Idioma:   Español
Teléfono:  +34 91 7581346

¿Cómo funciona el reconocimiento de matrículas (ANPR)?

By / 20 Febrero, 2017 / , , , / 0 Comments

Este artículo es cortesía de nuestros amigos de NEURAL LABS, somos sus partners para la implantación de la lectura de matrículas, containers,... desde dispositivos móviles.

Redactado por:

  • Jesus de la Calle(Director Técnico de Neural Labs S.L)
  • Elías Valcárcel (Gerente Neural Labs S.L)

 

¿Cómo funciona el reconocimiento de matrículas (ANPR)? 1

Introducción a la visión por ordenador

La visión es de lejos el sentido más versátil y que más información y más rica nos aporta. Es por tanto evidente el interés de una disciplina que trata, al igual que la mayoría de los seres vivos, de “conocer el mundo mirando” . La única diferencia es el uso de un instrumento computacional en vez del cerebro de una criatura viviente para adquirir el conocimiento.

A pesar de que el hombre ha estado interesado durante siglos en resolver el puzzle de como este “ve”, los primeros experimentos computacionales en el desarrollo de sistemas de visión por ordenador no llegaron hasta finales de los 50. Desde entonces y durante los últimos 30 o 40 años se han utilizado sistemas de visión por ordenador de diversa complejidad en diversas áreas, como por ejemplo automatización de oficinas, medicina, biología, y detección remota por satélite.

 

Las aplicaciones de esta disciplina has sido muchas y variadas y han aportado soluciones a diversos problemas.

Algunos de estos problemas y soluciones son:

Problema Aplicaciones
Detección remota Predicciones meteorológicas. Clasificación y monitorización de entornos urbanos, agrícolas, y marinos desde imágenes de satélite..
Seguridad Reconocimiento de huellas dactilares, reconocimiento de iris.
Robótica Reconocimiento e interpretación de objetos en una escena. Control del movimiento y ejecución mediante re-alimentación visual. Guiado de robots exploradores en entornos hostiles..
Automatización industrial Identificación de partes en líneas de ensamblado Detección de defectos
Análisis de Imágenes Médicas y Biología Detección de tumores Medida de tamaño y forma de órganos internos Análisis de cromosomas Conteo de células en la sangre Conteo de cultivos y poblaciones
Reconocimiento de caracteres Ordenación de correo Lectura de etiquetas Procesado de cheques bancarios Lectura de texto Reconocimiento de matrículas

Como hemos visto la visión por ordenador trata con la estructura física de un mundo tridimensional mediante el análisis automático de imágenes de ese mundo. Por lo tanto quizás sea necesario matizar la palabra imagen. Esta es bidimensional y, por lo tanto, hay una pérdida de información en el proceso de proyección. Bastante a menudo la restauración de esta importante pérdida es un problema central en la visión por ordenador. Además, las imágenes son representaciones discretas de “algo” no discreto con los problemas que eso puede conllevar.

La visión por ordenador incluye muchas técnicas que son útiles por si mismas, por ejemplo, procesado de imágenes (que tiene que ver con la transformación, codificación y transmisión de imágenes) y el reconocimiento de texturas. Además la visión incluye técnicas para la descripción de formas y volúmenes, modelado geométrico y el llamado procesado cognitivo. Por lo tanto, aunque la visión por ordenador está muy relacionada con el procesado de imágenes, estas imágenes son solo la materia prima de una ciencia mucho más amplia, la cual, al fin y al cabo, trata de emular las capacidades perceptivas del hombre y, quizás, dar algo de luz a la manera como este consigue su adaptable y robusta interacción con su medio.

Arquitectura Típica de un sistema de Visión por ordenador

Aunque la arquitectura exacta de un sistema de visión por ordenador depende del contexto en que se esté utilizando, existen algunos elementos comunes que aparecen en casi todos los sistemas.

Estos elementos son:

¿Cómo funciona el reconocimiento de matrículas (ANPR)? 2

Reconocimiento de patrones

El Reconocimiento de Patrones es la capacidad de generalizar a partir de observaciones. Vemos un objeto con una forma y un color particulares y sabemos que es una manzana. De esta forma generalizamos a partir de una observación específica {forma, color} el concepto general de la manzana. En un nivel más alto encontramos la capacidad de aprender un concepto a partir de un grupo de ejemplos. Por ejemplo, después de que hayamos visitado algunas iglesias románicas y góticas y examinado sus arquitecturas, podemos reconocer otras iglesias pertenecientes a estas categorías. Puede resultar de ayuda si alguien nos señala cuáles son las iglesias románicas y cuál son las góticas, pero incluso sin eso podemos determinar la existencia de estas dos categorías y crearnos una buena idea de los conceptos subyacentes.

La capacidad de reconocer patrones es principalmente humana pues se relaciona con el reconocimiento o definición de un concepto. Los sistemas de Reconocimiento de Patrones artificiales simulan esta habilidad mediante la creación y el uso de modelos físicos o matemáticos. Dada una aplicación concreta, sin embargo, un sistema artificial es preferible al uso de seres humanos debido a su velocidad, exactitud y robustez.

Existen diferentes enfoques a la hora de generar modelos matemáticos para el reconocimiento de patrones. Los más populares son:

  • Modelos Estadísticos: Utilizan técnicas estadísticas y matemáticas. Este puede ser considerado el enfoque clásico al reconocimiento de patrones aunque nuevas técnicas y algoritmos se siguen desarrollando en este campo.
  • Redes Neuronales Artificiales: Siendo un enfoque mas moderno, las redes neuronales artificiales tienen ya varias décadas de historia. El fundamento de estos algoritmos es la imitación del funcionamiento de las redes neuronales biológicas.

Aplicaciones del Reconocimiento de Patrones

Estos son algunos ejemplos de aplicaciones de los sistemas artificiales de reconocimiento de patrones en diferentes campos:

  • Reconocimiento de Caracteres.
  • Reconocimiento de Formas.
  • Reconocimiento de Voz.

Reconocimiento de Matrículas

En el reconocimiento de matrículas confluyen tanto técnicas de visión por computador como técnicas de reconocimiento de patrones.

A diferencia de otras aplicaciones de visión por ordenador del entorno industrial esta aplicación cuenta con la dificultad añadida de tener que trabajar con un entorno NO CONTROLADO.

Parte de la solución en una aplicación industrial de reconocimiento de patrones es el diseño de un entorno (iluminación, posicionado, etc) favorable para ese reconocimiento.

Cuando posicionamos las cámaras en el exterior para detectar y reconocer la matrícula de un vehículo nos encontramos con:

  • diferente iluminación en cada instalación, en cada vial de cada instalación y en cada hora del día de cada vial de cada instalación.
  • variabilidad en tamaño y posición de la matrícula en la imagen.
  • variedad en los tipos de letra, tamaño, inclinación, etc de las matrículas así como el estado de conservación de estas.

Proceso de reconocimiento de matrículas

En el proceso de reconocer una matrícula se pueden diferenciar varias fases:

1.- Localizar la matrícula/as (si la hay) en la imagen.
2.- Aislar los distintos caracteres (segmentación)
3.- Aplicar el reconocimiento a los caracteres
4.- Post-corrección usando información del formato.

¿Cómo funciona el reconocimiento de matrículas (ANPR)? 3

Aplicaciones del reconocimiento de matrículas

La tecnología de reconocimiento de matrículas se está usando actualmente para:

  • Gestión de aparcamientos de Abonados: Usando la matrícula a modo de “llave” o “mando” para acceder a este.
  • Gestión de aparcamientos de Rotación: Vinculando la matrícula al número de ticket para el control de ticket perdido y fraude.
  • Control de fraude en autopistas.
  • Control de velocidad media en autopistas: Situando lectores en varios accesos y salidas a la autopista.
  • Control de camiones: Por ejemplo, situando un lector de matrículas junto a la báscula que mide la carga del camión.
  • Inventariado de vehículos: Además de la imagen de la matrícula se adquieren imágenes adicionales del vehículo para poder determinar en caso de sufrir daños, el estado del vehículo en el instante de acceder al aparcamiento
  • Radar (ya sea fijo o embarcado en un vehículo): Vehículos de guardia urbana, vehículos de policía.
  • Prevención de fraude en gasolineras: Mediante listas negras
  • Pilona Virtual: Para control de acceso a zonas peatonales
  • Inspección técnica de Vehículos(ITV)

Conclusión

Tras años de desarrollo y sonados fracasos parece que el mercado empieza a considerar, en este país, el reconocimiento de matrículas, como una tecnología madura y fiable. Muestra de ello es el progresivo aumento de las instalaciones y muy diversas aplicaciones basadas en esta tecnología en los últimos años. El desarrollo de OCR para matriculas más robustos e inteligentes y menos sensible al hardware y la introducción de tecnologías como el video por IP, los dispositivos móviles Android / iOS / Windows están dando el impulso definitivo a esta tecnología madura y lista para usar.

Si estás interesado/a déjanos tu teléfono y te llamaremos