Reconocimiento de placas vehiculares usando redes neuronales y un sistema de super resolución de imágenes basado en métodos Kernel usando GPUs

Abstract

El presente trabajo describe el desarrollo de un sistema automático de reconocimiento de placas vehiculares usando redes neuronales y un sistema de super resolución de imágenes con el fin de mejorar la precisión del sistema de reconocimiento. El sistema está diseñado para detectar placas peruanas que cumplan las características establecidas en el reglamento de placa única nacional de rodaje (placas de vehículos de cuatro ruedas que tengan fondo claro y letras oscuras). El sistema propuesto consta de etapas o módulos que realizan una labor específica tomando como entrada las imágenes generadas por cámaras digitales fotográficas o de video. La primera etapa consiste en localizar las posibles placas presentes en imágenes de un tamaño establecido de 1280x720 pixeles. En la segunda etapa, se genera una imagen de mayor resolución a partir cada imagen de las placas encontradas, y usando métodos de procesamiento de imágenes se extraen los posibles caracteres. Finalmente, en la etapa de reconocimiento de los caracteres, se normalizan los caracteres ajustándolos a un tamaño estándar de 22x36 para luego reconocerlos usando una Red Neuronal Multicapa de 3 capas (1 capa oculta). El sistema-prototipo implementado se ha probado exitosamente usando imágenes con diversos tipos de placas. Cabe señalar que nuestro sistema de reconocimiento tiene un tiempo de procesamiento menor a 300 milisegundos, y se ha implementado en los lenguajes de programación de alto nivel Python y CUDA C/C++.

The present work describes the development of an automatic number plate recognition system using neural networks and a super-resolution system in order to improve the accuracy of the ANPR system. The system is designed to detect Peruvian plates that meet the characteristics established in the national plate regulations. The proposed system consists of stages or modules that perform a specific task taking as input the images generated by digital cameras or video cameras. The first stage is to locate the possible plates present in images of an established size of 1280x720 pixels. In the second stage, a higher resolution image is generated from each image of each of the plates found, and using image processing methods to extract possible characters. Finally, in the character recognition stage, characters are normalized by adjusting them to a standard size of 22x36, and then use a 3-layer Multilayer Neural Network. The prototype system implemented has been successfully tested using images with various types of plates. It should be noted that our recognition system has a processing time of less than 300 milliseconds, and has been implemented in the high-level programming languages Python and CUDA C / C ++.