE Latin America Transactions, v. 15, p. 75-80, 2017. https://doi.org/10.1109/TLA.2017.7827890

DETRAN SP: Frota de Veículos em SP – por tipo de veículo. Disponível em: https://www.detran.sp.gov.br/wps/wcm/connect/portaldetran/detran/detran/estatisticastransito/safrotaveiculos/d28760f7-8f21-429f-b039-0547c8c46ed1. Acessado em 17 ago. 2018.

DIAS, F. G., SOARES, H. C.; FONSECA, L. M. G. Estudo da aplicação de filtros de detecção de bordas na identificação da frente termal da Corrente do Brasil. Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, p. 7086-7092, 2011.

GUO, T.; DONG, J.; LI, H.; GAO, Y. Simple convolutional neural network on image classification. In: IEEE 2ND INTERNATIONAL CONFERENCE ON BIG DATA ANALYSIS (ICBDA) Beijing, p. 721-724, 2017. https://doi.org/10.1109/ICBDA.2017.8078730

ISMAIL, M. License plate Recognition for moving vehicles case: At night and under rain condition. In: IEEE SECOND INTERNATIONAL CONFERENCE ON INFORMATICS AND COMPUTING (ICIC), Jayapura, Indonesia, 2017. https://doi.org/10.1109/IAC.2017.8280649

JAGTAP, J.; HOLAMBE, S. Multi-Style License Plate Recognition using Artificial Neural Network for Indian Vehicles. In: IEEE INTERNATIONAL CONFERENCE ON INFORMATION, COMMUNICATION, ENGINEERING AND TECHNOLOGY (ICICET), Pune, India, 2018. https://doi.org/10.1109/ICICET.2018.8533707

JESUS, E. O.; COSTA-JR, R. A utilização de filtros gaussianos na análise de imagens digitais. Proceeding. Series of the Brazilian Society of Computational and Applied Mathematics, v. 3, n. 1, 2015. https://doi.org/10.5540/03.2015.003.01.0118

LECUN, Y.; BOSER, B.; DENKER, J. S.; HENDERSON, D.; HOWARD, R. E.; HUBBARD, W.; JACKEL, L. D. Backpropagation applied to handwritten zip code recognition. Neural Computation, v. 1, n. 4, p. 541-551, 1989. https://doi.org/10.1162/neco.1989.1.4.541

LECUN, Y.; BOTTOU, L.; BENGIO, Y.; HAFFNER, P. Gradient-based learning applied to document recognition. Proceedings of the IEEE, v. 86, n. 11, p. 2278-2324, 1998. https://doi.org/10.1109/5.726791

LEE, S.; SON, K.; YOON, B.; PARK, J. Video Based License Plate Recognition of Moving Vehicles Using Convolutional Neural Network. In: 18th INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION AND SYSTEMS (ICCAS), Daegwallyeong, South Korea, p. 1634-1636, 2018.

OTSU, N. A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man and Cybernetics, v. 9, n. 1, 1979. https://doi.org/10.1109/TSMC.1979.4310076

PRASAD, P. Data Augmentation Techniques in CNN using Tensorflow. 2017. Disponível em: https://medium.com/ymedialabs-innovation/data-augmentation-techniques-in-cnn-using-tensorflow-371ae43d5be9. Acessado em: 12 jan. 2019.

REDMON, J.; DIVVALA, S.; GIRSHICK, R.; FARHADI, A. You Only Look Once: Unified, Real-Time Object Detection. IN: IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), Las Vegas, NV, p. 779-788, 2016. https://doi.org/10.1109/CVPR.2016.91

REVISTA QUATRO RODAS. Placa do Mercosul: tire suas dúvidas e saiba o que já mudou no projeto. 2019. Disponível em: https://quatrorodas.abril.com.br/auto-servico/placa-do-mercosul-tire-suas-duvidas-e-saiba-o-que-ja-mudou-no-projeto/ . Acesso em: 03 set. 2021

SHEN, W.; WANG, W. Node Identification in Wireless Network Based on Convolutional Neural Network. In: 14th IEEE INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND SECURITY (CIS), Hangzhou, p. 238-241, 2018. https://doi.org/10.1109/CIS2018.2018.00059

SILVA, F. A.; ARTERO, A. O.; PAIVA, M. S. V. ; BARBOSA, R. L. ALPRS - A New Approach for License Plate Recognition Using the SIFT Algorithm. Signal & Image Processing: An International Journal, v. 4, p. 17-33, 2013. https://doi.org/10.5121/sipij.2013.4102

VARGAS, A. C. G.; PAES, A.; VASCONCELOS, C. N. Um estudo sobre redes neurais convolucionais e sua aplicação em detecção de pedestres. Proceedings of the XXIX CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES. 2016.

VIEIRA-NETO, H.; MARQUES-FILHO, O. Processamento digital de imagens. Brasport, 1999.

WANG, N.; ZHU, X.; ZHANG, J. License Plate Segmentation and Recognition of Chinese Vehicle Based on BPNN. In: 12th IEEE INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND SECURITY (CIS), Wuxi, China, p. 403-406, 2016. https://doi.org/10.1109/CIS.2016.0098

Downloads

Publicado

2021-09-13

Como Citar

Imamura, M. E., Silva, F. A. da, Almeida, L. L. de, Pereira, D. R., Artero, A. O., & Piteri, M. A. (2021). DETECÇÃO E RECONHECIMENTO DE PLACAS DE LICENCIAMENTO VEICULAR EM TEMPO REAL USANDO CNN. Colloquium Exactarum. ISSN: 2178-8332, 13(1), 89–99. Recuperado de https://revistas.unoeste.br/index.php/ce/article/view/4143

Artigos mais lidos pelo mesmo(s) autor(es)

1 2 3 4 5 6 7 > >>