Vehicle impersonation is one of the main problems based on license plates adulteration. Furthermore, license plate recognition has been field of study of computer vision, due to the high impact it has on intelligent transport, road safety, etc. This work presents an OCR process based on license plate recognition. To achieve this, we have established a rectified license plate database to experiment. The process consists of an initial noise filtering to the images, to later segment the region of the plate that contains the characters, then, perform a pre-processing on the images and, finally, isolate each of the characters to apply the OCR individually to each one of them. The results show an 89.33% accuracy in the license plate recognition in accordance with similar researches, and a 96.11% accuracy in the recognition of each character individually.

La clasificación de objetos es uno de los campos de estudios más importantes de los últimos años y está asociado a la similitud de características entre los objetos y al continuo crecimiento de los conjuntos de datos de entrenamiento. En base a ello, aumentar el número de muestras de entrenamiento mejora el rendimiento de los clasificadores. Sin embargo, no hay estudios que determinen un estimado de cuántas muestras de entrenamiento son necesarias para generar clasificadores robustos. En esta investigación se intenta responder esta pregunta, enfocando el problema en la clasificación por marca y modelo vehicular. Para ello, se creó un conjunto de datos compuesto por 32 modelos vehiculares diferentes y se utilizó la red VGG16 para la tarea de extracción de características. Asimismo, se utilizaron los algoritmos de clasificación Máquinas de Vector Soporte (SVM), Bosques Alea...