Detección y reconocimiento en tiempo real de
placas vehiculares con infracciones de tránsito con
aplicativo móvil utilizando Simulink
Franco Orlando Mancilla Reyes, Billy Erick Soplin Carpio
Faculty of Systems and Electronic Engineering (FISE)
Universidad Tecnológica del Perú, Lima-Perú
1630651@utp.edu.pe, 1634229@utp.edu.pe
Abstract—El siguiente trabajo de investigación tiene como
finalidad desarrollar una aplicación móvil capaz de detectar y
reconocer correctamente una matrı́cula para verificar si tiene
infracciones de tránsito. En la investigación hemos encontrado
que existen páginas web que a través de servidores en la nube
pueden adquirir estos resultados, haciendo uso de recursos más
robustos que cuentan con un presupuesto elevado. Para lograr
nuestro objetivo, se propone proponer una solución alternativa
y adecuada. Ası́ mismo, se propuso evaluar y determinar las
caracterı́sticas de los diferentes tipos de teléfonos inteligentes
que pueden cumplir con el objetivo planteado que cumplan
con cualidades de bajo costo. Con esta información se realiza
el algoritmo del sistema mediante el software MATLAB y
mediante herramientas de procesamiento de imagen se entrega
una imagen de calidad para que el OCR pueda reconocer
caracteres y números de la matrı́cula captados por la cámara
del smartphone. Además, una base de datos de datos como
prototipo de información que contiene quién posee esa placa
y las infracciones cometidas, esta base de datos está destinada
a ser actualizada cada mes por un administrador, el algoritmo
realizará una ardua búsqueda en la base de datos para emitir un
respuesta en la aplicación del teléfono inteligente. Para ello, una
aplicación en android studio que permitirá visualizar los datos
personales y las infracciones de tránsito que tiene el usuario. Este
trabajo de investigación puede servir como base para la gestión
de infracciones y accidentes de tránsito, donde los agentes de
tránsito a través de un teléfono inteligente puedan reconocer si
los conductores tienen infracciones y de ser ası́ poder detenerlo
o tomar una acción correctiva.
Index Terms—Reconocimiento automático de matrı́culas, apli-
cación móvil, reconocimiento óptico de caracteres, procesamiento
de imágenes.
I. I NTRODUCTION
1. Situación problemática y Definición del Problema 1.1.
Situación Problemática
Actualmente, la ciudad de Lima carece de un sistema
vial ordenado, moderno y automatizado donde las principales
causas son la educación vial del ciudadano, el aumento expo-
nencial del parque automotor y una inadecuada infraestructura
de la ciudad. Ante ello, las consecuencias asociadas son varias,
tales como la demora en los tiempos de viajes, aumento de
la contaminación ambiental, deterioro de las obras viales e
incremento de los accidentes de tránsito. A pesar de que en el
año 2017 se aprobó el “Plan Estratégico Nacional de Seguridad
978-1-6654-8636-1/22/$31.00 ©2022 IEEE
Vial 2017 – 2021” elaborado por la Defensorı́a del Pueblo
donde los objetivos eran disminuir la cantidad de siniestros de
tránsito y el número de fallecidos, los accidentes de tránsito
durante el quinquenio 2017 – 2021 fueron de 406,044 en
comparación de los niveles prepandemia del 2012 – 2016 con
una cantidad de 483,625. Durante el periodo 2017 – 2021,
las vı́ctimas ascendieron a 1 204 415 personas entre heridos y
fallecidos. En ambos periodos la causa más relevante es el fac-
tor humano donde en este último quinquenio tuvo 74.87Según
un informe del año 2022 de la SUTRAN, solo en Lima se
han producido 1,010 siniestros viales lo cual representa el
18.54La Defensorı́a del Pueblo realizó una supervisión en 245
puntos crı́ticos de accidentes de tránsito en Lima y el Callao.
En varios de estos lugares se identificaron problemas como
falta de señalización, rampas, paraderos, pistas con baches y
grietas, cruceros peatonales sin mantenimiento e inversiones
que no siempre se dirigen a mejorar las condiciones de las
zonas de accidente, indicaron en un informe de 2019. El
especialista vial, Roberto Paredes, manifestó al diario local
Ojo que “una buena infraestructura vial reducirı́a hasta en un
301.2. Definición del Problema 1.2.1. Problema General
Carencia de sistemas de reconocimiento automático de
matrı́culas vehiculares para contrarrestar los accidentes de
tránsito por factores humanos. 1.2.2. Problema Ingenieril
¿Cómo el desarrollo de un sistema automatizado de lectura
de matrı́culas vehiculares por imagen mejorarı́a la gestión de
control y prevención de accidentes e infracciones de tránsito
en Lima? 2. Estado del arte
El estado del arte presenta brinda un enfoque del estado
actual de las polı́ticas de transporte con el fin de desarrollar
una nueva propuesta para mejorar la gestión automatizada
de infracciones de tránsito. El análisis de los procedimientos
causará un gran impacto de control, esencialmente en las ofic-
inas de tránsito debido a que las sanciones de infracciones de
tránsito se registrarán en tiempo real en todos los dispositivos
móviles tanto para los usuarios como para los agentes de
tránsito. Por otra parte, el transporte público actual tiene una
calidad deficiente, ya que el tráfico conlleva a que se genere
un trasporte informal según la Agencia Nacional de Seguridad
Vial (ANSV) [3]. Por ello, la propuesta de diseñar un sistema
automatizado para gestionar las infracciones de tránsito, no
solo en la detección de matrı́culas de los vehı́culos, sino
también la de motos lineales va a contribuir con la sociedad
a mejorar el nivel del sistema vial actual.
Para empezar la investigación del tema propuesto, se debe
delimitar las metodologı́as utilizadas para analizar la prob-
lemática en cuestión. Los diversos estudios utilizados para este
trabajo [3]–[6]proponen herramientas de trabajo que parten
de la problemática del aumento en el transporte informal y
las infracciones de tránsito donde se usan las tecnologı́as
empleadas para el reconocimiento de matrı́culas y objetos que
se encuentran desarrollados en OCR, ANPR, LNPR, RNA.
Las investigaciones [3], [4], [6]son realizadas con el ob-
jetivo de culminar con el transporte informal por medio de
tecnologı́as de procesamiento de imágenes. Por otro lado,
el algoritmo en redes neuronales nos permitirá utilizar estos
reconocimientos de matrı́culas vehiculares u objetos en lo
aplicativos móviles en tiempo real.[5]
Posteriormente, dos investigaciones [3], [7] coinciden en
el uso de herramientas como el Reconocimiento Óptico de
Caracteres (OCR). Este tipo de investigación se basa en
reconocer una imagen y convertirla en número y caracteres
por medio de procedimientos de binarización, fragmentación,
adelgazamiento de componentes y comparación de patrones.
[3], [4], [6] La investigación realizada por Valencia, Ramı́rez-
Guerrero, Castañeda y Toro [3]también utiliza You Only
Look Once (YOLO) basada en la transformada de Hough un
algoritmo desarrollado para el reconocimiento de implemento
de seguridad vial que deben llevar puesto en la cabeza de
los motociclistas. Sin embargo, aunque esta tecnologı́a es
adecuada para el reconocimiento de matrı́culas de vehı́culos,
no es del todo eficaz porque debido al uso de las cámaras de
los móviles estos presentan deficiencias con las imágenes que
están expuestas al reflejo de la luz o que no están ubicadas
en el ángulo correcto, por ello la limitación de esta propuesta.
[3]
Por otro lado, la propuesta utilizada en las investigaciones
[5]–[7], se basan en su complejidad y experiencia en el
reconocimiento de matrı́culas, pues este sistema de visión
artificial opera con cámaras sofisticadas y un procesamiento
de imágenes basados en Automatic License Plate Recognition
(ALPR) (ANPR). En este sistema el flujo del proceso es cap-
turar la imagen del vehı́culo, localizar la matricula, segmentar
los caracteres y números de la matrı́cula, reconocimiento y en
paralelo compara con la base de datos. Si bien los sistemas
antes mencionados tienen una eficacia del 98
Sin embargo, la propuesta que realizan los autores Rizvi,
Patti, Björklund, Cabodi y Francini [6]es simplificar el flujo en
el procedimiento del reconocimiento de imágenes basándose
en el algoritmo de Redes Neuronales Convolucionales que
utilizaran arquitecturas en paralelo que aceleran el proceso del
sistema (ALPR) utilizando la tarjeta gráfica de los teléfonos
móviles. Este flujo permitirá que sacrifiquen el rendimiento
para que el consumo de memoria sea eficaz porque el sistema,
al ser complejo, demandarı́a de muchos recursos el proce-
samiento de clasificación de imágenes, es por ello por lo que
al flujo del procedimiento se le agrega un cuadro de corrección
del error que corregirá la precisión del proceso de clasificación
y nos permitirá tener resultados en tiempo real.
Por otro lado, el sistema empleado por el autor [4]se basa
en el procesamiento digital de imágenes usando la herramienta
Matlab. Este algoritmo lee una base de datos el cual nos
permite reconocer y comparar la matricula. Luego, se obtiene
la información del dueño del vehı́culo por medio de un
aplicativo móvil valida la infracción y envı́a una alerta a los
demás puntos de control en caso existiera la falta. [4]
Asimismo, los autores Kurchaniya, Ansari y Patel [5]
también utilizan el método mencionado anteriormente para
desarrollar el procesamiento digital de imágenes donde el filtro
Wiener ha sido de gran ayuda al momento de realizar el
reconocimiento de la matrı́cula. Este filtro elimina el ruido
provocado por el desenfoque de la cámara, el ángulo de
captura o el mal ambiente alrededor. [5]
El desarrollo de un sistema de Detección Automática de
Matrı́culas (ANPR), contribuye a mejorar futuras investiga-
ciones a través de un procesamiento digital de imágenes donde
cada dı́a el número de vehı́culos aumenta, las cuales estos
pueden causar accidentes y/o cometer infracciones. [5]
Asimismo, los autores Farag, Mohie y El Shenbary [8]
utilizaron el procesamiento de imágenes mediante un método
hı́brido con el objetivo de mejorar la detección y re-
conocimiento de las placas vehicules donde tuvieron una taza
de éxito en promedio del 97.6
En conclusión, se ha evidenciado la preocupación por llevar
un control en la gestión de infracciones de tránsito y, al mismo
tiempo, alertar en tiempo real a los demás usuarios en la red
utilizando el procesamiento de imágenes o herramientas como
el OCR a través del software Matlab. Sin embargo, debido al
uso de estas metodologı́as uno de los principales problemas es
el procesamiento computacional donde el tiempo de respuesta
es muy lento, ası́ como la detección de la matrı́cula en
condiciones ambientales desfavorables. Sin embargo, estos
sistemas ya implementados han servido para mejorar la gestión
y tener un mejor ambiente vial donde cuide al peatón y al
conductor. Sin embargo, se debe considerar mejorar estos
sistemas con la finalidad de obtener un programa eficiente que
sea capaz darnos resultados en condiciones adversas.
3. Justificación
Esta investigación ayudará en gran medida a los agentes
de seguridad cuando requieran tener la información en tiempo
real de infracciones de tránsito cometidas por el conductor
con tan solo capturar la imagen de la placa vehicular en una
ciudad donde existe gran cantidad de automóviles y una des-
organización a nivel administrativo. El interés en desarrollar
este tema de investigación surge de la iniciativa por tener
una interacción rápida y económica con las bases de datos de
diversas entidades públicas a través de una aplicación móvil
en tiempo real.
En un paı́s donde, según un artı́culo publicado por Ingol
[1], las tres principales infracciones de tránsito es manejar
ebrio, conducir en un vehı́culo en mal estado y ocasionar
lesiones graves o muerte de un tercero; se debe llevar un
control sistemático e inteligente. Ası́ como la Municipalidad
de Miraflores [2] ha implementado un sistema basado en in-
teligencia artificial para ayudar a contrarrestar la delincuencia [6] T. B. G. C. S. T. H. Rizvi, D. Patti and G. Francini, “Deep classifiers-
donde utilizan la base de datos de la Policı́a Nacional del Perú, based license plate detection, localization and recognition on gpu-
powered mobile platform,” vol. 9, no. 4, nov 2017.
interconectada con el Serenazgo de la zona. [7] F. Y. R. C. L. Z. S. Huang, M. Lin and Y. Zhu, “Real-time high definition
Existen muchos tipos de controles que actualmente no están license plate localization and recognition accelerator for iot endpoint
funcionando como deberı́a. Sin embargo, debemos analizar system on chip,” Journal of Applied Science and Engineering (Taiwan),
vol. 25, no. 1, pp. 1–11, 2022,, vol. 25, no. 1, nov 2022.
dónde se encuentra la falencia y repotenciarla, ya que como [8] M. M. M. E. D. M. S. Farag and H. A. el Shenbary, “Parking entrance
sistema integrado debemos garantizar que el flujo en la de- control using license plate detection and recognition,” Indonesian Jour-
tección de infractores de tránsito se obtenga de manera rápida nal of Electrical Engineering and Computer Science, vol. 15, no. 1, pp.
476–483, Jul. 2019, vol. 15, no. 1, jul 2019.
y exacta. De esta manera, los agentes de tránsito tendrán en [9] P. Q. Simbeni, “Procesamiento digital de imágenes, bahia blanca,” 2015.
tiempo real las infracciones cometidas por los conductores que [10] L. E. G. Vásquez, “Diseño de un sistema de acceso vehicular a la pucp
estén por su jurisdicción. Por las razones indicadas, el diseño basado en tecnologı́a rfid y detección de placas vehiculares,” vol. 25,
no. 1, jun 2022.
de un aplicativo móvil usando el software Matlab para prevenir [11] H. G. I. Acuña, “Desarrollo de un sistema automatizado de control de
accidentes e infracciones de tránsito permitirá tener un sistema acceso vehicular,” jun 2022.
integrado y con una gestión en tiempo real, el cual realizará [12] I. C. Education, “What is optical character recognition (ocr),” jul 2022.
[13] P. U. C. del Perú, “Qué es matlab,” jul 2022.
un exhaustivo control. [14] C. F. C. R. Sampieri Hernández and M. del P. Baptista Lu-
4. Objetivos 4.1. Objetivo general cio, “Metodologı́a de la investigación, 6th ed. méxico: Macgraw-
Desarrollar un sistema automatizado de lectura y re- hill/interamericana, 2014. accessed: Jun. 30, 2022.” dic 2022.
[15] E. Maya, “Métodos y técnicas de investigación una propuesta ágil
conocimiento de matrı́culas vehiculares por imagen a través para la presentación de trabajos cientı́ficos en las áreas de arquitectura,
de una base de datos actualizada. 4.2. Objetivos especı́ficos urbanismo y disciplinas afines. 2014.” 2014.
• Establecer un sistema de lectura y reconocimiento de
matrı́culas vehiculares mediante el uso de la cámara frontal
del celular a través del software Matlab • Desarrollar un
aplicativo móvil usando Matlab que permite el procesamiento
digital de imágenes. • Establecer una emisión y recepción de
la información en tiempo real con el software Matlab, Excel y
el aplicativo móvil. • Desarrollar un registro de la información
captada luego del procesamiento digital de imágenes.
II. M ARCO T E ÓRICO
5. Descripción de la solución propuesta 5.1. Descripción
5.1.1. Diagrama de Bloques Pictórico 5.1.2. Funcionamiento:
5.1.3. Dispositivos y componentes: 5.1.4. Limitaciones de la
solución: 5.1.5. Resultados:
III. D ISE ÑO M ETODOLOGICO
5.2.1. Descripción 5.2.2. Diagrama de bloques
IV. E XPERIMENTAL RESULTS AND ANALYSIS
V. CONCLUSION
ACKNOWLEDGMENT
Authors thanks to Universidad Tecnológica del Perú.
R EFERENCES
[1] J. Ingol, “2021 papeletas de trÁnsito: Las 20 multas mÁs duras en
perÚ,” dec 2021.
[2] M. de Miraflores, “Miraflores inicia una nueva era tecnológica y de
inteligencia artificial para combatir a la delincuencia,” dec 2022.
[3] L. C. J. Valencia, T. Ramirez-Guerrero and M. Toro, “2020 detección
de infracciones y matrı́culas en motocicletas, mediante visión artificial,
aplicado a sistemas inteligentes de transporte.” RISTI - Revista Ibérica
de Sistemas e Tecnologias de Informação, no. 37, pp. 1–15, 2020, jun
2020.
[4] S. v. K. A. Rai, R. Agrawal and S. Nayak, “Real time vehicle recognition
system for secure environment,.” J Phys Conf Ser, vol. 2007, no. 1,
2021,, 2021.
[5] M. A. A. D. Kurchaniya and D. Patel, “An enhanced approach for
number plate detection and recognition.” Recent Advances in Computer
Science and Communications, vol. 15, no. 3, pp. 412–420, Sep. 2020,
Sep 2020.