Determinación del mejor algoritmo de detección de matrículas en ambientes controlados y no controlados
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 ser...
Guardado en:
| Autores principales: | , , , , , |
|---|---|
| Formato: | Artículo |
| Lenguaje: | español |
| Publicado: |
2023
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) Descargar el archivo Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881700462148714496 |
|---|---|
| author | Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión Elias Ccoto Huallpa Abel Angel Sullon Macalupu Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión Jorge Eddy Otazu Luque Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión Jorge Sánchez-Garcés Facultad de Ingeniería y Gestión Universidad Nacional Tecnológica de Lima Sur |
| author_browse | Abel Angel Sullon Macalupu Elias Ccoto Huallpa Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión Facultad de Ingeniería y Gestión Universidad Nacional Tecnológica de Lima Sur Jorge Eddy Otazu Luque Jorge Sánchez-Garcés |
| author_facet | Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión Elias Ccoto Huallpa Abel Angel Sullon Macalupu Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión Jorge Eddy Otazu Luque Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión Jorge Sánchez-Garcés Facultad de Ingeniería y Gestión Universidad Nacional Tecnológica de Lima Sur |
| author_sort | Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión |
| collection | Producción científica |
| description | 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 %. |
| format | Article |
| id | openalex:W4384073785 |
| institution | UPeU |
| language | Spanish |
| publishDate | 2023 |
| publishDateRange | 2023 |
| publishDateSort | 2023 |
| record_format | dspace |
| spelling | openalex:W4384073785Determinación del mejor algoritmo de detección de matrículas en ambientes controlados y no controladosEscuela Profesional de Ingeniería de Sistemas, Universidad Peruana UniónElias Ccoto HuallpaAbel Angel Sullon MacalupuEscuela Profesional de Ingeniería de Sistemas, Universidad Peruana UniónJorge Eddy Otazu LuqueEscuela Profesional de Ingeniería de Sistemas, Universidad Peruana UniónJorge Sánchez-GarcésFacultad de Ingeniería y Gestión Universidad Nacional Tecnológica de Lima Surlicense plate detectionlicense plate recognitionvehicle identificationimage preprocessingmorphological transformationGaussian smoothingk-nearest neighborssupport vector machineTesseract OCRcharacter recognitionweather conditionssurveillance monitoringVehicle License Plate RecognitionHandwritten Text Recognition TechniquesComputer Science and EngineeringLa 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 %.Articlehttps://doi.org/10.17013/risti.49.83-99http://scielo.pt/pdf/rist/n49/1646-9895-rist-49-83.pdfhttp://dx.doi.org/10.17013/risti.49.83-99W4384073785esRISTI - Revista Ibérica de Sistemas e Tecnologias de Informação1646-98952183-01262023-05-31 |
| spellingShingle | license plate detection license plate recognition vehicle identification image preprocessing morphological transformation Gaussian smoothing k-nearest neighbors support vector machine Tesseract OCR character recognition weather conditions surveillance monitoring Vehicle License Plate Recognition Handwritten Text Recognition Techniques Computer Science and Engineering Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión Elias Ccoto Huallpa Abel Angel Sullon Macalupu Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión Jorge Eddy Otazu Luque Escuela Profesional de Ingeniería de Sistemas, Universidad Peruana Unión Jorge Sánchez-Garcés Facultad de Ingeniería y Gestión Universidad Nacional Tecnológica de Lima Sur Determinación del mejor algoritmo de detección de matrículas en ambientes controlados y no controlados |
| title | Determinación del mejor algoritmo de detección de matrículas en ambientes controlados y no controlados |
| title_full | Determinación del mejor algoritmo de detección de matrículas en ambientes controlados y no controlados |
| title_fullStr | Determinación del mejor algoritmo de detección de matrículas en ambientes controlados y no controlados |
| title_full_unstemmed | Determinación del mejor algoritmo de detección de matrículas en ambientes controlados y no controlados |
| title_short | Determinación del mejor algoritmo de detección de matrículas en ambientes controlados y no controlados |
| title_sort | determinacion del mejor algoritmo de deteccion de matriculas en ambientes controlados y no controlados |
| topic | license plate detection license plate recognition vehicle identification image preprocessing morphological transformation Gaussian smoothing k-nearest neighbors support vector machine Tesseract OCR character recognition weather conditions surveillance monitoring Vehicle License Plate Recognition Handwritten Text Recognition Techniques Computer Science and Engineering |
| topic_facet | license plate detection license plate recognition vehicle identification image preprocessing morphological transformation Gaussian smoothing k-nearest neighbors support vector machine Tesseract OCR character recognition weather conditions surveillance monitoring Vehicle License Plate Recognition Handwritten Text Recognition Techniques Computer Science and Engineering |
| url | https://doi.org/10.17013/risti.49.83-99 http://scielo.pt/pdf/rist/n49/1646-9895-rist-49-83.pdf http://dx.doi.org/10.17013/risti.49.83-99 |
| work_keys_str_mv | AT escuelaprofesionaldeingenieriadesistemasuniversidadperuanaunion determinaciondelmejoralgoritmodedetecciondematriculasenambientescontroladosynocontrolados AT eliasccotohuallpa determinaciondelmejoralgoritmodedetecciondematriculasenambientescontroladosynocontrolados AT abelangelsullonmacalupu determinaciondelmejoralgoritmodedetecciondematriculasenambientescontroladosynocontrolados AT escuelaprofesionaldeingenieriadesistemasuniversidadperuanaunion determinaciondelmejoralgoritmodedetecciondematriculasenambientescontroladosynocontrolados AT jorgeeddyotazuluque determinaciondelmejoralgoritmodedetecciondematriculasenambientescontroladosynocontrolados AT escuelaprofesionaldeingenieriadesistemasuniversidadperuanaunion determinaciondelmejoralgoritmodedetecciondematriculasenambientescontroladosynocontrolados AT jorgesanchezgarces determinaciondelmejoralgoritmodedetecciondematriculasenambientescontroladosynocontrolados AT facultaddeingenieriaygestionuniversidadnacionaltecnologicadelimasur determinaciondelmejoralgoritmodedetecciondematriculasenambientescontroladosynocontrolados |