Cargando...
Determination of the best license plate detection algorithm in controlled and uncontrolled environments
Author(s)
Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión
Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión
Universidad Nacional Tecnológica de Lima Sur
Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión
Universidad Nacional Tecnológica de Lima Sur
de Lima Sur, Facultad de Ingeniería y Gestión Universidad Nacional Tecnológica
Date Issued
31 de mayo de 2023
Type
Article
Publisher
Associacao Iberica de Sistemas e Tecnologias de Informacao
Volume
2023
Issue
49
Series/Report No.
RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação
Contained in
RISTI - Revista Iberica de Sistemas e Tecnologias de Informacao
Start Page
83
End Page
99
ISSN
1646-9895
Abstract
La seguridad es una prioridad en la gestión y parte de esto es el control y monitoreo para detectar situaciones que agredan el bien público o privado. En este sentido el reconocimiento de matrículas de auto se suma a estos sistemas de monitoreo y control. Este trabajo de investigación aplicó una serie de algoritmos de inteligencia artificial para automatizar dicha detección. En este sentido se utilizó funciones de procesamiento de imágenes con el framework OpenCV considerando que las fuentes de información pudieron tener distitnos escenarios, siendo que el ambiente de detección es abierto y expuesto a las condiciones meteorológicas de la zona. Las tomas de fotos se realizaron en un ambiente ubicado al sur peruano, cuyas condiciones fueron de lluvia, día soleado, día que cayó el granizo. La base de datos de las imágenes entonces se dividió en dos categorías; ambientes controlados donde se consideró una misma distancia, un solo ángulo, pero no necesariamente un mismo clima; y los ambientes no controlados con diferentes ángulos, diferentes distancias y climas. Al procesamiento de imágenes también se utilizó la transformación morfológica, suavizado gaussiano y umbral gaussiano. Con las imágenes segmentadas y extraídos los dígitos de la matrícula; se comparó 3 algoritmos K-NN, SVM y Tesseract. en cada algoritmo se utilizó sus hiperparámetros para el respectivo reconocimiento de caracteres en las imágenes, se obtuvo los siguientes resultados con imágenes tomadas con distintos ángulos y en distintas luminosidades (ambiente no controlado) donde el mejor Overall accuracy con 86 % y el segundo grupo fueron imágenes tomadas con un ángulo similar y distancias similares (ambiente controlado), obtuvo un Overall accuracy de 95.5 %.