Tamanho da fonte: 

O reconhecimento automático de placas veiculares em uma imagem possui inúmeras possibilidades e a sua utilização auxiliaria a sociedade de forma pertinente. A realização do reconhecimento de placas é feito em três etapas principais, a localização da placa na imagem, a segmentação dos caracteres e o reconhecimento dos caracteres segmentados. Apesar de existirem diversas técnicas da literatura para o reconhecimento de placas veiculares, nenhuma consegue atingir boas taxas de acurácia para todos os tipos as placas veiculares do mundo, já que cada país adota um modelo diferente. Dessa forma, este trabalho implementa somente a etapa de detecção da placa na imagem para futuramente realizar o reconhecimento das placas dos dois modelos vigentes no Brasil, o padrão Mercosul e o antigo. Foram utilizados a linguagem Python e a Rede Neural YOLO ("You Only Look Once") de Aprendizado Profundo para a realização da detecção de placas nas bases de dados adquiridas. Os resultados obtidos pelo YOLO apresentaram uma média de IOU ("Intersection Over Union"), um desvio padrão e uma porcentagem de placas detectadas, respectivamente, de 0.807, 0.11 e 98.94% para a base de dados SSIG-ALPR e 0.763, 0.183 e 95.94% para a UFPR-ALPR.

Reconhecimento automático; Rede neural; Aprendizado profundo; Mercosul; Yolo; Iou.