Show more

Read more

View product

View report

Drag

Blog

Bajo la Lupa: Los Pasos Principales del ANPR

Autor:

Norbert Csizmadia

8 minutos de lectura
El reconocimiento de matrículas (ANPR) es el proceso de extraer letras y números de una imagen. Pero, ¿cómo se realiza este proceso? Nuestro experto te lo muestra.

No se puede negar que el reconocimiento automático de matrículas (ANPR) es una de las maravillas tecnológicas de finales del siglo XX. Una solución capaz de reconocer letras y números de una imagen o fotograma de video tomado de una placa de matrícula y transformarlos en texto simple del número de matrícula. Esto es realmente de gran ayuda en muchos proyectos, desde la seguridad del tráfico, el peaje, el control de acceso, la logística e incluso el comercio minorista.

Lo que ven los usuarios es que la solución ANPR toma la imagen o el fotograma de video y luego la devuelve con los datos de la placa de matrícula como texto. Los detalles internos rara vez se revelan, aunque son igual de interesantes que extraer texto de una imagen fija. Este artículo abre el capó de las soluciones ANPR — la familia de software Carmen® de Adaptive Recognition, para ser precisos — y echa un vistazo de cerca al corazón de todo: el motor.

¿Qué entendemos por reconocimiento de matrículas?

Para entender cómo se realiza el proceso de reconocimiento de matrículas, primero necesitamos determinar qué significa el reconocimiento de matrículas. Básicamente, este es un segmento especial del reconocimiento óptico de caracteres (OCR), donde una herramienta designada realiza el reconocimiento de la imagen, centrándose en las características de las letras y números de la matrícula, para luego transformarlas en caracteres ASCII que los ordenadores pueden interpretar. La mayoría de las veces, esta herramienta es un programa de ordenador, un software o un conjunto de algoritmos, pero hay casos en los que el software de reconocimiento de matrículas está integrado en el hardware, como una cámara industrial especial.

Aunque hay algunas diferencias entre el reconocimiento de matrículas basado en software y hardware, sus principios básicos son siempre los mismos. En este sentido, la entrada para el reconocimiento de matrículas es siempre una imagen, incluso en el caso de flujos de vídeo donde el módulo de reconocimiento analiza los fotogramas de vídeo, mientras que la salida es el texto sin procesar de la matrícula en el formato ASCII mencionado anteriormente más la nacionalidad.

Ahora que se han establecido los fundamentos, veamos los principales pasos del reconocimiento de matrículas y lo que normalmente tiene que pasar un software de reconocimiento de matrículas.

ANPR Step-by-Step

Reconocimiento

El algoritmo de reconocimiento de matrículas busca caracteres, números y letras, en la imagen. Si el motor ANPR determina que hay un carácter en la imagen, se inicia el proceso de reconocimiento óptico de caracteres (OCR). 

Cuando el motor ha terminado de reconocer el primer carácter, automáticamente comienza a buscar más caracteres y el proceso de reconocimiento se repite siempre y cuando el motor no encuentre más números y letras legibles en la imagen.

License Plate Recognition in Progress
Así es como el motor ANPR realiza el reconocimiento. Imagen de la placa de matrícula cortesía del Gaceta Húngara (Magyar Közlöny).

Vale la pena señalar que si la placa está sucia, los caracteres están demasiado cerca entre sí, hay tornillos o fuertes efectos de luz como sombras en la placa, etc., es posible que el motor no reconozca correctamente los caracteres. Sin embargo, excepto por la suciedad, una situación de fuerza mayor, los problemas mencionados anteriormente podrían evitarse con la configuración correcta en el software ANPR. Puedes encontrar más información sobre estas configuraciones aquí.

Creación de una secuencia

Una vez que todos los caracteres son reconocidos correctamente, el motor crea una secuencia que se asemeja a una placa de matrícula real. El motor ejecuta múltiples herramientas de red neuronal, emparejando la secuencia recién adquirida con placas de matrícula similares que ya conoce. El proceso termina cuando se encuentra un tipo que coincide mejor con la secuencia, o cuando la búsqueda no arroja ningún resultado para la secuencia.

Por ejemplo, el formato de las placas de matrícula húngaras es XXX-YYY - a partir de julio de 2022 es XX XX-YYY - donde "X" representa una letra y "Y" un número. Por lo tanto, si el motor obtiene el número necesario de caracteres de la imagen a analizar, crea una secuencia posible basada en estos caracteres. Luego, el motor busca placas de matrícula similares basadas en atributos como posición, sintaxis, relación de color, fuente, etc. Si hay una coincidencia, que en nuestro caso es una placa de matrícula en el formato antiguo o nuevo, el motor devuelve un resultado más la nacionalidad, húngara.  

License Plate With ANPR Result and Type
Los resultados finales: la imagen de la placa de matrícula, los caracteres de la placa y la nacionalidad (tipo). Imagen de la placa de matrícula cortesía de la Gaceta Húngara (Magyar Közlöny).

En caso de que la secuencia no coincida con ningún tipo de placa de matrícula conocido por el motor ANPR, el texto de la placa de matrícula aún podría devolverse sin el tipo si has configurado el motor para reconocer también tipos desconocidos.

Presentación

Al final del proceso, el software ANPR presenta la imagen, los caracteres de la placa de matrícula en el formato ASCII deseado, legible tanto por computadora como por humano, y la nacionalidad de la placa como un paquete de datos para ser enviado a los servidores o bases de datos apropiados.

¿Software o No?

Una cosa a tener en cuenta es que cuando nos referimos a la solución ANPR como 'software', no estamos hablando de un programa independiente. En cambio, la palabra 'software' equivale al motor de reconocimiento—una biblioteca de funciones que pueden integrarse en sistemas completos de reconocimiento de placas.  

En otras palabras, los desarrolladores de sistemas necesitan crear un vínculo entre la solución de reconocimiento de matrículas y su sistema mediante la integración para que los datos estén en un formato presentable. Por esta razón, los módulos de reconocimiento de matrículas suelen ofrecerse como SDK (kit de desarrollo de software con documentación, códigos de ejemplo y herramientas de programación) que se encuentran en el componente básico de los integradores, una API (interfaz de programación de aplicaciones). Nuestro motor ANPR Carmen® FreeFlow se ofrece en este mismo formato.

Hay casos en los que la integración es imposible por falta de fondos, tiempo o permisos del sistema. Afortunadamente, existen soluciones listas para usar como el software de monitorización de tráfico Carmen® GO y la solución Carmen® Cloud SaaS ANPR, que prácticamente no requieren integración por parte de los usuarios del sistema.

La buena noticia es que, en cuanto a los pasos del reconocimiento automático de matrículas (de los que hablamos anteriormente), no hay ninguna diferencia entre el software listo para usar y las bibliotecas SDK. Estas últimas suelen incluir una demostración de software LPR gratuito, ideal para probar las funciones de las soluciones ANPR en un entorno controlado (es decir, imágenes de prueba adquiridas desde cámaras conectadas a una intranet) antes de modificar los códigos y adaptar el software a las necesidades individuales del cliente.

En conclusión, ya sea un programa llave en mano o algo que requiera un poco de codificación, los resultados siempre serán los mismos: una solución ANPR rápida y fiable que, si se configura correctamente, te proporcionará los datos de matrícula requeridos.

¿Tiene alguna pregunta o consulta? Estamos aquí para ayudarle en cada paso del proceso.


Adaptive Recognition horizontal logo 2024
Nuestras referencias

Vaya más allá de las afirmaciones, vea las pruebas. Explore nuestros proyectos de referencia y casos prácticos para obtener evidencia tangible de cómo el Reconocimiento Adaptativo ofrece resultados excepcionales.

NUESTROS RECURSOS

Por aquellos que ven los desafíos como oportunidades y reescriben la definición de imposible cada día.

Soporte

Estudios de Caso
Follow Adaptive Recognition

Sign up to our AR Newsletter