{"id":832,"date":"2024-03-07T09:00:00","date_gmt":"2024-03-07T09:00:00","guid":{"rendered":"https:\/\/makewise.pt\/pt\/?p=832"},"modified":"2024-03-08T16:53:11","modified_gmt":"2024-03-08T16:53:11","slug":"identificacao-de-veiculos-parte-1","status":"publish","type":"post","link":"https:\/\/makewise.pt\/pt\/identificacao-de-veiculos-parte-1\/","title":{"rendered":"Como a tecnologia ANPR est\u00e1 a revolucionar a identifica\u00e7\u00e3o de ve\u00edculos – Parte 1 – O que \u00e9 a ANPR?"},"content":{"rendered":"\n
O reconhecimento autom\u00e1tico de matr\u00edculas (ANPR) tem ganho uma grande popularidade nos \u00faltimos anos devido \u00e0s suas in\u00fameras vantagens em v\u00e1rias das suas aplica\u00e7\u00f5es.<\/p>\n\n\n\n
Desempenha um papel crucial na gest\u00e3o do tr\u00e2nsito, no estacionamento inteligente, na automatiza\u00e7\u00e3o das portagens, na melhoria dos sistemas de transporte em cidades inteligentes e na facilita\u00e7\u00e3o da an\u00e1lise do tempo de viagem. Na primeira parte deste artigo, vamos aprofundar os conhecimentos pr\u00e1ticos sobre o ANPR, incluindo o que \u00e9, como funciona para identificar ve\u00edculos e as vantagens do reconhecimento autom\u00e1tico de matr\u00edculas.<\/p>\n\n\n\n
O que \u00e9 a ANPR?<\/strong><\/h2>\n\n\n\n
A tecnologia de reconhecimento autom\u00e1tico de matr\u00edculas (ANPR) utiliza o reconhecimento \u00f3tico de caracteres (OCR) para analisar imagens de matr\u00edculas de ve\u00edculos e extrair o n\u00famero de matr\u00edcula. Este sistema utiliza v\u00e1rias t\u00e9cnicas de processamento de imagem para identificar r\u00e1pida e autonomamente ve\u00edculos a partir de imagens ou v\u00eddeos em direto captados por uma ou v\u00e1rias c\u00e2maras.<\/p>\n\n\n\n
Um sistema ANPR tem v\u00e1rios objetivos, incluindo a localiza\u00e7\u00e3o de ve\u00edculos, a identifica\u00e7\u00e3o de carros, o controlo autom\u00e1tico de estacionamento e muito mais. A popularidade dos sistemas ANPR est\u00e1 a aumentar, impulsionada pelos r\u00e1pidos avan\u00e7os tecnol\u00f3gicos em machine learning e deep learning, pela redu\u00e7\u00e3o dos custos computacionais e pela maior precis\u00e3o das t\u00e9cnicas de processamento de imagem.<\/p>\n\n\n\n
Tipos de sistemas ANPR<\/strong><\/h2>\n\n\n\n
Existem dois tipos principais de sistemas ANPR:<\/p>\n\n\n\n
Sistemas fixos<\/strong><\/h3>\n\n\n\n
Estes sistemas s\u00e3o instalados permanentemente em locais espec\u00edficos. Funcionam continuamente e capturam informa\u00e7\u00f5es sobre as matr\u00edculas dos ve\u00edculos que passam por esses pontos.<\/p>\n\n\n\n
Utiliza\u00e7\u00f5es:<\/strong><\/p>\n\n\n\n
\n
Cabines de portagem<\/strong>: Os sistemas ANPR fixos ajudam a automatizar a cobran\u00e7a de portagens, identificando os ve\u00edculos e cobrando as taxas adequadas.<\/li>\n\n\n\n
Passagens de fronteira<\/strong>: Nas fronteiras internacionais, estes sistemas monitorizam e registam as matr\u00edculas para fins de seguran\u00e7a e imigra\u00e7\u00e3o.<\/li>\n\n\n\n
Locais estrat\u00e9gicos<\/strong>: Os sistemas ANPR fixos melhoram a vigil\u00e2ncia e a aplica\u00e7\u00e3o da lei atrav\u00e9s do seguimento de ve\u00edculos em \u00e1reas cr\u00edticas.<\/li>\n<\/ul>\n\n\n\n
Sistemas m\u00f3veis<\/strong><\/h3>\n\n\n\n
Os sistemas ANPR m\u00f3veis s\u00e3o port\u00e1teis e montados em ve\u00edculos (como carros de pol\u00edcia). Podem deslocar-se e fazer a leitura de matr\u00edculas enquanto est\u00e3o em movimento.<\/p>\n\n\n\n
Utiliza\u00e7\u00f5es:<\/strong><\/p>\n\n\n\n
\n
Aplica\u00e7\u00e3o da lei<\/strong>: Os carros de pol\u00edcia equipados com sistemas ANPR m\u00f3veis podem identificar rapidamente ve\u00edculos roubados, localizar suspeitos ou fazer cumprir as normas de estacionamento.<\/li>\n\n\n\n
Monitoriza\u00e7\u00e3o de tr\u00e2nsito<\/strong>: As unidades ANPR m\u00f3veis monitorizam o fluxo de tr\u00e1fego, detetam infra\u00e7\u00f5es e contribuem para a seguran\u00e7a rodovi\u00e1ria geral.<\/li>\n<\/ul>\n\n\n\n
Como \u00e9 que a ANPR funciona?<\/strong><\/h3>\n\n\n\n
Os sistemas ANPR s\u00e3o tecnologias sofisticadas concebidas para captar e interpretar automaticamente as informa\u00e7\u00f5es das matr\u00edculas dos ve\u00edculos. Estes sistemas combinam o reconhecimento \u00f3tico de caracteres (OCR) com v\u00e1rias t\u00e9cnicas de processamento de imagem, permitindo-lhes ler e analisar as matr\u00edculas de forma eficiente.<\/p>\n\n\n\n
Alguns dos seus principais componentes incluem:<\/p>\n\n\n\n
\n
\n
1) Dete\u00e7\u00e3o de objetos em tempo real<\/h3>\n\n\n\n<\/figure>\n\n\n\n
Algoritmos de dete\u00e7\u00e3o de objetos baseados em deep learning s\u00e3o utilizados para identificar ve\u00edculos e classific\u00e1-los em diferentes classes, como carros, autocarros, cami\u00f5es, etc., a partir de imagens ou v\u00eddeos.<\/p>\n<\/div>\n\n\n\n
\n
2) Processamento de imagens<\/h3>\n\n\n\n<\/figure>\n\n\n\n
M\u00e9todos tradicionais de vis\u00e3o por computador s\u00e3o utilizados para pr\u00e9-processar imagens e melhorar a sua qualidade para os algoritmos de OCR. Dadas as condi\u00e7\u00f5es dif\u00edceis que os sistemas ANPR encontram frequentemente no mundo real, como a varia\u00e7\u00e3o da ilumina\u00e7\u00e3o e das condi\u00e7\u00f5es meteorol\u00f3gicas, s\u00e3o aplicadas fun\u00e7\u00f5es de processamento de imagem como a nitidez, a corre\u00e7\u00e3o da cor e o corte para melhorar significativamente os resultados algor\u00edtmicos subsequentes.<\/p>\n<\/div>\n<\/div>\n\n\n\n
<\/div>\n\n\n\n
\n
\n
3) Reconhecimento \u00f3tico de caracteres<\/h3>\n\n\n\n<\/figure>\n\n\n\n
T\u00e9cnicas de OCR s\u00e3o cruciais para extrair texto de imagens, permitindo que os sistemas ANPR reconhe\u00e7am matr\u00edculas. Os algoritmos s\u00e3o utilizados para detetar caracteres individuais, validar a sua sequ\u00eancia e converter a imagem da matr\u00edcula em texto.<\/p>\n<\/div>\n\n\n\n
\n
4) Correspond\u00eancia de modelos<\/h3>\n\n\n\n<\/figure>\n\n\n\n
Trata-se de comparar uma imagem de matr\u00edcula com uma base de dados de imagens de matr\u00edculas para encontrar uma correspond\u00eancia. Funciona atrav\u00e9s da identifica\u00e7\u00e3o de padr\u00f5es espec\u00edficos em cadeias de texto, sendo que o conjunto de caracteres representa as matr\u00edculas dos ve\u00edculos no contexto do ANPR.<\/p>\n<\/div>\n<\/div>\n\n\n\n
Estas t\u00e9cnicas funcionam em conjunto para permitir um reconhecimento eficiente e preciso das matr\u00edculas, facilitando v\u00e1rias aplica\u00e7\u00f5es que v\u00e3o desde a aplica\u00e7\u00e3o da lei \u00e0 gest\u00e3o do estacionamento.<\/p>\n\n\n\n
<\/div>\n\n\n\n
Quer testar um sistema ANPR?<\/h2>\n\n\n\n
PLATE.VISION: Identificador de Matr\u00edculas pela MakeWise<\/strong><\/h2>\n\n\n\n
![\"1)](\"https:\/\/makewise.pt\/pt\/wp-content\/uploads\/sites\/2\/2024\/03\/ig2-1024x1024.jpg\")
<\/figure>\n\n\n\n![\"2)](\"https:\/\/makewise.pt\/pt\/wp-content\/uploads\/sites\/2\/2024\/03\/ig3-1024x1024.jpg\")
<\/figure>\n\n\n\n![\"3)](\"https:\/\/makewise.pt\/pt\/wp-content\/uploads\/sites\/2\/2024\/03\/ig4-1024x1024.jpg\")
<\/figure>\n\n\n\n![\"4)](\"https:\/\/makewise.pt\/pt\/wp-content\/uploads\/sites\/2\/2024\/03\/ig5-1024x1024.jpg\")
<\/figure>\n\n\n\n