Reconocimiento Automático de Matrículas de Automóviles Particulares Mexicanos

Abstract

En este trabajo se presenta una propuesta para la identificación de matrículas de automóviles mexicanos en las etapas de segmentación e identificación. Las técnicas existentes en el estado del arte para la identificación de matrículas de automóviles son efectivas para matrículas cuyo color de fondo es uniforme y no contienen patrones de textura; además, estas matrículas tienen un alto contraste entre los colores de fondo y el de los caracteres. Las técnicas utilizadas funcionan considerando estos supuestos, pero para el caso de las matrículas mexicanas no siempre reconocen exitosamente las matriculas debido a que estas tienen características diferentes a las de la mayoría de los países. Para abordar este problema se emplea información sobre la norma de fabricación de placas mexicanas, establecida por el gobierno federal. Una de las características que deben cubrir las placas es respecto a las dimensiones de los caracteres, en donde sumando las áreas que ocupan todos los caracteres, la proporción de área que ocupa el conjunto de letras respecto al área de la placa es del 20%. En consecuencia, en una imagen digital, el 20% de los pixeles son ocupados por las letras de la matrícula. Por otra parte, la intensidad de los colores de los caracteres es menor al de los colores del fondo de la placa con el fin de crear alto contraste y así facilitar el reconocimiento de la matrícula. En la etapa de segmentación se utiliza un enfoque similar al propuesto por (Zhang & Zhang, 2003), en el cual para segmentar los caracteres se acentúa la intensidad del 20% de los pixeles con las intensidades más bajas, ya que se asume que estos pixeles corresponden a los caracteres. Los pasos propuestos para el reconocimiento de matrículas son: 1) segmentación de caracteres, 2) reconocimiento de los caracteres. Una vez segmentados los caracteres estos se modelan con descriptores de Fourier y Momentos de Hu. Finalmente en la etapa de identificación se realizaron dos tipos de pruebas con un clasificador bayesiano. La primera tomando todas las características extraídas y la segunda reduciendo la dimensionalidad de los vectores de características usando análisis de componentes principales con el fin de reducir el costo computacional.