Implementação de um Sistema de Reconhecimento Automático de Placas de Veículos Utilizando Visão Computacional

• Gabriel Vinícius Raffaelly UTFPR
• André Roberto Ortoncelli UTFPR
• Marlon Marcon UTFPR

DOI: https://doi.org/10.5753/erbd.2026.21391

Resumo

Este artigo apresenta o desenvolvimento de um sistema de Reconhecimento Automático de Placas de Veículos (ALPR) voltado para o controle de acesso veicular na Universidade Tecnológica Federal do Paraná (UTFPR), campus Dois Vizinhos. O foco da aplicação foi a integração de tecnologias de visão computacional (YOLOv4 e OpenCV) e de reconhecimento óptico de caracteres (Tesseract OCR) com uma API de consulta. O sistema processa imagens para detectar e reconhecer placas, validando-as em um banco de dados de veículos registrados para permitir ou negar o acesso. Os resultados demonstram a viabilidade da abordagem, com um tempo de processamento de 1,01 segundos por quadro, o que evidencia a eficiência do sistema no gerenciamento de dados de acesso em tempo real.

Referências

Guingo, B. C., Rodrigues, R. J., and THOME, A. C. G. (2002). Automatic identification for automotives vehicles plates. In 3rd WSEAS International Conference on Neural Networks and Applications (NNA’02), volume 2, pages 15–21.

Laroca, R., Santos, M., Estevam, V., Luz, E., and Menotti, D. (2022). A first look at dataset bias in license plate recognition. In 2022 35th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), volume 1, pages 234–239. IEEE.

Laroca, R., Zanlorensi, L. A., Gonçalves, G. R., Todt, E., Schwartz, W. R., and Menotti, D. (2021). An efficient and layout-independent automatic license plate recognition system based on the yolo detector. IET Intelligent Transport Systems, 15(4):483–503.

Wang, C.-Y., Bochkovskiy, A., and Liao, H.-Y. M. (2021). Scaled-YOLOv4: Scaling cross stage partial network. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pages 13029–13038.