Reconocimiento Automático de Matrículas de Automóviles Particulares Mexicanos con Información del Color

Abstract

El reconocimiento de las matrículas de vehículos ha sido investigado ampliamente en todo el mundo: Argentina, Bangladesh, China, Egipto, India, Japón, Malasia, entre otros. Normalmente los trabajos relacionados con ésta finalidad consisten en tres fases: 1) Localización de la placa dentro de la imagen, 2) extracción de los caracteres y 3) clasificación o reconocimiento de los caracteres. En el caso de México, el obstáculo principal se encuentra en la fase de extracción de caracteres, porque los algoritmos que existen en la literatura asumen que la placa no tiene patrones de textura en el fondo de la misma, debido a que en otros países por lo general el fondo es blanco y los caracteres negros. Sin embargo, en el caso de las placas mexicanas éstas tienen patrones de textura en el fondo produciendo que los algoritmos que funcionan bien para las placas sin patrones de textura no siempre funcionan correctamente. Por otro lado, cada entidad federativa y cada nuevo gobierno estatal puede diseñar su propio patrón de textura de fondo, esto implica que puedan existir por lo menos 32 clases de placas, número que se incrementa con los cambios en la administración gubernamental. Es importante mencionar que, si bien cada entidad federativa puede diseñar el fondo de sus placas, las dimensiones de las placas y letras así como su estilo deben cumplir con las características que señala la Norma Oficial Mexicana NOM-001-SCT-2-2000; estas características son las que se emplean para reconocer la matrícula. De aquí que se propone crear un algoritmo que segmente los caracteres y los reconozca en función de sus características de color y de forma. Para segmentar los caracteres de forma adecuada, se eliminó la mayor cantidad de los patrones de textura del fondo mediante el uso de un factor umbral, con el que se separaron los colores oscuros, que forman las letras; de los claros, que forman el fondo. Una vez filtrada la textura de fondo,la imagen de la placa se binarizó y se obtuvieron los histogramas horizontal y vertical mediante la técnica de proyección de perfiles, con la finalidad de obtener las coordenadas de posición que se utilizaron para segmentar los caracteres. Ya obtenidas las imágenes de los caracteres, se procedió a modelarlos y caracterizarlos mediante las técnicas de: momentos de Hu, Descriptores de Fourier y el Factor de Correlación Cruzada. Los datos obtenidos en esta etapa, se emplearon como alimentación en la etapa de clasificación. Finalmente, en la etapa de clasificación, se utilizaron las técnicas de Plantillas, Clasificador Bayesiano y Redes Neuronales Artificiales. Los resultados obtenidos se discuten al final del trabajo.