20.33 MB. - ITS Chile

Transcripción

Sistemas Urbanos de
Reconocimiento de Patentes
Ing. Gino Olivato
Technical Manager / Q-Free
30/11/2011
Seminario de Tecnologías para la Fiscalización y
Monitoreo Automático de Infracciones de Tránsito
1
Video Tolling – El Sueño ya
es Realidad
Utiliza la placa patente que el vehículo ya tiene para
automáticamente identificar los vehículos para
cobro de peaje
Video Tolling
•Hay varios argumento por qué esto funciona y es beneficioso





Interoperabilidad viene gratis
Información de los clientes disponible en la base de datos actual
Todos los países tienen leyes que prohíben la remoción de la patente y garanten su lectura.
No hay necesidad de cameras adicionales para fiscalización.
Ya es utilizada por la policía como fiscalización.
• Los proyectos actuales muestran que la tecnología
(captura de imágenes, identificación automática) se han
avanzado o suficiente para hacer el video tolling posible
30/11/2011
Tecnología de Video de Q-Free
New York,
New Jersey, &
Virginia
ALPR Trials
Canada Toronto
Netherlands Norway, VES & Video Tolling, ALPR
407ETR
Section Control
Video Tolling
ALPR and
VSR
ALPR & VSR
Sweden, Video based Congestion Charging,
ALPR
Taiwan
VES & Video Tolling
ALPR
Maryland
MdTA VES &
Video Tolling,
ALPR &VSR
California
BATA
VES & Video
Tolling
ALPR
Texas
NTTA,
VES & Video
Tolling
New Zealand
ALPR
Florida FTE,
VES & Video Tolling
ALPR & VSR
30/11/2011
Chile,
VES
ALPR
Portugal
VES & Video Tolling
South Africa
ALPR
VES & Video Tolling
Eastern Europe
Video Tolling
UAE
ALPR & VSR
VES & Video Tolling
ALPR & VSR
ALPR
Trans-Israel
Highway
Truck Enforcement
VES & Video Tolling,
ALPR
ALPR & VSR
Queensland, NSW, Victoria
VES & Video Tolling
ALPR &VSR
Sistemas de Identificación por Vídeo integran
lectura
automática
y
manual
AETC
Video Stream
Flujo de Tráfego
RF ID
Revisión de
imágenes manual
Base de datos
de los
Vehículos
Perdidas
Perdidas
Identificación
Automática por
Vídeo (IAV)
Reglas de Negocio
• Software de IAV de Q-Free automatiza las tareas de identificación diaria de vehículos
• Revisores humanos minimizan las fugas de cobro de peaje por la lectura de la patente
que no son reconocidas por el IAV con precisión.
• Las reglas de negocio están diseñadas para minimizar las identificaciones falsas por el
sistema IAV y los errores human mientras permite una máxima automatización.
• Desarrollo de Sistemas de Identificación por Vídeo son importantes para el éxito de el
ETC
30/11/2011
Visión Artificial requiere datos de la
imagen que matemáticamente contiene
la información solicitada
• Para un ser humano, una imagen de video desencadena una experiencia
perceptiva de alta complejidad que no es comprendida por una
computadora "Hay más en la imagen que se ve que la imagen que llega a
sus ojos“
• Para una máquina, las definiciones matemáticas de la información
direccionan las técnicas utilizadas para automatizar la identificación
humana como patentes, caracteres, Provincia o tipo de patente
30/11/2011
Visión Artificial requiere datos de la
imagen que matemáticamente contiene
la información solicitada
• Para que las máquinas lean las patentes, la información de carácter debe
ser capturada con bastante fidelidad (resolución y nitidez de imagen)
para permitir la extracción computacional de las informaciones de la
desorden/ruido de las imágenes “Un equipo no puede ver más que lo
que contiene los datos de la imagen”
• Letra pequeña, como nombres de Província, los prefijos/sufijos, o más
de 2 caracteres verticalmente apilados, a menudo no tienen suficiente
resolución para que sean legibles por máquina, a pesar de que los seres
humanos pueden identificar impresiones mal resueltas.
FL
SHERF00000
AETC necesita de ALPR para leer toda la
información del la patente
Lectura de patentes
Es necesario separar el fondo de los símbolos
Nombre de la Provincia
Ahora ignorando todo que no son simbolos
TIPOS DE INTERFERENCIA
(Evidencias de gráfico o coloración)
Stickers
CCI IC64CE MA
conf 756
Marcas de
Autenticación
Fondo de la Patente/Tipo de Información
(Logos de la Provincia/ Gráficos /Colores y Símbolos
Especiales, impresiones pequeñas)
INFERENCIA DE LA
IDENTIFICACION de la Provincia
(Evidencia de texto/ símbolo de la Provincia,
caracteres, sintaxis y coloración)
MD NY
• Códigos de las patentes deben ser bien entendidos por los lectores (humanos o maquinas)
• La lectura de una patente requiere decidir lo que ignorar cuanto lo que prestar atención
• La Provincia o tipo de la patente debe ser inferido por varias pistas porque las evidencias no
están bien resueltas o conclusivas.
30/11/2011
Reconocimiento de la Provincia
•
•
Video Tolling requiere el reconocimiento tanto del número de registro y Provincia
Para conocer la sintaxis de la Provincia el reconocimiento no siempre es
concluyente ya que muchas Provincias tienen estilos de la patente con el mismo
formato (ejemplo: LLL DDD) o patentes personalizadas. Detalles podrían estar
presentes en el fuente, el diseño, fondo de placas, etc que se pueden utilizar para
hacer el trabajo (nota: los seres humanos puede determinar la Provincia
observando la imagen).
•
Buena calidad de imagen (enfoque, nitidez, contraste, resolución, compresión
mínima) es necesario para permitir la explotación de todos los datos.
•
El sistema de imágenes debe permitir una captura constante de los detalles
30/11/2011
Reconocimiento de la Provincia
Técnicas disponibles
• Una combinación de las diferencias de tipo de letra, geometría, la
clasificación de patrones de texto, la detección de marcadores se
pueden utilizar para detectar la Provincia correcta.
30/11/2011
Coincidencias de Patrones ayudan
reconocimiento ALPR de Patentes difíciles
Código de Registro
NG 8000 FL
Imagen con
Próxima
vez baja
que la
Confianza
imagen es leída
Asociadas entre sí en una
base de datos de imágenes
revisados
Coincide con previamente
los datos previamente
grabados en el Fingerprint
nt
rpri
e
g
n
i
F
Image
• Diferente del ALPR, Fingerprints no necesita diferenciar los caracteres de los ruidos
• Coincidencias de Patrones son utilizados cuando partes importantes de la patente son:
• Imposibles de separar del fondo
• Tienen baja resolución
• Parcialmente obscuro, dañificado o destorcido
• Sintaxis inconsistente o no reconocida (personalizaciones, patentes organizacionales)
30/11/2011
Generación de Firma del Vehículo
Vehicle Image
Codificación en bits
Firma del Vehículo
LlxJbWFnZXNcUG9vbFwwNzIwMTcuZGNpLAAE ……
Extracción de Imagen
Codificación en base 64
compresión
• La Firma almacena características visuales de los patrones 2-D de la patente y vehículo
• La Firma es estable cuanto a cambio de luz, sombras y reflexiones.
• ~4K bytes son necesarios por cada firma
30/11/2011
Vehicle Signature Recognition
• El sistema evalúa el grado de
semejanza de las firmas en una
escala de 0 a 1000 (puntuación)
Transacción de la Firma
• Ofrece un medio independiente
y fundamentalmente diferentes
de reconocimiento de vehículos
además del OCR
• Puntuación > 400 generalmente
indica un reconocimiento
correcto.
• Cuando una puntuación es muy
baja, el vehículo no representa
ningún de la base de datos.
Punctuacíon
alta = 859
Firma Única
Reconocida
Base de datos de firmas de vehículos
reconocidos y sus patentes
correspondientes
(NJ, ABC 123)
30/11/2011
VSR: Ejemplos de Performance
Customer
Confidence
threshold
correct
error
Confidence
threshold
correct
error
Camera Type and Pool Size
GATSO, NL
400
80%
0.001%
450
70%
0.0005%
B&W rear,
2500 candidates/trial
407ETR, CAN
700
75%
---
500
75%
0.0005%
1 B&W rear.
FTE, FL
500
50%
0.001%
Preliminary Results
1 Color rear,
• Muy adecuado para el reconocimiento de las patentes específicas que aparecen
repetidamente
• Alta tasa de reconocimiento en patentes leídas por humanos y que el OCR no
reconoce (>50% en Estados Unidos)
• Utiliza las características del vehículo, no sólo los caracteres de la patente
• Independiente de la Provincia
• Resultados de OCR ayudan la generación y reconocimiento de la firma digital
• VSR tiene una tasa de error muy baja en comparación con OCR
• VSR generalmente tiene un mayor porcentaje de rechazo de OCR
30/11/2011
Mas allá del desempeño
inicial del OCR
• Los expertos en OCR de Q-Free enseñan a INTRADA en el reconocimiento exacto de la gran
mayoría de los estilos (o diseños) de patentes en base a una muestra representativa de
imágenes de transacciones .
• Esencialmente el sofware INTRADA que se entrega es un software graduado con honores en la
universidad Q-Free de lectura de patentes.
• Como cualquier nuevo empleado, el entrenamiento “en el lugar de trabajo” permite mejorar el
desempeño si se identifica como el sistema IAV debe administrar situaciones especificas que su
programación inicial no considero.
• El entrenamiento “en el lugar de trabajo” requiere
• Monitoreo del desempeño (validación humana de los resultados OCR)
• Corrección de errores o respuestas faltantes (lectura humana de las patentes)
• Reconocimiento de la misma situación en una siguiente oportunidad y aplicación de una corrección
conocida.
• Validaciones y lecturas humanas ya son parte de las operaciones diarias del back-office de
procesamiento de video.
• A medida que se entrena su sistema de transacciones por video, se obtienen mayores niveles
de automatización con menores tasas de lecturas falso positivas respecto de lo que cualquier
otro proveedor puede inicialmente entregar; esto porque su solución AVI ahora incorpora
conocimiento especifico solamente disponible en sus operaciones reales de peaje.
30/11/2011
Caso de Éxito:
Sistema de Reducción de Tráfico
Urbano Estocolmo
30/11/2011
15
Estocolmo
El Primer Proyecto 100% Basado en Video
Firma contrato: • Septiembre 2004
Lanzamiento: • Enero 2006 (período prueba Enero Julio 2006.)
Cliente:
• Agencia de Transporte de Suecia
Partner:
• IBM
Q-Free’s Scope:• 100% equipos de pista, HW y SW de
video (ALPR), y servicios relacionados
Objetivos:
•
•
•
Reducir la Congestión y
Tiempos de Viaje.
Mejorar el medio ambiente
disminuyendo la contaminación
acústica y las emisiones.
Generar Fondos Públicos para
el Financiamiento de
Infraestructura Vial y Transporte
Público
Sistema de Reducción de Tráfico Urbano Estocolmo
•
El proyecto de “Congestion charging” en Estocolmo tiene los
siguientes objetivos:
–
–
–
–
•
Reducir el volúmen del tráfico entre 10-15 % durante la hora pico;
Mejorar el acceso del transporte público y vehículos a las ciudades;
Mejorar el transporte público;
Mejorar la calidad del medio ambiente;
Características principales:
– Cobranza en ambas direcciones; entrada y salida del centro urbano
– Sistema de antenas DSRC combinado con sistema de vídeo para registro de placas
patentes delanteras y traceras;
– Trechos con vías únicas, dobles,triples y cuadruples. Todas operando en una
configuración Multi-Lane-Free-Flow;
– Sistema de alto perfomance y precisión, para cobrar peaje a TODOS los vehículos
Página 17
Sistema y Volúmen de Transacciones
• Volúmen de Transacciones
– Más de 500.000 transacciones diarias;
• Instalación de Equipos
– 44 puntos de control, en 77 vías
– 50 estaciones manuales de pago
– Instalación en pórticos incluye sistema de lectoras DSRC, sistema
de clasificación automática (Scanners) y sistema de verificación
visual por video (VES – “Video Enforcement System”) de las placas
patentes delanteras y traceras.
– CEN DSRC, especificación sueca basada en protocolo PISTA
Página 18
Instalación de pórticos
30/11/2011
Página 19 y
Seminario de Tecnologías para la Fiscalización
Configuración MLFF de 9 vías
30/11/2011
Page 20 y
Instalación en viaductos
30/11/2011
Página 21 y
Instalación típica en autopistas
30/11/2011
Cabina de protección
30/11/2011
Página 23 y
’Stop & Go’
30/11/2011
Página 24 y
La Próxima Generación
El Q-Free Single Gantry
MFLL facilita la
implementación de
sistemas de Reducción de
Tráfico Urbano
30/11/2011
Esquemas de Single Gantry
A través de la detección óptica, los autos son detectados, fotografiados, identificados
utilizando el sistema electrónico de identificación y detección.
30/11/2011
Algunos Puntos Importantes
a Considerar
• Cámaras de Alta Resolución son una mejor opción para AETC
Información en alta resolución provee una gran cantidad de datos de imágenes
simples de manipular computacionalmente que facilitan la aislación de caracteres,
mejorando así la identificación de placas patente de diferentes provincias, y/o
diferentes identificadores (ID), lo que paralelamente ha permitido una gran baja en
los costos de esta tecnología.
• El desempeño de ALPR es extremadamente dependiente de
la calidad de la información, y por lo tanto del correcto ajuste
y mantenión de las cámaras.
Es imperativo que las imágenes de video capturen todo el detalle de información
para asegurar altas tasas de automatización y exactitud que requiere AETC
• La combinación inteligente de ALPR y Fingerprint Digital
permiten incrementos significativos en la variedad de estilos
de placas patentes y condiciones de estas que pueden ser
automatizados
30/11/2011
Gracias por su atención
Ing. Gino Olivato
[email protected]
Technical Manager / Q-Free
30/11/2011
28

20.33 MB. - ITS Chile

Transcripción

Documentos relacionados

V I S T O : El artículo 27º) apartado 20.