Los puntos clave no están disponibles para este artículo en este momento.
El Reconocimiento Automático de Matrículas (ALPR) tiene aplicaciones importantes en la vigilancia del tráfico. Es un problema desafiante, especialmente en países como India, donde las matrículas tienen tamaños, número de líneas, tipografías, etc., variables. La dificultad se acentúa aún más en los videos de tráfico, ya que las cámaras están colocadas en alto y la mayoría de las matrículas aparecen sesgadas. Este trabajo tiene como objetivo abordar el ALPR utilizando métodos de CNN profundos para videos de tráfico en tiempo real. Primero, extraemos candidatos a matrículas de cada fotograma utilizando información de bordes y propiedades geométricas, asegurando un alto recuerdo. Estas propuestas se alimentan a un clasificador de CNN para la detección de matrículas, obteniendo alta precisión. Luego, utilizamos un clasificador de CNN entrenado para caracteres individuales junto con una red espacial transformadora (STN) para el reconocimiento de caracteres. Nuestro sistema se evalúa en varios videos de tráfico con vehículos que tienen diferentes formatos de matrícula en términos de inclinación, distancias, colores, iluminación, tamaño de caracteres, grosor, etc. Los resultados demuestran robustez ante tales variaciones y un rendimiento impresionante tanto en la localización como en el reconocimiento. También ponemos a disposición el conjunto de datos para una investigación adicional sobre este tema.
Jain et al. (Sun,) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: