
perif
´
ericos. A continuaci
´
on se describen los componentes
del sistema.
A. Reconocimiento Autom
´
atico de Patentes ALPR
El reconocimiento autom
´
atico de patentes (ALPR, del
ingl
´
es Automatic License Plate Recognition) [3] es un
problema t
´
ıpico que involucra varias ramas de estudio,
principalmente al
´
area de reconocimiento de patrones y el
campo de la visi
´
on artificial, y que ya ha sido estudiado
ampliamente [4] - [7].
Una de las principales dificultades consiste en que los
escenarios pueden ser cambiantes, como podr
´
ıa ocurrir en el
caso de un Sistema de Transporte Inteligente (ITS, del ingl
´
es
Intelligent Transport System), donde el reconocimiento de
patentes permite identificar veh
´
ıculos en movimiento y
obtener varias matriculas simult
´
aneamente [7]. En nuestro
caso, a pesar de que se considera que el sistema puede
aplicarse a diversos tipos de estacionamiento, el escenario
es m
´
as acotado: la c
´
amara se encuentra en una posici
´
on fija
y el veh
´
ıculo frenando a baja velocidad. En este contexto,
se tienen en cuenta otras posibles problem
´
aticas, como las
variaciones lum
´
ınicas (d
´
ıa/noche), la iluminaci
´
on propia de
la placa y la existencia de distintos modelos de placas
patente en nuestro pa
´
ıs: antiguo (1995 - 2016) y Mercosur
(2016 - presente). Adem
´
as, se consideran diferentes tipos de
veh
´
ıculo: autom
´
oviles, camionetas y motocicletas. La Fig. 4
muestra ejemplos de los formatos de patente considerados.
Fig. 4. Modelos de patentes argentinas vigentes: Mercosur y antiguo,
en formato para autom
´
ovil/camioneta (primera fila) y motocicleta (segunda
fila).
El sistema ALPR implementado se construy
´
o en base al
software libre de c
´
odigo abierto OpenALPR [8] bajo Linux.
Este software utiliza el motor de OCR Tesseract [9]. La
elecci
´
on fue hecha luego de comparar OpenALPR con el
sistema OpenCV 3 License Plate Recognition [10], tambi
´
en
gratuito de c
´
odigo abierto y ampliamente difundido. Se
observ
´
o que el primero se ajustaba m
´
as a las necesidades del
SAE y permit
´
ıa obtener resultados competitivos, mientras
que el segundo no brindaba la misma disponibilidad de
par
´
ametros para el ajuste ni un motor de OCR tan potente.
La adaptaci
´
on de un sistema ALPR para modelos de patentes
que no vienen incorporadas en el sistema no es una tarea
trivial, ya que se requiere la modificaci
´
on y ajuste de una
gran cantidad de par
´
ametros. Para adaptar el sistema Open-
ALPR a las patentes argentinas, se crearon y modificaron
diferentes archivos, entre los que se mencionan:
• de configuraci
´
on, con las medidas f
´
ısicas de las placas
patente, tama
˜
no de los caracteres, cantidad m
´
axima y
m
´
ınima de caracteres por cada patente (7 para Mercosur
y 6 para modelo antiguo), lectura de caracteres negros
sobre fondo blanco y a la inversa, entre otros.
• de post-procesamiento, para validar la combinaci
´
on de
caracteres y n
´
umeros, lo cual elimina casos t
´
ıpicos de
confusi
´
on como pueden ser la ”O” y el ”0”, la ”I” y el
”1”.
• general del sistema, permite mejorar el rendimiento. A
modo de ejemplo, mencionamos: el par
´
ametro detec-
tion iteration increase representa el porcentaje de in-
cremento del cuadro del algoritmo LBP [11] (utilizado
en la etapa de preprocesamiento) para cada iteraci
´
on,
donde cuanto m
´
as bajo es su valor, m
´
as lento es el
sistema. Se modific
´
o el valor por defecto de 1.1 a 1.7.
El par
´
ametro detection mask image permite definir
una m
´
ascara que indica qu
´
e
´
area de la imagen analizar
en b
´
usqueda de la patente. Por defecto se analiza toda
la imagen y se modific
´
o para que se tuviera en cuenta
s
´
olo la mitad inferior donde se espera encontrar la
placa, reduciendo el tiempo total de procesamiento en
aproximadamente 30%.
• archivos alprd: vinculados con el procesamiento de
video en tiempo real. Se defini
´
o una cola de trabajo
para cada c
´
amara, de forma de realizar el tratamiento
de las patentes de los veh
´
ıculos detectados tanto en la
entrada como en la salida del estacionamiento en forma
concurrente.
Cabe destacar que para el tratamiento de video en tiempo
real, el sistema cuenta con un modo de funcionamiento
denominado alprd (alpr daemon) el cual funciona en se-
gundo plano y permite entregarle al sistema un stream de
v
´
ıdeo. Cuando el sistema detecta una matr
´
ıcula en el v
´
ıdeo,
procesa el frame. A partir del mismo se obtiene el n
´
umero
de la patente junto con su medida de confianza, y algunas
caracter
´
ısticas adicionales como el tiempo de procesamiento
y la ubicaci
´
on de la patente en la imagen.
El sistema se ajust
´
o para el reconocimiento de patentes
argentinas vigentes en los formatos antiguo y Mercosur
[12] para distintos tipos de veh
´
ıculo como camionetas,
autos y motocicletas. Para esto, se construy
´
o un conjunto
inicial de im
´
agenes para el ajuste de los par
´
ametros del
sistema, y otro conjunto para el testeo con 330 muestras
(165 para Mercosur y 165 formato antiguo) representativas
para nuestro problema, incluyendo diferentes escenarios,
condiciones lum
´
ınicas y desplazamientos de la patente con
respecto a la c
´
amara. En la Fig. 5 se pueden observar algunas
im
´
agenes del conjunto de prueba.
Los resultados fueron satisfactorios, logrando tasas de
reconocimiento cercanas al 96% para el caso de veh
´
ıculos
con patentes argentinas del Mercosur y porcentajes cercanos
al 94% para el formato antiguo. La Tabla I muestra los
resultados para el conjunto de prueba.
TABLA I
PORCENTAJES DE PATENTES RECONOCIDAS CORRECTAMENTE PARA EL
CONJUNTO DE PRUEBA CON 330 MUESTRAS.
Modelo %
MERCOSUR 95.76
Antiguas 93.94
Revista elektron, Vol. 4, No. 2, pp. 107-113 (2020)
http://elektron.fi.uba.ar