Computer Vision System for License Plate Recognition and Reading

• Autores: Helguero Velásquez, Hernán Luis; Ancalle Yucra, Diego Orlando; Guzmán Gonzáles, Fernando; Gonzáles Casanova, Miguel Ángel
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Ciencias Informáticas; Reconocimiento; Placas vehiculares; Visión por computador; Recognition; License plates; Computer vision
• Institución: Universidad Nacional de La Plata

This research paper presents the development of an automatic license plate recognition (ANPR) system based on computer vision and deep learning. The system uses the YOLOv8 model in segmentation mode, trained on a Bolivian license plate dataset, to detect and extract license plates from frames captured by an IP camera. Image processing with OpenCV is then applied to correct license plate orientation and perspective, improving character reading accuracy. For optical character recognition (OCR), the Microsoft TrOCR model is implemented, demonstrating high efficiency even with low-resolution images and without intensive preprocessing. The system was developed and tested on a laptop with modest hardware specifications, showing promising results that could be improved with greater computational power. The results indicate a significant improvement in license plate detection and recognition compared to traditional methods.
En este trabajo de investigación se presenta el desarrollo de un sistema de reconocimiento automático de placas vehiculares (ANPR) basado en visión por computador y aprendizaje profundo. El sistema utiliza el modelo YOLOv8 en modo segmentación, entrenado con un conjunto de datos de placas bolivianas, para detectar y extraer las placas vehiculares desde frames capturados por una cámara IP. Posteriormente, se aplica un procesamiento de imágenes con OpenCV para corregir la orientación y perspectiva de las placas, mejorando la precisión en la lectura de caracteres. Para el reconocimiento óptico de caracteres (OCR), se implementa el modelo TrOCR de Microsoft, el cual demuestra una alta eficacia incluso con imágenes de baja resolución y sin preprocesamiento intensivo. El sistema fue desarrollado y probado en una laptop con especificaciones de hardware modestas, mostrando resultados prometedores que podrían mejorar con mayor potencia computacional. Los resultados obtenidos indican una mejora significativa en la detección y reconocimiento de placas vehiculares en comparación con métodos tradicionales.
Sociedad Argentina de Informática e Investigación Operativa