Las matrículas de los coches están bajo control.
El reconocimiento automático de matrículas de vehículos ha recorrido un largo camino desde los sistemas de control de entrada y los sistemas de pago de estacionamiento.
Este artículo analiza la situación del mercado, los avances tecnológicos y los problemas generales asociados a la aplicación y desarrollo de esta tecnología.
El reconocimiento automático de matrículas (APLR) es una tecnología en rápido desarrollo que ha demostrado ser eficaz en muchas aplicaciones, como el control de acceso de vehículos y el control de velocidad.
La integración de ARNZ con videovigilancia hace que el sistema sea más efectivo, ya que en este caso se proporciona evidencia en video.
IMS estimó el mercado global del software ARNZ y los dispositivos integrados (el programa está incluido en la cámara y el DVR con procesamiento de datos en el propio dispositivo) Investigación en 9 millones en 2008 y 442,9 millones en 2013 con un crecimiento anual de aproximadamente el 30%.
“El mercado EMEA es hoy el más grande y sofisticado para los sistemas ARNZ”, afirma James McManus, analista de mercado de IMS Research.
Según datos de ARHungary, el mercado se divide aproximadamente de la siguiente manera: países de EMEA — 50%, Estados Unidos — 25% (principalmente debido a los EE.UU.) , Asia — 15% y el resto — 10%.
La mayoría de las aplicaciones, según McManus, incluyen monitoreo de seguridad y cumplimiento, peajes para diversos servicios y viajes, control de acceso y gestión de estacionamiento, así como información sobre el tiempo de viaje.
Ingresos por sistemas de registro las infracciones de tráfico, el control de la seguridad y el cumplimiento de las normas, junto con los pagos por servicios adicionales, representaron más del 60% de los ingresos en 2008.
En términos de aplicación, se implementaron más sistemas de control de acceso. ventas y gestión de estacionamiento: aproximadamente la mitad de todas las ventas en el mercado.
Estas cifras las confirma Erno Szucs, director de ventas de sistemas ARH en ARHugary: registro de infracciones de tráfico — 40%, tasas y cargos — 25%, estacionamiento y control de acceso — 20%, información sobre el tiempo de viaje — 15%.
Principales novedades
«Un sistema ARNZ normalmente tiene varios pasos: localización de matrículas, captura de datos de matrículas, procesamiento de datos e identificación final», dijo Vincent Chen, vicepresidente asistente de marketing de GeoVision. – Y es en el procesamiento de la imagen donde surge la diferencia.
Incluye reorientación de matrículas (para imágenes capturadas en ángulo), diferencias en los ejes X/Y, trabajo con el fotograma/medio fotograma (para mejorar la precisión), reconocimiento de patrones (varios estados y países) y reconocimiento de caracteres (blanco y negro, reconocimiento óptico).
Cada etapa requiere algoritmos altamente complejos, y bases de datos claras y bien definidas son clave para garantizar la precisión.»
Gracias a siete años de investigación y desarrollo, cuarto de vanguardia Los algoritmos y tecnologías ARNZ de última generación, desarrollados por GeoVision, pueden “captar” matrículas de vehículos a velocidades de 200 km/h con una precisión de reconocimiento de hasta el 98 %.
“Reconocer el tipo de matrícula o patrón tampoco es una tarea fácil.
La identificación de países y estados, especialmente en Europa y Medio Oriente, las búsquedas en bases de datos son fundamentales para una identificación correcta”, dice Erno Stzucks.
Matthew Messinger, consultor senior de comunicaciones de seguridad pública y gobierno, Motorola (Norteamérica), coincide con esta afirmación: “Los sistemas ARNZ deben poder identificar muchos tipos de números.
Podemos decir que esto es un desafío para Norteamérica, donde hay muchas opciones de habitaciones en cada estado, incluidas habitaciones diseñadas a medida”.
Los caracteres especiales, como los del árabe y el chino, también suponen una gran barrera para muchos proveedores.
Honeywell utiliza cuatro algoritmos diferentes para leer las matrículas y referencias cruzadas al leer caracteres.
Esto aumenta significativamente la precisión del reconocimiento.
«Paralelamente a los algoritmos de reconocimiento de matrículas, algunos desarrolladores están trabajando en otros algoritmos, como detectar automáticamente si el color y el fabricante del vehículo coinciden con los parámetros especificados en la base de datos para detectar matrículas falsas», dice James Somerville-Smith, director del reconocimiento de matrículas del mercado EMEA de Honeywell Security.
«En una serie de aplicaciones, existe un interés creciente, desde los sistemas ARNZ estándar utilizados en los pasos fronterizos y puestos interurbanos hasta los sistemas para leer y reconocer vehículos en movimiento, como los vagones de carbón y el transporte público», afirma Christian Bohn, jefe de producción de la empresa Milestone Systems.
Consejos de instalación
“Los sistemas ARNZ suelen consistir en equipos de captura de imágenes, programas de reconocimiento y búsqueda en bases de datos, – notas Wuning Jian, ingeniero de reconocimiento de imágenes de Hikvision. –
Para que un sistema ARNZ sea efectivo, el hardware y el software deben estar instalados y configurados correctamente”.
Por lo general, existen limitaciones físicas asociadas con la matrícula o la cámara que afectan el resultado de la prueba. sistema automatizado.
La pintura, el óxido y la deformación de la matrícula pueden afectar la precisión del proceso de reconocimiento, lo cual no debe olvidarse al diseñar y crear el algoritmo.
Otros factores que influyen son el tamaño del número, la ubicación de instalación de la cámara, la configuración del área de detección, la exposición, la velocidad de obturación de la cámara y la velocidad de fotogramas.
“Por lo tanto, es igualmente importante seleccionar la cámara adecuada y el ubicación correcta para su instalación.
Las cámaras deben ser duraderas y resistentes a la intemperie para su instalación en exteriores, dice Matthew Messinger. «Estas cámaras deben estar diseñadas específicamente para funcionar en condiciones de iluminación variables (con iluminación IR o alto rango dinámico)».
«La iluminación IR», señala Rasmus Crüger Lund, programador y desarrollador de Milestone Systems, «es particularmente útil para identificar matrículas reflectantes».
Otros factores relacionados con la iluminación son el contraste, la lente y exposición.
«A la hora de determinar el nivel correcto de contraste para el sistema ARNZ, se tiene en cuenta el nivel de grises (cuando las imágenes se presentan en escala de grises de ocho bits) entre los caracteres de la matrícula y el color de fondo», afirma Land.
– Cuando convierte la imagen de origen en una imagen en escala de grises de ocho bits, el valor mínimo de la diferencia de color de píxeles entre los puntos en primer plano y los puntos en segundo plano debe ser al menos 15. Sin embargo, , el ruido en la imagen y el grado de compresión pueden complicar la determinación de los colores de los caracteres y el fondo de la matrícula.» .
Al configurar las lentes y la velocidad de obturación para los sistemas ARNZ, Land sugiere prestar atención a la apertura automática, la configuración de la iluminación IR y el modo de velocidad esperado. Si usa una lente con iris automático, siempre debe configurar el enfoque con la apertura completamente abierta.
Para hacer esto, puede usar filtros ND o, si la cámara admite tiempo de obturación manual. ajustes, mantenga el tiempo de obturación lo más corto posible .
Cuando se utiliza iluminación IR, el enfoque puede cambiar al cambiar entre el espectro visible e infrarrojo.
Esto se puede evitar usando lentes con un espectro desplazado o filtros IR, y cuando se usan estos últimos, el iluminador IR debe estar encendido incluso durante el día.
Cuando se detecta un vehículo en movimiento, el tiempo de obturación debe ser lo suficientemente corto para evitar la imagen borrosa.
«Cuando se utiliza el sistema en una autopista, un coche que circula a 200 km/h recorre 56 m por segundo o 5,6 m en 100 milisegundos», afirma Erno Stzucks de ARHugary.
– Si Si la cámara cubre un sector de 6 m, entonces debe asegurarse de que el procesamiento se complete dentro de este período de tiempo para que sea posible captar todos los automóviles en tiempo real.»
«Para altas velocidades, los dispositivos también deben instalarse en la carretera para capturar fotogramas de vídeo en el momento correcto”, añade su colega Christian Bohn de Milestone Systems.
“La sobreexposición es un problema común tanto de día como de noche, ya que puede haber un fuerte resplandor del sol o de los faros de los automóviles, lo que normalmente da como resultado una imagen demasiado blanquecina”, continúa Lund.
– Para evitar esto, es necesario utilizar cámaras con WDR (amplio rango dinámico) y/o lentes con iris automático”.
Por otro lado, la subexposición da como resultado una imagen oscura con baja contraste.
«Esto se puede evitar utilizando iluminación ambiental adicional y/o una cámara con alta sensibilidad a la luz que pueda manejar condiciones de poca luz sin amplificación», explica Lund.
«El desenfoque también es un problema conocido que añade rayas verticales no deseadas a una imagen», señala también Land. – Esto suele deberse a una ligera imperfección en la matriz CCD. En general, los CCD con un área mayor (diagonal) son menos sensibles a este tipo de ruido.
Las cámaras CMOS también son menos sensibles al desenfoque que los CCD.»
La ubicación física de las cámaras también juega un papel importante. “Para obtener la imagen perfecta de una matrícula, las cámaras deben montarse de tal manera que la matrícula quede en el centro de la imagen cuando se captura el encuadre”, dice Land. – El ángulo de visión vertical máximo de la cámara utilizada en los sistemas ARNZ corresponde a 30 grados y el ángulo de visión horizontal corresponde a 25 grados. En la mayoría de los sistemas, el ángulo horizontal está entre 15 y 20 grados.»
En realidad, la cámara tiene una serie de funciones no deseadas, como el ajuste automático de ganancia y la compresión.
«Algunas cámaras utilizan algoritmos de mejora de bordes, bordes y contraste para mejorar la percepción de la imagen por parte del ojo humano», explica Land.
– Además, el sistema ARNZ no funcionará en cámaras que utilicen compresión MPEG. Cuando se utiliza alta compresión, se requiere una resolución más alta para lograr un rendimiento óptimo del sistema.»
Desarrollo adicional
«Utilizando algoritmos inteligentes, puede rastrear la trayectoria y dirección de un vehículo específico a través de una interfaz gráfica”, dice Szonja Balogh, gerente de marketing de Intellio.
– Utilizando los datos recibidos, los sistemas inteligentes actuales pueden analizar eventos en la carretera en segundos y tomar medidas para advertir a los servicios relevantes.
Podemos recibir datos no solo de cámaras individuales, sino también de desde un grupo de cámaras, lo que nos permite realizar análisis de datos mejores y más profundos.»
La tecnología ARNZ continúa avanzando a pasos agigantados, permitiendo a los proveedores prestar servicios de 50 a 80 países con una única solución.
«Para ser completamente automático, un software bien construido no debería requerir intervención humana hasta que se detecte un vehículo de interés», señala Messinger.
James Somerville-Smith de Honeywell Security cree que los desarrollos científicos y tecnológicos se centran en aumentar la precisión (hoy es del 95-98%) del reconocimiento, el detalle, la comparación y el aumento del grado de integración de los sistemas ARNZ con otros sistemas de seguridad y gestión empresarial. .
«Si utilizamos una cámara monocromática de cinco megapíxeles, podemos hacer que el algoritmo lea y reconozca texto», dijo Dave Tynan, vicepresidente de ventas globales de Avigilon, que es apostando por imágenes con mayor detalle.
: esto elimina los gráficos de fondo que podrían afectar negativamente la precisión de la captura de personajes.
Con la ayuda de una cámara megapíxel en color, la recopilación de declaraciones de testigos y pruebas (color del vehículo, características distintivas, descripción de los ocupantes) se vuelve más fácil, proporcionando vídeo sin pérdida de calidad y un mayor porcentaje de investigaciones exitosas.”
Vincent Chen de GeoVision aboga por la integración abierta: «Sería bueno tener un SDK (kit de desarrollo) abierto para una fácil integración con sistemas de videovigilancia, control de acceso y otros». Por ejemplo, los sistemas ARNZ de Honeywell y Siemens Building Technologies se utilizan en los aeropuertos para gestionar espacios de estacionamiento personales en el estacionamiento, asignando espacios para automóviles en tiempo real.
James McManus de IMS Research ve el estacionamiento integrado como el futuro en los dispositivos todo en uno de ARNZ.
También habrá un aumento en los sistemas estacionarios que funcionarán las 24 horas del día y la integración con tecnologías de terceros, por ejemplo. por ejemplo, el reconocimiento facial.
Los beneficios de la tecnología inalámbrica harán que el proceso de instalación sea más fácil y económico. Básicamente, estos sistemas se implementarán allí donde se requiera la lectura de matrículas. Podrían ser contenedores de transporte, trenes, camiones o cajas sobre una cinta transportadora.
“Nuestra empresa ha experimentado un crecimiento anual de más del 40 % durante los últimos cuatro o cinco años. Esperamos estos resultados en 2009”, resume con optimismo Erno Szucks de ARHugary, prediciendo un buen futuro para los sistemas ARNZ.