viernes, enero 28, 2022
spot_imgspot_imgspot_imgspot_img
InicioNoticiasGuía sobre reconocimiento de placas vehiculares

Guía sobre reconocimiento de placas vehiculares

¿Qué es el reconocimiento de matrículas “In the Wild”?

El reconocimiento de placas vehiculares se ha convertido en una parte importante de las operaciones diarias en áreas como la aplicación de la ley, la seguridad empresarial y la gestión de carreteras.

Diferentes agencias y equipos de seguridad corporativa necesitan identificar las placas de matrícula por una variedad de razones, desde cobrar tarifas, realizar investigaciones posteriores a una colisión o rastrear las matrículas y las infracciones de tránsito.

Al utilizar el reconocimiento de matrículas «In the Wild» como un componente totalmente integrado de su plataforma de análisis de contenido de video, las organizaciones pueden aprovechar las redes de videovigilancia en el sitio a lo largo de carreteras, farolas o edificios.

También te puede interesar 🧐: Lectores automáticos para rastrear conductores y placas vehiculares

Para tomar fotografías de vehículos e identificar placas de matrícula según las listas de vigilancia configuradas u otras imágenes de video para ejecutar algunos de los casos de uso anteriores y más.

Con tecnología de aprendizaje profundo e inteligencia artificial, el análisis de contenido de video permite la extracción, identificación, clasificación e indexación de objetos complejos, lo que hace que los videos se puedan buscar, manipular y cuantificar.

Los conductores pueden realizar una búsqueda rápida y filtrada de imágenes a través de múltiples cámaras, según las características del vehículo, el sistema de dirección y la tecnología de reconocimiento de matrículas (LPR), también conocida como reconocimiento de matrículas de «piloto automático» (ANPR).

Este artículo discutirá cómo se puede utilizar LPR para mejorar la videovigilancia inteligente al explicar las diferencias entre los escenarios y soluciones LPR tradicionales y restringidos en comparación con LPR “In the Wild”.

Escenarios restringidos versus «en la naturaleza»

Hay dos tipos básicos de soluciones de tecnología de video ALPR: 1) restringidas y 2) «naturales». En los casos en los que el reconocimiento de matrículas es limitado, los siguientes factores influyen

  • Por lo general, usa una cámara LPR dedicada (a veces con iluminación activa adicional).
  • La cámara tiene una lente y está colocada especialmente (por ejemplo, para que la matrícula parezca grande en el marco de la cámara).
  • La cámara se encuentra en un entorno controlado (restringido) donde puede predecir cómo se comportarán los vehículos, como dirigirse directamente hacia la cámara, o incluso reducir la velocidad o detenerse en una barrera al entrar o salir de un estacionamiento.

En casos limitados, la tasa de precisión del reconocimiento de matrículas es generalmente alta porque la cámara está ubicada de manera ideal, generalmente al nivel del vehículo, con su campo de visión calibrado en la posición deseada.

Además, la iluminación se optimiza y la cámara se coloca en un área donde los vehículos se detienen naturalmente, como a la salida de un estacionamiento, por lo que no habrá desenfoque de movimiento.

Otro ejemplo es un sistema de toma de carga donde los vehículos se pueden capturar a toda velocidad, pero el perfil se conoce de antemano, por lo que se preparan la posición y los ajustes de la cámara y la iluminación.

Por el contrario, el reconocimiento de matrículas «natural» detecta y replica las matrículas utilizando una infraestructura y entornos de videovigilancia comunes. La identificación, ubicación / ubicación y configuración de la cámara no se limitan a la función LPR, lo que dificulta que la cámara detecte y copie matrículas.

La iluminación no siempre se controla perfectamente y el campo de visión suele ser amplio, lo que significa que la imagen contiene muchos menos píxeles por panel. Finalmente, en estas situaciones, la calidad del video de vigilancia grabado a menudo se optimiza para la eficiencia del almacenamiento en lugar de la calidad, lo que dificulta la recuperación de la información.

Factores a considerar al elegir la tecnología LPR para el reconocimiento de placas vehiculares

Las situaciones «en la naturaleza» son más desafiantes para un LPR debido a las limitaciones mencionadas anteriormente, así como las situaciones cotidianas que incluyen:

  • Las placas de matrícula están obstruidas y ocultas por condiciones, como las condiciones ambientales, es decir, el barro o la nieve pueden oscurecer algunas de las letras o números de la matrícula, y el marco alrededor de la matrícula cubre parte del texto de la matrícula o del plástico.
  • Hay diferentes caracteres y fuentes de idiomas en tabletas en diferentes países y países.
  • Distinga entre letras similares, como los números 0 (0) y O, o 8 y B.

No todos los sistemas de videovigilancia inteligentes disponibles en la actualidad están diseñados para superar todos estos desafíos y proporcionar un sistema LPR preciso y robusto basado en cámaras de videovigilancia estándar. Por lo tanto, es importante comparar la envolvente operativa al comparar precisión y precio.

Ahora se ofrecen varias soluciones ALPR como parte del analizador. Además, existen tecnologías LPR independientes que brindan una funcionalidad limitada, como soluciones simples de control de acceso para estacionamientos pequeños.

Las organizaciones seguramente obtendrán un ROI más alto al elegir una solución de análisis de contenido de video integral y escalable que incluya LPR, porque al elegirla, una organización puede aprovechar una amplia gama de capacidades y características de análisis de video adicionales ayudan a acelerar las investigaciones y mejorar la seguridad y situaciones. conciencia. , así como mejorar las operaciones gracias a la inteligencia empresarial.

Acelerar las investigaciones posteriores al incidente con LPR

Cuando los investigadores necesitan identificar un vehículo específico que se ha alejado de la escena de un crimen o accidente, la tecnología de análisis de video se puede utilizar para ayudar a las fuerzas del orden a emitir un informe de «estar alerta» (BOLO). / modelo / color del vehículo, el concesionario puede incluir el número de placa para ayudar al concesionario a encontrar el vehículo de interés.

Usando las capacidades de búsqueda y filtrado de los sistemas de análisis de contenido de video, los oficiales pueden buscar imágenes de video de múltiples cámaras para encontrar vehículos cuyas placas coincidan con los datos de los testigos u otra información. (Proporcione un número de placa total o parcial) y realice un seguimiento de la actividad del sospechoso en los días anteriores o posteriores al accidente.

El filtrado de video de un vehículo específico puede ayudar a los investigadores a recopilar más evidencia sobre el vehículo y, en algunos casos, el conductor del vehículo.

LPR alerta para una mayor conciencia de la situación

De manera similar, los operadores de sistemas de video inteligentes pueden configurar alertas en tiempo real cuando se detecta una matrícula importante. También pueden agregar discos a una lista de observación predefinida y reproducir alertas en tiempo real para cualquier disco en la lista de pistas que se detecte en la transmisión de video.

La lógica de alerta se puede configurar en varias cámaras simultáneamente para ayudar a la policía a mejorar el conocimiento de la situación y el tiempo de reacción cuando se detectan vehículos de interés en el entorno.

Optimización de la eficiencia operativa con LPR

El análisis de contenido de video también puede usar LPR para recopilar datos sobre vehículos que han viajado entre dos puntos. Si organizaciones como el transporte estatal y las fuerzas del orden público quieren saber si se enviaron autobuses, taxis o camiones de regreso al depósito después del viaje (y mida la duración del viaje) o para detectar direcciones de exceso de velocidad en carreteras de peaje.

A lo largo del camino, pueden generar informes visuales e investigar muestras del comportamiento del vehículo para identificar la actividad, tomar decisiones inteligentes y mejorar el tráfico y la gestión de activos.

Usando una red de monitoreo tradicional, un sistema de análisis de contenido de video puede recolectar datos rastreando las matrículas de diferentes autos a medida que pasan por diferentes cámaras en la carretera y midiendo el tiempo requerido para viajar una cierta distancia.

En resumen, al igual que con todas las soluciones, cuando los equipos de seguridad, transporte o cumplimiento comparan las tecnologías de reconocimiento de matrículas, es importante considerar soluciones que brinden rendimiento y precisión consistentes, tanto en entornos restringidos como sin restricciones.

Es importante comparar los sistemas en condiciones del mundo real que encontrarán en el campo y tener en cuenta la necesidad de «iniciados» (porque algunos sistemas, como los que se utilizan en la gestión automatizada de aparcamientos, requieren una interacción humana mínima, mientras que otros sirven investigadores con un estilo operativo mucho mejor, pero que pueden requerir interacción (trabajo humano).

Sin embargo, además de los estándares LPR, las plataformas ofrecen otras características adicionales, como datos agregados a largo plazo para mejorar la eficiencia operativa, procesamiento bajo demanda de videos almacenados y alertas en tiempo real para mejorar el conocimiento de la situación, lo que permite a las organizaciones obtener información adicional. Su inversión actual en videovigilancia es de muchas maneras, combinando LPR con un análisis integral de contenido de video.

Recibe Las Últimas Noticias

¿Quieres recibir por correo electrónico nuestras últimas novedades y noticias? Suscríbete a nuestro boletín.

spot_imgspot_imgspot_imgspot_img

LO MÁS LEÍDO

15585

NO TE OLVIDES DE SUSCRIBIRTE A NUESTRO BOLETIN

15856