Comparative study of image processing and machine learning techniques for automatic vehicle recognition in toll collection systems.

• Grant number: 24/20779-7
• Support Opportunities: Scholarships in Brazil - Technical Training Program - Technical Training
• Start date: February 01, 2025
• End date: July 31, 2025
• Field of knowledge: Physical Sciences and Mathematics - Computer Science
• Principal Investigator: Jorge Alberto Mathias de Almeida
• Grantee: Rui Oliveira Lima
• CNAE: Desenvolvimento de programas de computador sob encomenda ; Desenvolvimento e licenciamento de programas de computador customizáveis ; Tratamento de dados, provedores de serviços de aplicação e serviços de hospedagem na internet
• Associated research grant: 23/13235-8 - Unified framework for automatic vehicle recognition and classification for electronic toll collection systems in the Free-Flow model, AP.PIPE

Abstract

A cobrança de tarifas de direito de passagem em estradas e rodovias no Brasil é frequentemente realizada por meio de praças de pedágio. Esse sistema consiste em pontos específicos na via onde os veículos são obrigados a parar para que a tarifa seja coletada. Para facilitar o processo e reduzir filas, há a opção de utilizar um sistema de pagamento automático, o qual requer a contratação prévia do serviço por meio de uma Operadora de Serviço de Arrecadação (OSA) e a instalação de um dispositivo de radiofrequência no veículo. Esse dispositivo identifica o usuário, realiza a transação e autoriza a passagem do veículo, permitindo o uso de faixas exclusivas destinadas a veículos que possuem a etiqueta de identificação. Contudo, o sistema de identificação por radiofrequência apresenta limitações relacionadas a custo, interferências ambientais e eletromagnéticas, bem como questões de segurança e privacidade. Em contrapartida, muitos países adotaram sistemas eletrônicos de coleta de taxas de pedágio que permitem a cobrança por meio da identificação e classificação automáticas de veículos, sem a necessidade de parada nos pontos de cobrança. Esse sistema, conhecido como "sistema de livre passagem" ou "free-flow", traz inúmeras vantagens, mas também apresenta limitações tecnológicas que têm estimulado o desenvolvimento contínuo de soluções para melhorá-lo e torná-lo mais acessível e confiável para os usuários. O Brasil, como país em desenvolvimento e considerando a novidade desse modelo no país, enfrenta desafios na implementação do sistema eletrônico de cobrança de pedágio. Assim, é crucial a realização de estudos detalhados para avaliar a adequação dos sistemas existentes (todos estrangeiros) à realidade brasileira e o desenvolvimento de soluções nacionais mais adequadas e possivelmente mais econômicas. Os custos iniciais de implementação desse sistema são altos e é importante considerar também os custos contínuos de manutenção, atualização e suporte técnico dos equipamentos. A dependência de tecnologia internacional pode levar a custos de manutenção elevados para soluções importadas. Outro problema a ser enfrentado no Brasil é a evasão de pedágios, o que resulta em prejuízos significativos para as concessionárias responsáveis pela administração das rodovias no país. Diante desse cenário, o objetivo geral deste projeto é desenvolver um framework computacional baseado em algoritmos de aprendizagem profunda, como redes neurais convolucionais com arquitetura "darknet deep learning", para permitir o reconhecimento e a classificação automática de veículos com base em imagens, no contexto de um sistema de coleta eletrônica de pedágio no modelo Free-flow. Especificamente, o reconhecimento automático ocorrerá a partir de imagens das placas dos veículos, incluindo etapas de localização, detecção e segmentação dos caracteres da placa, além do reconhecimento ótico dos caracteres (OCR). O framework também será capaz de classificar os veículos de acordo com seu formato, tamanho e outras características, permitindo determinar o número total de eixos e o número de eixos suspensos (em veículos de carga), fatores que influenciam o valor da tarifa de pedágio, bem como identificar veículos isentos. Para validar o framework, serão realizados testes exaustivos em laboratório, utilizando imagens obtidas em condições reais em bases de dados públicas e de um banco de imagens obtidas em pórticos controlados, por meio de uma colaboração com a concessionária CCR. Esta abordagem visa assegurar a robustez e aplicabilidade do framework em situações práticas e controladas. Ao combinar técnicas avançadas de reconhecimento e classificação de veículos, este projeto oferece uma alternativa promissora para superar as limitações dos sistemas atuais, otimizando a gestão de rodovias e proporcionando uma experiência mais ágil e precisa para os usuários.