Reconocimiento automático de matrículas: Liberando el potencial de la tecnología de visión por computadora
Por Fouad Sabry
()
Información de este libro electrónico
Qué es el reconocimiento automático de matrículas
El reconocimiento automático de matrículas es una tecnología que utiliza el reconocimiento óptico de caracteres en imágenes para leer las matrículas de los vehículos y crear datos de ubicación del vehículo. Puede utilizar circuito cerrado de televisión existente, cámaras de cumplimiento de las normas viales o cámaras diseñadas específicamente para la tarea. Las fuerzas policiales de todo el mundo utilizan ANPR con fines policiales, incluida la verificación de si un vehículo está registrado o tiene licencia. También se utiliza para el cobro electrónico de peajes en carreteras de pago por uso y como método de catalogación de los movimientos del tráfico, por ejemplo por parte de las agencias de autopistas.
Cómo se beneficiará
(I) Insights y validaciones sobre los siguientes temas:
Capítulo 1: Reconocimiento automático de matrículas
Capítulo 2: Sistema de transporte inteligente
Capítulo 3: Cámara de control de tráfico
Capítulo 4: Cobro de peaje electrónico
Capítulo 5: Coche de policía
Capítulo 6: Peaje en carreteras abiertas
Capítulo 7: SPECS (cámaras de velocidad)
Capítulo 8: Aplicación del límite de velocidad en las carreteras en Australia
Capítulo 9: Unidad de vigilancia de carreteras
Capítulo 10: Peaje por vídeo
(II) Respondiendo a las principales preguntas del público sobre el reconocimiento automático de matrículas.
(III) Ejemplos del mundo real para el uso del reconocimiento automático de matrículas en muchos campos.
Para quién es este libro
Profesionales, estudiantes de pregrado y posgrado, entusiastas, aficionados y aquellos que quieran ir más allá del conocimiento o la información básica para cualquier tipo de reconocimiento automático de matrículas.
Lee más de Fouad Sabry
Relacionado con Reconocimiento automático de matrículas
Títulos en esta serie (100)
Visión por computadora submarina: Explorando las profundidades de la visión por computadora debajo de las olas Calificación: 0 de 5 estrellas0 calificacionesVisión por computador: Explorando las profundidades de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVisión estéreo por computadora: Explorando la percepción de profundidad en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEn Pintura: Cerrar brechas en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesEcualización de histograma: Mejora del contraste de la imagen para mejorar la percepción visual Calificación: 0 de 5 estrellas0 calificacionesDifusión anisotrópica: Mejora del análisis de imágenes mediante difusión anisotrópica Calificación: 0 de 5 estrellas0 calificacionesMapeo de colores: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformacion afin: Desbloqueo de perspectivas visuales: exploración de la transformación afín en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHomografía: Homografía: Transformaciones en Visión por Computador Calificación: 0 de 5 estrellas0 calificacionesSistema de gestión de color: Optimización de la percepción visual en entornos digitales Calificación: 0 de 5 estrellas0 calificacionesEspacio de color: Explorando el espectro de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDetección de bordes: Explorando los límites en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesReducción de ruido: Mejora de la claridad, técnicas avanzadas para la reducción del ruido en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCompresión de imagen: Técnicas eficientes para la optimización de datos visuales Calificación: 0 de 5 estrellas0 calificacionesModelo de color: Comprensión del espectro de la visión por computadora: exploración de modelos de color Calificación: 0 de 5 estrellas0 calificacionesConsenso de muestra aleatoria: Estimación robusta en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesHistograma de imagen: Revelando conocimientos visuales, explorando las profundidades de los histogramas de imágenes en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesTransformación de Hadamard: Revelando el poder de la transformación de Hadamard en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRetinax: Revelando los secretos de la visión computacional con Retinex Calificación: 0 de 5 estrellas0 calificacionesJoint Photographic Experts Group: Liberando el poder de los datos visuales con el estándar JPEG Calificación: 0 de 5 estrellas0 calificacionesTransformación lineal directa: Aplicaciones prácticas y técnicas en visión por computadora. Calificación: 0 de 5 estrellas0 calificacionesCorrección gamma: Mejora de la claridad visual en la visión por computadora: la técnica de corrección gamma Calificación: 0 de 5 estrellas0 calificacionesPerfil de color: Explorando la percepción y el análisis visual en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesMapeo de tonos: Mapeo de tonos: perspectivas iluminadoras en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesContorno activo: Avances en la visión por computadora con técnicas de contorno activo Calificación: 0 de 5 estrellas0 calificacionesPercepción visual: Información sobre el procesamiento visual computacional Calificación: 0 de 5 estrellas0 calificacionesModelo del sistema visual humano: Comprender la percepción y el procesamiento Calificación: 0 de 5 estrellas0 calificacionesFiltro adaptativo: Mejora de la visión por computadora mediante filtrado adaptativo Calificación: 0 de 5 estrellas0 calificacionesDetector de esquinas Harris: Revelando la magia de la detección de características de imagen Calificación: 0 de 5 estrellas0 calificacionesAjuste del paquete: Optimización de datos visuales para una reconstrucción precisa Calificación: 0 de 5 estrellas0 calificaciones
Libros electrónicos relacionados
Cámara de control de tráfico: Avances en visión por computadora para cámaras de control de tráfico Calificación: 0 de 5 estrellas0 calificacionesReconocimiento de señales de tráfico: Liberando el poder de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesIntegración de infraestructura vehicular: Descubriendo conocimientos y avances a través de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCámara inteligente: Revolucionando la percepción visual con la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesReconocimiento automático de objetivos: Avances en técnicas de visión por computadora para el reconocimiento de objetivos Calificación: 0 de 5 estrellas0 calificacionesContador de personas: Desbloqueo de conocimientos a través de análisis visual Calificación: 0 de 5 estrellas0 calificacionesReconocimiento óptico de caracteres: Liberando el poder de la visión por computadora para el reconocimiento óptico de caracteres Calificación: 0 de 5 estrellas0 calificacionesCámara de luz roja: Explorando las aplicaciones de visión por computadora: la perspectiva de la cámara de semáforo en rojo Calificación: 0 de 5 estrellas0 calificacionesVer síntesis: Explorando perspectivas en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesCoche autónomo: Explorando la visión por computadora en vehículos autónomos Calificación: 0 de 5 estrellas0 calificacionesAprendizaje Aplicado a Vehículos Terrestres: Mejora del rendimiento de los vehículos terrestres mediante el aprendizaje por visión por computadora Calificación: 0 de 5 estrellas0 calificacionesVisión de máquina: Información sobre el mundo de la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesReconocimiento inteligente de caracteres: Avances en la percepción artificial en la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesAdministración de redes telemáticas (MF0230_3) Calificación: 0 de 5 estrellas0 calificacionesGuía para la adopción industrial de líneas de productos de software Calificación: 0 de 5 estrellas0 calificacionesAlfabetización y competencias digitales Calificación: 0 de 5 estrellas0 calificacionesCalidad de Servicios Calificación: 0 de 5 estrellas0 calificacionesControl de movimiento en manufactura. Automatización CNC fundamentos de diseño y modelamiento experimental Calificación: 5 de 5 estrellas5/5Red de sensores visuales: Explorando el poder de las redes de sensores visuales en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesDomine Los Drones, Guía Básica para Comenzar a Ganar Dinero con los Drones: Fotografía/Comercial, Tecnología e Ingeniería, Robótica Calificación: 5 de 5 estrellas5/5Modelo de apariencia activa: Liberando el poder de los modelos de apariencia activa en visión por computadora Calificación: 0 de 5 estrellas0 calificacionesRobot automatizado de inspección por rayos X: Mejora del control de calidad mediante la visión por computadora Calificación: 0 de 5 estrellas0 calificacionesMantenimiento de infraestructuras de redes locales de datos. ELES0209 Calificación: 0 de 5 estrellas0 calificacionesReconocimiento de voz audiovisual: Avances, aplicaciones y conocimientos Calificación: 0 de 5 estrellas0 calificacionesHuellas dactilares por vídeo digital: Mejora de la seguridad y la identificación en datos visuales Calificación: 0 de 5 estrellas0 calificacionesTratamiento de textos para la maquetación. ARGP0110 Calificación: 0 de 5 estrellas0 calificacionesPuesta en marcha de sistemas de automatización industrial. ELEM0311 Calificación: 3 de 5 estrellas3/5Comprobación y optimización del programa cnc para el mecanizado por arranque de viruta. FMEH0109 Calificación: 0 de 5 estrellas0 calificacionesRealidad aumentada: Explorando las fronteras de la visión por computadora en realidad aumentada Calificación: 0 de 5 estrellas0 calificacionesDiseño de Redes Telemáticas (MF0228_3) Calificación: 5 de 5 estrellas5/5
Inteligencia (IA) y semántica para usted
Dominando ChatGPT: Desbloquea el poder de la IA para mejorar la comunicación y las relaciones: Spanish Calificación: 3 de 5 estrellas3/5Fundamentos de Programación: Diagramas de flujo, Diagramas N-S, Pseudocódigo y Java Calificación: 0 de 5 estrellas0 calificacionesResumen CHAT GPT IA Revolución en 2023: Guía de la Tecnología CHAT GPT y su Impacto Social: Resumen Tecnológico, #1 Calificación: 0 de 5 estrellas0 calificacionesCómo Ganar Dinero por Internet con Inteligencia Artificial Emprende tu negocio digital con ChatGPT, Escríbelo.ia, Playground AI, You.com, Canva, Midjourney, Dall-E 2, Amazon... Calificación: 0 de 5 estrellas0 calificacionesMetodología de la programación Calificación: 0 de 5 estrellas0 calificacionesIntroducción a la ingeniería Calificación: 0 de 5 estrellas0 calificacionesChat GPT-4 para Principiantes: Chat GPT, #1 Calificación: 0 de 5 estrellas0 calificacionesInteligencia artificial: Una exploración filosófica sobre el futuro de la mente y la conciencia Calificación: 4 de 5 estrellas4/5Calidad en el desarrollo de software Calificación: 0 de 5 estrellas0 calificacionesMáquinas predictivas: La sencilla economía de la inteligencia artificial Calificación: 5 de 5 estrellas5/5Cómo usar Chatgpt para tu negocio Calificación: 0 de 5 estrellas0 calificacionesANDROID: Aprende desde cero a crear aplicaciones Calificación: 0 de 5 estrellas0 calificacionesSobreviviendo a la IA Calificación: 3 de 5 estrellas3/5Inteligencia Artificial Calificación: 4 de 5 estrellas4/5El mito de la inteligencia artificial: Por qué las máquinas no pueden pensar como nosotros lo hacemos Calificación: 5 de 5 estrellas5/5Klara y el Sol Calificación: 5 de 5 estrellas5/5GuíaBurros: Inteligencia Artificial: Su lado oscuro y el fin del principio Calificación: 0 de 5 estrellas0 calificacionesEl poder de las imagenes, la palabra no tiene poder Calificación: 0 de 5 estrellas0 calificacionesEscritura Creativa en la Era de la IA: Dominando la Colaboración con ChatGPT para Crear Libros Impactantes Calificación: 4 de 5 estrellas4/5Aprendizaje automático y profundo en python: Una mirada hacia la inteligencia artificial Calificación: 0 de 5 estrellas0 calificacionesMecatrónica Calificación: 0 de 5 estrellas0 calificacionesMáquinas como yo Calificación: 4 de 5 estrellas4/5Monetización de ChatGPT: aproveche el poder de AI: Spanish Calificación: 1 de 5 estrellas1/5Introducción a la Ingeniería Industrial Calificación: 0 de 5 estrellas0 calificacionesCiencias de la Computación en la escuela: Guía para enseñar mucho más que a programar Calificación: 5 de 5 estrellas5/5Business Intelligence: Técnicas herramientas y aplicaciones Calificación: 0 de 5 estrellas0 calificacionesEl imperio de los algoritmos: IA inclusiva, ética y al servicio de la humanidad Calificación: 0 de 5 estrellas0 calificacionesCómo triunfar en Instagram usando ChatGPT: La guía definitiva para crear contenido impactante con ChatGPT Calificación: 0 de 5 estrellas0 calificaciones
Comentarios para Reconocimiento automático de matrículas
0 clasificaciones0 comentarios
Vista previa del libro
Reconocimiento automático de matrículas - Fouad Sabry
Capítulo 1: Reconocimiento automático de matrículas
El proceso de lectura de matrículas de automóviles a través de fotografías mediante el reconocimiento óptico de caracteres para proporcionar datos de posición del vehículo se conoce como reconocimiento automático de matrículas (ANPR; consulte también varios nombres a continuación). Puede hacer uso de CCTV preexistentes, cámaras de aplicación de reglas de tránsito o cámaras especialmente diseñadas. Los departamentos de policía de todo el mundo utilizan ANPR para realizar inspecciones legales, como verificar el registro y el seguro de un vehículo. Los departamentos de carreteras, por ejemplo, lo utilizan para realizar un seguimiento de los patrones de tráfico y cobrar peajes electrónicos en las rutas de pago por uso.
Las imágenes adquiridas por las cámaras y el texto de la matrícula pueden guardarse mediante el reconocimiento automático de matrículas, e incluso se pueden configurar algunos sistemas para guardar una instantánea del conductor. La cámara puede capturar una imagen en cualquier momento del día o de la noche, ya que la iluminación infrarroja se utiliza en la mayoría de los sistemas. El sistema ANPR debe ajustarse a las diferencias regionales en el diseño de las matrículas.
La identificación errónea, las altas tasas de error y el mayor gasto gubernamental son solo algunas de las preocupaciones de privacidad planteadas por ANPR. Algunos han afirmado que se trata de un programa de monitoreo masivo.
Nombres alternativos para lectores de matrículas:
Reconocimiento mecánico de vehículos por sus matrículas (ALPR)
Lector de matrículas motorizado o computarizado (ALPR)
Identificación automática de coches (AVI)
Colocación de números generados automáticamente (ANPG)
Lectores de matrículas (CPR)
Tecnología de lector de placas (LPR)
Sistema de lectura automática de matrículas (LAPI)
Lector de matrículas sobre ruedas (MLPR)
Sistemas de Lectura Automática de Matrículas (VLPR)
Lector automático de matrículas (VRI)
En 1976, la División de Desarrollo Científico de la Policía de Gran Bretaña desarrolló la tecnología que se convertiría en ANPR.
El software del sistema es compatible con el hardware común de PC de escritorio y puede integrarse con programas y almacenes de datos de terceros. El reconocimiento óptico de caracteres (OCR) se utiliza para extraer los caracteres alfanuméricos de la matrícula después de que se utilicen una serie de métodos de procesamiento de imágenes para identificar, normalizar y mejorar la imagen de la matrícula. Hay dos métodos principales para implementar sistemas ANPR: el primero permite que todo el proceso se lleve a cabo en la ubicación del carril en tiempo real, mientras que el segundo implica la transmisión de imágenes desde múltiples carriles a una ubicación de computadora remota, que luego lleva a cabo el proceso de OCR en un momento posterior. Se tarda unos 250 ms en registrar los caracteres alfanuméricos de una matrícula, la hora y la fecha, el número de carril y cualquier otro dato necesario en la ubicación del carril. Estos datos pueden guardarse localmente en el carril, transferirse a una computadora distante para su procesamiento, o ambos. La segunda configuración, una granja de servidores, se utiliza para gestionar tareas intensivas como las relacionadas con el sistema de tasas de congestión de Londres. Es posible que se necesiten medios de transmisión que requieran un mayor uso del ancho de banda en estos sistemas debido a la frecuente necesidad de cargar fotografías en un servidor distante.
Las imágenes de la cámara se procesan mediante un software de reconocimiento óptico de caracteres (OCR) para su uso en ANPR. Se incluyeron pequeñas lagunas en ciertas letras (como la P y la R) cuando los holandeses hicieron la transición a una nueva forma de matrícula de automóviles en 2002, lo que las hizo más únicas y, por lo tanto, más legibles para dichos sistemas. Para ser realmente exitosos, los sistemas ANPR deben ser capaces de lidiar con el hecho de que ciertos diseños de matrículas emplean diferentes tamaños y ubicación de texto. A pesar de que muchos programas se adaptan país por país, los sistemas más complejos son más capaces de manejar versiones en todo el mundo.
También se pueden emplear unidades móviles, a menudo montadas en automóviles, junto con cámaras fijas ya instaladas para hacer cumplir las normas de tránsito o un circuito cerrado de televisión. Para ver mejor las placas, algunas configuraciones emplean cámaras infrarrojas.
Los avances tecnológicos en la década de 1990 transformaron los sistemas de reconocimiento automatizado de matrículas (ANPR) de engorrosos, costosos y estacionarios a dispositivos portátiles de apuntar y disparar
. El desarrollo de software que pudiera funcionar en computadoras personales estándar eliminó la necesidad de un conocimiento preciso de los ángulos, direcciones, tamaños y velocidades a las que las placas cruzarían el campo de visión de la cámara. Las piezas más compactas y asequibles provocaron un aumento en la adopción por parte de los departamentos de policía de todo el mundo. Los agentes ahora pueden patrullar todos los días con la ventaja de la lectura de matrículas en tiempo real, cuando pueden interceptar rápidamente gracias a la miniaturización tanto de las cámaras como de los ordenadores que lo hacen posible.
Por muy útiles que sean, los ANPR móviles no están exentos de importantes inconvenientes. En caso de que el tráfico se acerque, uno de los principales desafíos es asegurarse de que la computadora y las cámaras puedan mantenerse al día con velocidades relativas de más de 100 mph (160 km/h). Dado que el equipo funcionará con el suministro eléctrico del vehículo, debe ser especialmente eficiente en cuanto a espacio.
La capacidad de la cámara para leer una matrícula se ve afectada por una serie de factores, uno de los cuales es la velocidad relativa del vehículo. La hora del día, el clima y los ángulos de la cámara pueden afectar la capacidad de un ANPR para generar un escaneo preciso, por lo tanto, los algoritmos deben poder tener en cuenta estos factores. En estas circunstancias, la resolución y la precisión de una lectura también pueden verse directamente afectadas por las longitudes de onda de la luz utilizada en el sistema.
A la hora de decidir en qué parte de un vehículo policial montar una cámara ANPR, es importante tener en cuenta su proximidad a las matrículas que va a escanear. Dada la gran variedad de misiones y condiciones, puede ser difícil determinar cuántas cámaras usar y dónde colocarlas para obtener resultados óptimos. Las cámaras de lectura de matrículas, de varios carriles y orientadas hacia adelante son esenciales para la patrulla de carreteras. Las cámaras con un alcance más corto y una longitud de enfoque más pequeña son necesarias para que la policía de la ciudad capture las placas de los automóviles estacionados. Los estacionamientos con filas de vehículos alineados perpendicularmente entre sí necesitan cámaras con longitudes de enfoque muy bajas. Los sistemas más avanzados son maleables, lo que permite la instalación de una a cuatro cámaras intercambiables. Dado que una cámara orientada hacia adelante se vuelve inútil en presencia de tráfico que se aproxima, los estados que solo necesitan placas traseras tienen una dificultad adicional. En tal escenario, una cámara puede estar invertida.
El programa necesita siete algoritmos básicos para detectar una matrícula:
Búsqueda y separación de la placa en la imagen (localización de la placa)
Orientación y tamaño de la placa: corrige la inclinación de la placa y modifica las medidas para cumplir con las especificaciones
El brillo y el contraste de la imagen se normalizan durante el proceso de normalización.
Separar los caracteres en las placas se llama segmentación de caracteres
.
Reconocimiento óptico de caracteres
Análisis de caracteres y su ubicación en relación con las normas gramaticales regionales
Valor de reconocimiento que promedia en numerosos campos/imágenes para aumentar la confianza en el resultado final, ya que cada imagen en particular puede sufrir desenfoque debido a destellos de luz, oscurecimiento parcial u otros factores.
La precisión del sistema está en función de la dificultad de estas partes individuales del código. Algunos sistemas utilizan métodos de detección de bordes durante la tercera fase (normalización) para mejorar el contraste visual entre las letras y el fondo de la placa. Para minimizar aún más los elementos visuales que distraen, se puede utilizar un filtro mediano.
El programa tiene que ser lo suficientemente resistente como para manejar una variedad de problemas. Entre ellos se encuentran:
La distancia de la placa a la cámara, o una cámara de mala calidad, contribuyen a una baja resolución del archivo.
Fotos borrosas, especialmente aquellas con desenfoque de movimiento
La sobreexposición, los reflejos o las sombras provocan una iluminación tenue y un contraste deficiente.
Una barra de remolque u otra obstrucción, o suciedad en la placa, pueden dificultar la lectura.
Las placas de matrícula de los remolques remolcados, caravanas y otros vehículos a veces tienen placas delanteras y traseras separadas, por lo que es importante leer ambas.
Lectura de matrículas interrumpida por cambio de carril del vehículo
Variante tipográfica; A menudo se usa para placas de matrícula personalizadas (algunos países no permiten tales placas, lo que elimina el problema)
Técnicas de elusión
Acción inconexa por parte de varias naciones. Es posible