Sistema de inferência multicâmera aplicado ao reconhecimento de placas veiculares brasileiras
Year: 2025
Type: dissertation
Abstract: A crescente demanda por soluções automatizadas de análise de vídeo impõe desafios técnicos relacionados ao custo computacional e à escalabilidade de sistemas de visão computacional em tempo real. Este trabalho apresenta o desenvolvimento de um sistema de inferência de redes neurais convolucionais (CNN), utilizando múltiplas câmeras para a análise de tarefas de visão computacional em tempo real; especificamente, demonstra-se a detecção e o reconhecimento de caracteres em placas veiculares brasileiras. Utiliza-se o ecossistema de ferramentas da NVIDIA® para treinar, via aprendizado por transferência, e otimizar a implantação do sistema proposto em um estacionamento comercial de grande fluxo de veículos. Durante o período de testes, lidando simultaneamente com 21 câmeras a uma taxa de 25 FPS e resolução de 640×480 pixels, o sistema demonstrou capacidade de atender à demanda com apenas 40% de uso dos recursos da GPU. O modelo treinado para a tarefa de reconhecimento de placas alcançou uma acurácia de 89, 61% para todos os caracteres em um único frame. Este desempenho foi posteriormente aprimorado com o emprego da técnica de moda estatística em frames consecutivos, atingindo uma taxa de 93, 30% de acurácia, favorecida pela taxa de erro por caractere (CER) média de 1, 80%. Conclui-se que o sistema desenvolvido constitui uma solução escalável e economicamente viável, com baixos requisitos computacionais, para a aplicação de visão computacional em tempo real.
Author: Gato, Giovanni Albuquerque Silva
Language: Portuguese
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7081436248