Un enfoque basado en técnicas Deep Learning para el reconocimiento de matrículas en tiempo real

Abstract

La Inteligencia Artificial (IA) ha sido ampliamente estudiada en áreas como la medicina, economía e ingeniería. Una de sus aplicaciones más relevantes es el Reconocimiento Automático de Matrículas (Automatic License Plate Recognition, ALPR), utilizado en la seguridad pública y el control vehicular. Este sistema propuesto automatiza la verificación de matrículas, permitiendo identificar automóviles no registrados o robados, lo cual mejora la eficiencia en la gestión del tránsito en tiempo real. En Perú, su implementación sería útil para reforzar la seguridad vial y apoyar a las autoridades en la vigilancia vehicular. El presente trabajo tiene como objetivo desarrollar un sistema basado en Deep Learning para el reconocimiento de matrículas peruanas en tiempo real. Se emplearán los modelos YOLO para la detección de matrículas y Lenet-5 para el reconocimiento de números y letras. La integración de ambos modelos busca optimizar la precisión y eficiencia en distintos escenarios, tanto con vehículos inmóviles como en movimiento. Los resultados obtenidos, basados en pruebas realizadas en la puerta N° 5 de la Universidad Nacional de Ingeniería (UNI), han mostrado una precisión del 62.82 %utilizando el modelo Yolov4-tiny combinado con Lenet-5. El sistema propuesto sirve como base para futuras investigaciones y tiene un gran potencial para ser implementado en estaciones de peaje, estacionamientos y para la identificación de vehículos robados en Perú, proporcionando un mecanismo automatizado y eficaz para mejorar la seguridad vial y el control vehicular.

Artificial Intelligence (AI) has been widely studied in areas such as medicine, economics, and engineering. One of its most relevant applications is Automatic License Plate Recognition (ALPR), used in public safety and vehicle control. This system automates the verification of license plates, allowing the identification of unregistered or stolen vehicles, which improves the efficiency of real-time traffic management. In Peru, its implementation would be useful to enhance road safety and support authorities in vehicle surveillance. The aim of this work is to develop a Deep Learning-based system for the real-time recognition of Peruvian license plates. YOLO models will be used for license plate detection and Lenet-5 for the recognition of numbers and letters. The integration of both models aims to optimize accuracy and efficiency in various scenarios, including stationary and moving vehicles. Preliminary results, based on tests conducted at Gate No. 5 of the National University of Engineering (UNI), showed an accuracy of 62.82 % using the Yolov4-tiny model combined with Lenet-5. The proposed system serves as a foundation for future research and has great potential to be implemented in toll stations, parking lots, and for the identification of stolen vehicles in Peru, providing an automated and effective mechanism to enhance road safety and vehicle control.