Résumé:
Notre projet vise à développer un système avancé de reconnaissance des plaques
d'immatriculation des voitures ainsi que de leurs marques, dans le but d'automatiser l'accès aux
parkings des institutions et d'augmenter le niveau de sécurité. Nous utiliserons des techniques
avancées d'apprentissage profond pour atteindre cet objectif. Lorsqu'une voiture franchit la
boucle de courant installée à l'entrée du parking, la caméra du poste de contrôle se déclenche
automatiquement pour capturer une image du devant du véhicule. La reconnaissance des
plaques s'effectue en deux phases : (i) la localisation de la plaque et (ii) la reconnaissance des
chiffres. Pour la première phase, nous utilisons Yolo.v8. En ce qui concerne la deuxième phase,
nous avons mis en œuvre trois modèles différents : (i) EasyOCR, (ii) Tesseract et (iii) un modèle
de reconnaissance basé sur l'architecture AlexNet. La reconnaissance des logos est basée sur
notre architecture CNN personnalisée. Nous nous sommes focalisés sur les matricules
Algériens dans notre étude. L'évaluation de notre système sur une base de données de plaques
d'immatriculation algériennes révèle que le modèle AlexNet a atteint un taux de reconnaissance
correcte de 99,31%. En revanche, la reconnaissance des marques de véhicules a obtenu un taux
de reconnaissance correcte de 97,05%. Les résultats obtenus démontrent que dans des
conditions favorables telles qu'un éclairage adéquat et des angles appropriés, le système
parvient à détecter et à identifier avec succès le numéro de la plaque d'immatriculation ainsi
que la marque du véhicule. De plus, le système affiche des informations pertinentes sur le
véhicule, y compris les informations personnelles du conducteur.
Mot clé : Vision par ordinateur, Localisation, Segmentation, Reconnaissance, Classification,
CNN, Plaque d’immatriculation, OpenCV.
