Comparativo de algoritmos com e sem a utilização de redes neurais sobre reconhecimento de placas automotivas

Abstract

Atualmente no cenário de extrema globalização, nota-se que o crescimento da população afeta diretamente o crescimento do número de veículos em circulação, o que desencadeia problemas de controle de tráfego. Tendo isso em vista, o presente trabalho objetiva comparar resultados de duas diferentes formas para o reconhecimento de placas veiculares e leitura dos caracteres dessas placas por meios de algoritmos a partir da entrada de imagens. Assim, foram comparados dois métodos diferentes de visão computacional juntamente com diversos tipos de processamentos digitais para que, no final, seja determinado o melhor e mais eficiente dentre eles. Em uma abordagem utilizou-se apenas bibliotecas de reconhecimento visual, em outra abordagem utilizou-se um algoritmo de redes neurais convolucionais, para extrair a região da placa na imagem. A partir destas imagens aplicou-se métodos de extração de caracteres com OCR (Optical Character Recognition) em ambas as imagens extraídas de cada abordagem utilizada. Com os resultados obtidos, pode-se concluir que o método mais eficiente para a visão computacional encontrado foi com a utilização de redes neurais convolucionais quando comparado com a biblioteca de reconhecimento visual, pois ele apresenta um melhor retorno de placas reconhecidas e caracteres lidos com êxito.

Currently, in the scenario of extreme globalization, it is remarked that population growth directly affects the growth in the number of vehicles in circulation, which triggers traffic control problems. In view of this, the present paper aims to compare results of two different ways for the recognition of license plates and reading the characters of these plates, by means of algorithms from the input of images. Thus, two different methods of computer vision were compared, along with different types of digital processing, so that in the end the best and most efficient one could be determined. In one approach, only visual recognition libraries were used, in another approach, a convolutional neural network algorithm was used to extract the plate region in the image. From these images, character extraction methods with OCR (Optical Character Recognition) were applied to both images extracted from each used approach. With the obtained results, it can be concluded that the most efficient method for computer vision found was the use of convolutional neural networks when compared to the visual recognition library, as it presents a better return of recognized plates and successfully read characters.