Reconhecimento automático de placas veiculares com aprendizado profundo para a segurança em condomínios

Abstract

A segurança em condomínios residenciais de pequeno e médio porte representa um desafio crescente no Brasil, onde os métodos tradicionais de controle de acesso veicular, como registro manual por porteiros e sistemas de identificação por radiofrequência, apresentam limitações relevantes, incluindo suscetibilidade a falhas humanas e compartilhamento indevido de credenciais. Este trabalho propõe e avalia um sistema de Reconhecimento Automático de Placas Veiculares voltado ao controle de acesso condominial, com foco específico no padrão Mercosul vigente desde 2018. O sistema foi desenvolvido em Python com a arquitetura YOLOv8n, treinado sobre 6.536 imagens de placas veiculares reais em carros, e integra cinco estágios sequenciais: detecção da placa, pré-processamento, reconhecimento de caracteres, pós-processamento por expressão regular e controle de acesso com registro em log. Os experimentos foram conduzidos em estação de trabalho com GPU NVIDIA GeForce RTX 3060. Sobre o conjunto de 1.862 imagens de validação, o sistema alcançou acurácia de 92,37% no reconhecimento completo das placas e velocidade de processamento de 25,85 quadros por segundo, demonstrando viabilidade operacional para controle de acesso em tempo real. Complementarmente, em três vídeos capturados por smartphone em cenários condominiais reais, o sistema identificou corretamente as placas e emitiu as decisões esperadas nos três cenários avaliados: morador com acesso ativo, morador com cadastro inativo e visitante não cadastrado. Os resultados indicam a viabilidade técnica do sistema proposto como alternativa baseada em infraestrutura convencional aos sistemas comerciais de controle de acesso veicular.