Identificación de caracteres en placas de carros colombianos utilizando diferentes técnicas para su estudio comparativo

Abstract

RESUMEN: El presente trabajo de grado es un estudio, implementación y posterior comparación de técnicas de visión artificial que están comprendidas bajo el enfoque de Machine Learning y Deep Learning mediante el desarrollo de un software de reconocimiento de placas vehiculares colombianas. Este tipo de software son llamados ALPR (Automatic License Plate Recognition), los cuales son capaces de extraer e identificar los caracteres que componen las matrículas vehiculares a partir de imágenes capturadas por una cámara fotográfica. En este proyecto se manejan técnicas básicas de procesamiento y segmentación de imágenes, como la binarización y la detección de contornos, ya que son pieza fundamental para extraer los numero y letras de las matrículas. Adicionalmente, para el enfoque de Machine Learning se entrenan nueve modelos de clasificación, en los cuales se combinan tres descriptores de características, entre ellos están el Histograma de Gradientes, Local Binary Patterns y características HAAR; con tres algoritmos de clasificación tales a Support Vector Machine, Random Forest y KNN. Por último, se entrena el algoritmo de detección y clasificación de objetos YOLO, con la ayuda del framework Darknet. Todo esto con el objetivo de encontrar y determinar cuál conjunto de técnicas ofrece mayor probabilidad de éxito al momento de reconocer los caracteres de la placa vehicular.

ABSTRACT: This degree work is a study, implementation and subsequent comparison of artificial vision techniques that are included under the Machine Learning and Deep Learning approach through the development of a Colombian license plate recognition software. This type of software is called ALPR (Automatic License Plate Recognition), which are capable of extracting and identifying the characters that make up vehicle license plates from images captured by a photographic camera. In this project, basic image processing and segmentation techniques are handled, such as binarization and contour detection, since they are a fundamental part of extracting the numbers and letters of the license plates. Additionally, for the Machine Learning approach, nine classification models are trained, in which three characteristic descriptors are combined, among them are the Gradient Histogram, Local Binary Patterns and HAAR characteristics; with three classification algorithms such as Support Vector Machine, Random Forest and KNN. Finally, the YOLO object detection and classification algorithm is trained, with the help of the Darknet framework. All this with the aim of finding and determining which set of techniques offers the greatest probability of success when recognizing the characters on the license plate.