Detecção de Placas de Veículos Roubados com YOLOv5s em Cidades Inteligentes

  • Isa C. C. de Andrade UFPA
  • João P. S. Cardoso UFPA
  • Roberto C. L. Oliveira UFPA
  • Carlos R. L. Francês UFPA

Resumo

No Brasil, o alto número de roubos e furtos de veículos é alarmante, com 564 mil casos em 2021, cerca de um roubo por hora. Este trabalho propõe um sistema de detecção de placas de veículos roubados, usando YOLOv5s, para rastrear e identificar a localização dos veículos, visando auxiliar na segurança pública. Essa abordagem atingiu um mAP@.5 de quase 95% em um tempo de resposta de 0,056 segundos.

Referências

Cimirro, J. L. D. S. (2022). Reconhecimento de imagens: Uso do método Yolo no reconhecimento de placas de trânsito.

Dalal, N., & Triggs, B. (2005, June). Histograms of oriented gradients for human detection. In 2005 IEEE computer society conference on computer vision and pattern recognition (CVPR'05) (Vol. 1, pp. 886-893). Ieee.

Everingham, M., Eslami, S. A., Van Gool, L., Williams, C. K., Winn, J., & Zisserman, A. (2015). The pascal visual object classes challenge: A retrospective. International journal of computer vision, 111, 98-136.

Leal, N. G. M. (2022). Sistema assíncrono para reconhecimento automático de placas de motos (Bachelor's thesis, Universidade Federal do Rio Grande do Norte).

Liu, Li; Ouyang, Wanli; Wang, Xiaogang; Fieguth, Paul; Chen, Jie; Liu, Xinwang; Pietikäinen, Matti. "Deep Learning for Generic Object Detection: A Survey." International Journal of Computer Vision, vol. 128, no. 2, Springer, 2020, p. 261–318.

Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You only look once: Unified, real-time object detection. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 779-788).

Trimestral, Divulgação. "Pesquisa Nacional por Amostra de Domicílios Contínua." 2021. Ultralytics. "YOLOv5." 2022. Disponível em: https://github.com/ultralytics/yolov5. Acesso em: 10 mar. 2023.

W251ocr. "OCR Dataset." Conjunto de dados de código aberto. Roboflow Universe, 2023. Disponível em: https://universe.roboflow.com/w251ocr/ocr-oy9a7. Acesso em: 28 jun. 2023.

Xu, Renjie, LIN, Haifeng, LU, Kangjie, et al. A forest fire detection system based on ensemble learning. Forests, 2021, vol. 12, no 2, p. 217.

Zhao, Z. Q., Zheng, P., Xu, S. T., & Wu, X. (2019). Object detection with deep learning: A review. IEEE transactions on neural networks and learning systems, 30(11), 3212-3232.
Publicado
2023-10-30
Como Citar
ANDRADE, Isa C. C. de et al. Detecção de Placas de Veículos Roubados com YOLOv5s em Cidades Inteligentes. Anais da Escola Regional de Alto Desempenho Norte 2 (ERAD-NO2) e Escola Regional de Aprendizado de Máquina e Inteligência Artificial Norte 2 (ERAMIA-NO2), [S.l.], p. 41-44, out. 2023. ISSN 0000-0000. Disponível em: <https://sol.sbc.org.br/index.php/erad-eramia-no2/article/view/26639>. Acesso em: 18 maio 2024. doi: https://doi.org/10.5753/erad-no2.2023.236311.