En el ámbito de los sistemas modernos de procesamiento de video, métricas tradicionales como la Relación Señal-Ruido Pico y la Similitud Estructural a menudo resultan insuficientes para evaluar videos destinados a tareas de reconocimiento, como el reconocimiento de objetos o placas de matrícula. Reconociendo la necesidad de una evaluación especializada en este dominio, este estudio presenta un enfoque novedoso adaptado al Reconocimiento Automático de Placas de Matrícula (ALPR). Desarrollamos un marco de evaluación robusto utilizando un conjunto de datos con coordenadas de verdad terreno para ALPR. Este conjunto de datos incluye fotogramas de video capturados bajo diversas condiciones, incluidas las occlusiones, para facilitar el entrenamiento, la prueba y la validación integrales del modelo. Nuestra metodología simula la degradación de la calidad utilizando un modelo de adquisición de imagen de cámara digital, que representa cómo el flujo luminoso se transforma en imágenes digitales. El rendimiento del modelo fue evaluado utilizando Indicadores de Calidad de Video dentro de un contexto de biblioteca OpenALPR. Nuestros hallazgos muestran que el modelo logra una puntuación de F-measure alta de 0.777, reflejando su efectividad en la evaluación de la calidad del video para tareas de reconocimiento. El modelo propuesto presenta una vía prometedora para la evaluación precisa de la calidad del video en tareas de ALPR, superando a las métricas tradicionales en escenarios típicos de aplicación de reconocimiento. Esto subraya el potencial de la metodología para una adopción más amplia en el análisis de calidad de video con fines de reconocimiento.