Resumen

Reconocer los números de las matrículas de los vehículos es un paso clave para aplicar la legislación sobre tráfico y reducir el número de accidentes de tráfico diarios. Aunque el aprendizaje automático ha avanzado considerablemente, el reconocimiento de matrículas sigue siendo un obstáculo, sobre todo en países cuyos números de matrícula están escritos en diferentes idiomas o mezclados con alfabetos latinos. Este trabajo presenta un sistema de reconocimiento de matrículas en alfabeto árabe y latino utilizando un enfoque basado en el aprendizaje profundo en conjugación con datos recogidos de dos países concretos: Irak y Malasia. El sistema estudiado se propone detectar, segmentar y reconocer los números de las matrículas de los vehículos. Además, se utilizaron matrículas iraquíes y malayas para comparar estos procesos. Se probaron un total de 404 imágenes iraquíes y 681 malayas que se utilizaron para las técnicas propuestas. La evaluación se llevó a cabo en varios entornos atmosféricos, como niebla, diferentes contrastes, suciedad, diferentes colores y problemas de distorsión. El enfoque propuesto mostró una tasa media de reconocimiento del 85,56 y 88,86% en los conjuntos de datos de Irak y Malasia, respectivamente. Por lo tanto, esto demuestra que el método basado en el aprendizaje profundo supera a otros métodos del estado de la técnica, ya que puede detectar con éxito los números de matrícula independientemente del nivel de deterioro de la calidad de la imagen.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:número de matrícula del vehículo, número de matrícula, matrícula alfabética, los métodos basados superan, nivel de imagen, diversos entornos atmosféricos, reconocimiento de la matrícula, accidente de tráfico diario, matrícula alfabética latina, tasa media de reconocimiento
• Keywords:vehicle plate number, plate number, alphabet license plate, based methods outperforms, level of image, various atmospheric environment, recognition of license, daily traffic accident, latin alphabet license, average recognition rate