Sistema de inferência multicâmera aplicado ao reconhecimento de placas veiculares brasileiras

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.

The growing demand for automated video analysis solutions poses technical challenges related to computational cost and the scalability of real-time computer vision systems. This work presents the development of a convolutional neural network (CNN) inference system using multiple cameras to analyze real-time computer vision tasks; specifically, the detection and recognition of characters on Brazilian vehicle license plates. The NVIDIA® ecosystem of tools is employed to train the models via transfer learning and to optimize the deployment of the proposed system in a high-traffic commercial parking lot. During the testing period, simultaneously handling 21 cameras at a rate of 25 FPS and a resolution of 640 × 480 pixels, the system demonstrated the capacity to meet the demand with only 40% of the GPU’s resource usage. The model trained for the license plate recognition task achieved an accuracy of 89.61% for all characters in a single frame. This performance was further improved using the statistical mode technique across consecutive frames, reaching an accuracy rate of 93.30%, supported by an average character error rate (CER) of 1.80%. It is concluded that the developed system represents a scalable and economically viable solution with low computational requirements for real-time computer vision applications.