Fundamentos de visión artificial con aplicación a la lectura de matrículas de coches

Abstract

RESUMEN: La visión artificial es una rama de la ciencia computacional que investiga como extraer información de imágenes reales, de forma que esta información pueda ser tratada sin supervisión humana. Entre las tecnologías más importantes que se estudian en esta rama están el reconocimiento de objetos y el reconocimiento óptico de caracteres. Se definen brevemente a continuación: El reconocimiento de objetos es la tarea de encontrar e identificar objetos en una imagen. Esta tarea requiere de algoritmos de minería de datos como son los clasificadores en cascada y Adaboost entre otras técnicas. El reconocimiento óptico de caracteres es el problema de reconocer una serie de símbolos pertenecientes a un determinado alfabeto conocido. En este trabajo se han estudiado los fundamentos teóricos detrás de dos paquetes de software que implementan soluciones a estos problemas, OpenCV y Tesseract, y han sido aplicados al reconocimiento de matrículas de vehículos. La tareas fundamentales realizadas han sido: Análisis de la sensibilidad de un clasificador de la librería OpenCV ante la variación de parámetros presentes en el clasificador. Posteriormente se ha buscado y seleccionado el valor de los parámetros que aplican el clasificador de manera óptima. Aplicación de la librería Pytesseract a un conjunto de imágenes y realización de un análisis de sensibilidad de dicha librería ante una serie de parámetros que la condicionan.

ABSTRACT: Artificial vision is a branch of computational science that investigates how to extract information from real images, so that this information can be treated without human supervision. Among the most important technologies that are studied in this branch are object recognition and optical carácter recognition. They are briefly defined below: The recognition of objects is the task of finding and identifying objects in an image. This task requires data mining algorithms such as cascading classifiers and Adaboost among other techniques. Optical character recognition is the problem of recognizing a series of symbols belonging to a certain known alphabet. In this paper we have studied the theoretical foundations behind two software packages that implement solutions to these problems, OpenCV and Tesseract, and have been applied to the recognition of vehicle license plates. The fundamental tasks carried out have been: Sensitivity analysis of a classifier from the OpenCV library, varying on the parameters contained in the classifier. Subsequently, the value of the optimal parameters that apply to the classifier have been seeked and selected. Subsequently, the value of the parameters that optimally apply the classifier have been seeked and selected. Application of the Pytesseract library to a set of images, then a sensitivity analysis was performed on that library depending on a series of parameters that condition it.