Projet de Fin d’Études
Développement d'un système
intelligent de détection de véhicules
et de reconnaissance des plaques
d'immatriculation aux feux rouges
basé sur YOLOv8
Réalisé par :
Membres de Jury :
EL-ALAOUY Douae
Electronique Embarquée pour l'Automobile Pr. ZEMMOURI Abdelkarim
BELAARIBI Salma
Pr. EL MOKHI Chakib
CHAMAN Khadija Année Universitaire : 2024/2025
CONTENU
1 Introduction
2 Intelligence Artificielle et ses Applications
3 Présentation du Système
4 Développement et Mise en Œuvre
5 Résultats et Évaluation
6 Conclusion et Perspectives
2
Introduction
3
Intelligence Artificielle
et ses Applications
Machine Learning Deep Learning Vision par ordinateur
Permet aux systèmes de Exploite des réseaux de neurones Donne aux machines la capacité
s’améliorer à partir de données multicouches pour traiter des d’analyser et d’interpréter le
sans programmation explicite. données complexes contenu d’images et de vidéos.
4
Présentation
du Système
5
Problématique
Non-respect des feux rouges = Accidents Limites : coûteuse, lente, inefficace
de la route (forte circulation, mauvaise visibilité).
Méthode actuelle de surveillance : Besoin : un système automatisé et
caméras classiques + intervention autonome.
humaine
6
Objectif du Système
12345 أ59
Capturer des plaques
en temps réel
Détecter les véhicules
passant au feu rouge
Système de reconnaissance
Lire et reconnaître
automatique des plaques
d’immatriculation et infraction automatiquement les plaques
Les autorités routières
aux feu rouge
Enregistrer les données
d'infraction
7
Architecture Matérielle
8
Architecture Maté
Carte Raspberry Pi 4
9
Carte Raspberry Pi 4 Camera LogiTech 720p
10
Architecture Logicielle
11
Architecture Logicielle
12
Architecture Logic
13
Archite
14
15
Développement
et Mise en Œuvre
16
Préparation du Dataset
Annotation des
images
Prétraitement des
donnée
Entrainement du
modèle
17
18
1 Division des données
Amélioration les
2 Performances des
données
Augmentation des
3
données
4 Création de la version
19
20
Développement et Entrainement
Configuration de
l'environnement
Chargement du modèle
Entrainement du modèle
21
L’installation des bibliothèques
22
Le chargement de modèle YOLOv8
Entrainement du modèle YOLOv8
23
Résultats et Évaluation
24
Résultats de détection par OCR
25
Résultats de détection par YOLO
26
Test de détection des plaques par YOLO + OCR
27
Perspectives
Caméra haute Détection automatique Traitement plus rapide Stockage des données
résolution pour une de l’état du feu sur Raspberry Pi en ligne
meilleure détection
28
CONCLUSION
29
MERCI
POUR VOTRE
ATTENTION
30
