Nota: Aquí solo menciono las técnicas de aprendizaje pre-profundo.
Sugeriría prácticamente el mismo enfoque que se muestra aquí [1]
La idea es usar Sobel / Laplacian para generar manchas en la imagen donde los personajes pueden estar potencialmente. Tenga en cuenta que esto solo funciona si tiene una imagen decentemente limpia de la matrícula. Cualquier ruido externo hará que este método sea menos útil y requerirá mucho más procesamiento previo para poner las cosas en forma.
Ahora que tiene regiones localizadas, necesita segmentar caracteres individuales en los cuadros delimitadores. Dado que el tamaño de fuente es bastante constante y hay una brecha entre los caracteres posteriores, la segmentación no debería ser algo difícil de hacer.
- ¿Cuáles son algunos ejemplos de aprendizaje automático en operaciones de computación en la nube?
- ¿Se puede dividir un modelo de regresión logística multinomial en modelos de regresión logística binarios separados?
- ¿Qué estrategia usaste para resolver el juego 2048? ¿Por qué?
- ¿Cómo se deriva la fórmula lagrangiana para resolver la máquina de vectores de soporte?
- ¿Cuál es el número mínimo de árboles que debo usar en un bosque aleatorio?
Para el reconocimiento de caracteres, puede usar un OCR existente como Tesseract como se hace aquí [2] o seguir adelante y construir su propio clasificador entrenando un SVM o una red neuronal.
Alternativamente, puede usar MSER junto con características geométricas y de ancho de trazo para buscar caracteres en una imagen si la localización parece complicada al principio. Aquí hay un enlace para ayuda [3]
También encontré este ppt que describe cómo resolver el problema [4]
Estos enfoques deberían ser lo suficientemente buenos para comenzar.
[1] http://stackoverflow.com/questio…
[2] https://www.youtube.com/watch?v=nmDiZGx5mqU
[3] http://in.mathworks.com/help/vision/examples/automatically-detect-and-recognize-text-in-natural-images.html
[4] http://www.slideshare.net/NamraAfzal/number-plate-recognition-system-using-matlab
