Reconocimiento autom?tico de placas de rodaje utilizando una red neuronal convolucional para el ingreso de veh?culos en la Universidad Ricardo Palma

Abstract

Las redes neuronales convolucionales (CNN) han tenido una gran evoluci?n en su aplicaci?n para la detecci?n de im?genes, lo cual ha ayudado en la resoluci?n de problemas que anteriormente se volv?an complejos, aplic?ndose mayormente en sistemas de reconocimiento facial y de reconocimiento de placas vehiculares en bancos y centros comerciales que cuentan con un control de aforo vehicular. Por ello, se simul? el reconocimiento autom?tico de placas de rodaje utilizando una CNN para el ingreso de veh?culos en la Universidad Ricardo Palma. En primer lugar, se realiz? la toma de fotograf?as de placas vehiculares para el entrenamiento de tres modelos de red, estos modelos fueron entrenados y evaluados con tres, cinco y ocho capas intermedias respectivamente, a trav?s del Toolbox Deep Learning del Matlab, con seiscientas im?genes de placas vehiculares, pertenecientes a veinte veh?culos, donde cuatrocientas cuarenta im?genes fueron para el entrenamiento interno de las CNNs y ciento sesenta para la validaci?n de las mismas. A continuaci?n, se corrobor? la efectividad de las redes, obteniendo respectivamente en el primer, segundo y tercer modelo un porcentaje de efectividad del 40%, 75% y 95%. Con ese resultado, se eligi? el tercer modelo de CNN para el reconocimiento de las placas vehiculares. Seguidamente, se procedi? con la creaci?n de la interfaz del proyecto a trav?s del gadget App Designer y la creaci?n de la base de datos con el software SQLite. Finalmente, se valid? el funcionamiento del tercer modelo de red neuronal convolucional, logrando el correcto reconocimiento de las placas vehiculares.