Detecção de placas de velocidade em ambientes viários utilizando redes neurais convolucionais Yolo e reconhecimento de caracteres OCR

Abstract

Este trabalho de conclusão de curso explora a aplicação da técnica YOLO (You Only Look Once) juntamente com reconhecimento de caracteres OCR no reconhecimento de placas de velocidade de trânsito, com o objetivo de aprimorar os sistemas de assistência ao motorista. A abordagem YOLO, conhecida por sua eficiência computacional e precisão na detecção de objetos em tempo real, oferece uma solução promissora para automatizar a identificação de placas de velocidade, fornecendo informações cruciais para os sistemas de navegação e alerta ao condutor. Em um cenário onde a segurança viária e a eficiência no trânsito são prioridades crescentes, a integração do YOLO no reconhecimento de placas de trânsito representa um avanço significativo. A capacidade de reconhecer rapidamente placas de velocidade com precisão é essencial para o funcionamento eficaz dos sistemas de assistência ao motorista, contribuindo diretamente para a prevenção de acidentes e a tomada de decisões informadas durante a condução. Ao longo do desenvolvimento deste estudo, foram exploradas diversas etapas, desde a configuração do ambiente de treinamento e técnicas para aumentar a eficiência do treinamento até a análise dos resultados obtidos. A integração do YOLO demonstrou-se eficaz na detecção de placas de velocidade em diferentes condições, proporcionando uma base sólida para aprimoramentos futuros. Os resultados deste estudo apontam para o potencial do YOLO como uma ferramenta poderosa para melhorar a segurança viária e a eficiência do trânsito. Ao automatizar a detecção de placas de velocidade, este trabalho não apenas contribui para aprimorar os sistemas existentes, mas também abre portas para futuras inovações na área de segurança veicular e mobilidade urbana.

This thesis explores the application of the YOLO (You Only Look Once) technique along with Optical Character Recognition (OCR) in recognizing traffic speed signs, aiming to enhance driver assistance systems. The YOLO approach, renowned for its computational efficiency and real-time object detection precision, offers a promising solution for automating speed sign identification, providing crucial information for navigation and driver alert systems. In a context where road safety and traffic efficiency are increasingly prioritized, integrating YOLO into traffic sign recognition represents a significant advancement. The ability to quickly and accurately recognize speed signs is essential for the effective operation of driver assistance systems, directly contributing to accident prevention and informed decision-making during driving. Throughout the development of this study, various stages were explored, from setting up the training environment and techniques to enhance training efficiency to analyzing the obtained results. The integration of YOLO proved effective in detecting speed signs under different conditions, providing a solid foundation for future enhancements. The findings of this study point to the potential of YOLO as a powerful tool to improve road safety and traffic efficiency. By automating speed sign detection, this work not only contributes to enhancing existing systems but also opens doors for future innovations in the field of vehicular safety and urban mobility.