Vigilar el tráfico

Los sistemas de Reconocimiento automático de matrículas (ANPR) se han implementado grandemente para permitir que las agencias encargadas de hacer cumplir la ley controlen y administren el tráfico en las carreteras. Los sistemas son capaces de leer las matrículas de los vehículos que se mueven a altas velocidades durante el día y la noche, e incluso en condiciones de mucho tráfico o donde la iluminación es deficiente.

Con el objetivo de mejorar el rendimiento de los diseños anteriores, Lector Vision con sede en Madrid, España,  introdujo recientemente un nuevo sistema ANPR denominado Traffic Eye. El sistema combina lo mejor del hardware disponible con hardware personalizado diseñado y desarrollado por Lector Vision, y el propio motor de software OCR de la compañía, lo que resulta en un sistema altamente versátil que puede adaptarse rápidamente para identificar matrículas en cualquier país del mundo .

El sistema Traffic Eye ilumina las escenas de tráfico con luz infrarroja pulsada mientras captura imágenes monocromáticas de vehículos, así como vistas panorámicas usando dos cámaras separadas. El software que se ejecuta en un procesador avanzado en el sistema luego detecta dónde se encuentran las matrículas del vehículo en las imágenes monocromáticas, e identifica los caracteres individuales en las matrículas utilizando una técnica de reconocimiento de caracteres ópticos que emplea una red neuronal artificial. Tanto el número de la matrícula como la descripción general del color de la escena se correlacionan luego antes de transmitirse a un centro de control en tiempo real.

El software primero busca regiones rectangulares de interés en la imagen donde es probable que esté presente una matrícula

Captura de imagen

Según Gonzalo García Palacios, Gerente de Investigación y Desarrollo de Lector Vision, las cámaras desempeñan un papel importante en el proceso de reconocimiento de matrículas, ya que el rendimiento general del sistema depende en gran medida de la calidad de las imágenes capturadas. 

"En el pasado, se requería de cámaras especializadas para aplicaciones ANPR, pero gracias al rendimiento de la gama de cámaras de FLIR, el nuevo sistema puede hacer uso de productos disponibles en el mercado", dijo.

La primera de las cámaras del sistema Traffic Eye: una cámara monocromática GigE Blackfly de 1920 x 1200 píxeles con un sensor de obturador global CMOS IMX249 de Sony y un filtro IR, captura imágenes que el software del sistema analiza para determinar la matrícula de los vehículos. La segunda, una cámara GigE Blackfly a color de 1920 x 1200 píxeles equipada con un sensor CMOS Sony IMX249, captura una visión general de la escena. Las diferentes cámaras equipadas con diferentes sensores CMOS se pueden cambiar fácilmente para adaptarse mejor a las diferentes aplicaciones, p. ej., dispositivos ANPR con uno o múltiples carriles (hasta 3 carriles al mismo tiempo), control de semáforos y control de velocidad promedio.

Si bien las cámaras GigE se han utilizado ampliamente en el sistema Traffic Eye desde su introducción en 2013, la naturaleza modular de las matrículas del procesador y del hardware de control utilizadas en el sistema permiten que la empresa no esté restringida a una sola interfaz de cámara. <>

Menos interferencia

Debido al hecho de que la intensidad de la luz solar varía de acuerdo con su longitud de onda en el espectro IR, la longitud de onda de la luz elegida para iluminar la escena del tráfico fue una consideración de diseño importante.

En el pasado, muchos sistemas ANPR iluminaban las matrículas usando luz infrarroja en el rango de longitud de onda de 880 nm. Sin embargo, a 940 nm, la intensidad de la luz solar es de aproximadamente el 60 por ciento de su intensidad a 880 nm. Por lo tanto, Lector Vision optó por reducir los niveles de interferencia de la luz solar al iluminar las escenas de tráfico con una matriz de LED pulsados a medida que opera en la longitud de onda más alta.

"La desventaja cuando se usan LED de longitud de onda más alta es que la sensibilidad del sensor de la cámara a la luz a 940 nm es algo reducida. Para compensar esto, un sistema de control del Traffic Eye impulsa los LED IR por intervalos de microsegundos cada vez, produciendo una intensa luz infrarroja estroboscópica que (una vez reflejada desde las matrículas) puede ser detectada fácilmente por la cámara monocromática. A medida que la escena se ilumina con la luz infrarroja pulsada, el controlador acciona ambas cámaras simultáneamente para permitirles capturar tanto una imagen monocromática como una a color de la escena del tráfico", dijo Palacios.

Ambas imágenes se transfieren a través de la interfaz GigE a un procesador de cuatro núcleos integrado en el sistema Traffic Eye. Aquí, la imagen monocromática se analiza mediante un software personalizado que se ejecuta en el procesador para determinar los caracteres en las matrículas de la imagen. Para hacerlo, el software primero busca regiones rectangulares de interés en la imagen donde es probable que haya una matrícula. A continuación, se realiza una operación de detección de bordes en la región de interés para encontrar los límites de los caracteres en la placa de la matrícula, detectando discontinuidades en el brillo de las imágenes.

Red neuronal

Después de determinar la ubicación de los caracteres en las matrículas de las imágenes, el sistema identifica los caracteres individuales. Para hacerlo, Lector Vision optó por implementar una red neuronal artificial basada en software que primero fue entrenada para identificar caracteres en las placas de las matrículas, al ser presentada con muchos miles de ejemplos separados de un solo país. Luego, la red neuronal usa los ejemplos para inferir automáticamente reglas mediante las cuales puede identificar nuevos caracteres desconocidos de las imágenes capturadas por la cámara monocromática una vez que el sistema Traffic Eye se despliega en el campo.

"Una vez identificada la matrícula, se puede enviar el número de matrícula y la imagen de la escena de tráfico capturada por la cámara a color (así como una marca de tiempo del GPS opcional) a un centro de control por cable, fibra óptica, GPRS o 3G, dependiendo de la naturaleza de la aplicación. Al hacer esto, usuarios como agencias de autopistas que supervisan el flujo de tráfico y hacen cumplir las violaciones de los semáforos pueden ver las dos imágenes para identificar el vehículo en cuestión a través de su matrícula y examinar una imagen del automóvil y sus ocupantes en el lugar preciso donde la matrícula del vehículo fue capturada", dijo Palacios.

Según Palacios, se han instalado más de 500 sistemas Traffic Eye desde que se lanzó el sistema en 2013, en lugares donde se ha demostrado su capacidad de leer matrículas de vehículos que viajan a velocidades que superan los 200 km / h. Además de en España, se han implementado sistemas en Andorra, Colombia, Chile, Polonia, Eslovaquia, Perú, Argelia y México. Además, la compañía también ha vendido más de 700 dispositivos de control de acceso desde el 2003, y el software de reconocimiento OCR como un producto de software independiente para otras partes interesadas.

Pero la compañía no se duerme en sus laureles. Este año, Lector Vision planea agregar más funciones al sistema, capacitándolo para identificar matrículas de muchos otros países donde el control del tráfico se está convirtiendo en un problema importante. Además, el sistema se actualizará para que pueda detectar el tráfico de más de tres carriles en una carretera a la vez. Por último, el sistema se mejorará para que no solo lea las matrículas, sino que también detecte muchos otros tipos de eventos en la carretera, como el tráfico que se mueve en la dirección equivocada en una carretera y los accidentes automovilísticos.

Acerca de Lector Vision

Lector Vision es una compañía desarrolladora de hardware y software aplicados a sistemas de visión artificial, a saber, lectura automática de matrículas. Con una amplia experiencia técnica y comercial en las áreas de ITS, aparcamiento, control de acceso, videovigilancia y visión artificial, desarrollamos soluciones de gama de productos en gestión de tráfico, control de acceso de vehículos, gestión de estacionamiento y otras operaciones de seguridad y logística.