Reconocimiento Automático de Matrículas (ANPR)
Max Reijngoudt
En el mundo actual, la identificación de vehículos de forma fluida y eficiente es crucial para diversas aplicaciones, que van desde la aplicación de la ley hasta el control de acceso a estacionamientos. El Reconocimiento Automático de Matrículas (ANPR) ha surgido como una tecnología potente que automatiza este proceso, ofreciendo ventajas significativas frente a los métodos tradicionales. Este artículo sirve como guía, describiendo los pasos esenciales y las soluciones implicadas en el desarrollo de un sistema ANPR robusto y eficaz para un investigador que envió una consulta solicitando ayuda con su proyecto.
Table of contents
Selección de cámara de visión por máquina para ANPR
La selección de la cámara adecuada para un sistema ANPR requiere una cuidadosa consideración de varios factores para garantizar un rendimiento óptimo y una captura precisa de matrículas. Nuestra recomendación para este proyecto fue nuestra MER2-160-227U3M, basada en las especificaciones explicadas a continuación.
El investigador necesitaba utilizar la cámara con una tableta Android de las fuerzas del orden, que no disponía de conexión Ethernet y se colocaría junto a la cámara dentro del coche policial (por lo tanto, la distancia era inferior a 4,6 m), lo que llevó a utilizar la interfaz USB3.0.
La resolución desempeña un papel fundamental, ya que la precisión del sistema es esencial para capturar imágenes claras y detalladas de matrículas, especialmente en condiciones de iluminación difíciles. Esto garantiza un reconocimiento preciso de caracteres incluso en matrículas más pequeñas. Para este proyecto ANPR, los caracteres más pequeños a leer tenían 1,5 cm de ancho, los cuales debían ser reconocidos en un FOV de 2,15 m x 1,6 m. Por lo tanto, los 1440px x 1080px de esta cámara permitieron construir un sistema robusto.
Las frecuencias de imagen son otro factor crucial. Determina la cantidad de imágenes capturadas por segundo, y una mayor frecuencia de imagen es vital para capturar vehículos en movimiento rápido y garantizar un reconocimiento preciso de matrículas. Se recomienda optar por cámaras con una frecuencia de imagen de al menos 30 imágenes por segundo (FPS) para tener en cuenta las variaciones en la velocidad de los vehículos y asegurar una captura constante. En este caso, tuvimos una alta frecuencia de imagen de 227fps a máxima resolución.
El tamaño de píxel también desempeña un papel significativo en la calidad de imagen, especialmente en entornos con poca luz. Las cámaras con un tamaño de píxel mayor (3,45um en este caso) generalmente capturan más luz, lo que resulta en una mejor calidad de imagen. Esto es crucial para capturar matrículas claras en condiciones de iluminación diversas, garantizando la eficacia del sistema durante el día y la noche. Además, por la misma razón, se prefirió la versión monocroma, ya que es 3 veces más sensible a la luz que las cámaras a color.
Por último, la elección entre cámaras global shutter y rolling shutter es crucial. Las cámaras global shutter capturan toda la imagen a la vez, minimizando la distorsión causada por objetos en movimiento, lo cual es esencial para capturar matrículas claras de vehículos en movimiento. Aunque las cámaras rolling shutter pueden ser más económicas, para aplicaciones ANPR, se recomiendan altamente las cámaras global shutter por su calidad de imagen superior, especialmente al tratar con vehículos a alta velocidad.
Selección del Objetivo óptimo
El investigador también necesitaba asistencia para seleccionar el objetivo óptimo para su sistema ANPR. Garantizar la captura clara de matrículas, especialmente para vehículos a diferentes distancias (de 5 a 15 m en este caso), era fundamental.
Para lograr esto, seguimos un enfoque similar al utilizado en proyectos anteriores. Nos centramos en dos factores clave: campo de visión (FOV) y distancia de trabajo (WD). El FOV debía ser lo suficientemente amplio para capturar la carretera (2,15 m) manteniendo una WD adecuada para un enfoque claro.
A través de discusiones y cálculos (utilizando nuestra calculadora de objetivos), determinamos que un objetivo de 16 mm de distancia focal "VA-LCM-5MP-16MM-F2.0-018" sería ideal. Este objetivo ofrecía el equilibrio necesario, proporcionando un campo de visión lo suficientemente amplio para capturar matrículas a las distancias previstas, manteniendo al mismo tiempo una distancia de trabajo suficiente para evitar problemas de enfoque.
Además, priorizamos la minimización de la distorsión del objetivo, asegurando un reconocimiento preciso de matrículas. La distorsión puede hacer que los caracteres aparezcan deformados, dificultando la identificación. Al igual que en proyectos anteriores, recomendamos un objetivo con distorsión mínima (normalmente inferior al 1%) para garantizar imágenes claras y sin distorsión, lo cual es crucial para una funcionalidad ANPR eficaz.
Al aplicar esta metodología, asistimos con éxito a nuestro cliente en la selección del conjunto óptimo de cámara y objetivo para su sistema ANPR específico, garantizando una captura clara y precisa de matrículas, que siguen utilizando hasta el día de hoy.
Iluminación para ANPR
Como se mencionó, este investigador necesitaba capturar matrículas claramente, sin importar la hora del día. Entendimos su necesidad, ya que las imágenes nítidas son vitales para un reconocimiento preciso de matrículas.
Al igual que en otros proyectos, nos centramos en optimizar la iluminación para mejorar la calidad de imagen. En este caso, el "objeto" de enfoque era la matrícula.
A diferencia de la fotografía, capturar matrículas requiere enfoques de iluminación diferentes. Recomendamos el uso de focos de luz puntual de infrarrojo cercano (NIR). Invisibles al ojo humano, estos focos funcionan en el mismo rango que la cámara del cliente. Actúan como linternas invisibles, iluminando la escena sin alterar el entorno nocturno. Con los focos NIR, el sistema ANPR puede seguir viendo las matrículas claramente incluso en condiciones de poca luz, ya que esta cámara trabaja en el rango NIR.
Por último, abordamos el problema de los reflejos. Dependiendo del material de la matrícula y del ángulo de la cámara, la luz puede rebotar y crear deslumbramientos. Para minimizar esto, especialmente durante el día, sugerimos el uso de filtros polarizadores. Estos filtros actúan como gafas de sol para la cámara, bloqueando las ondas de luz específicas que causan reflejos. Esto mantiene la imagen nítida y ayuda al sistema ANPR a leer la matrícula con precisión.
Al considerar tanto los focos NIR para la noche como los filtros polarizadores para el día, ayudamos al cliente a lograr una iluminación óptima para su sistema ANPR, asegurando la captura clara de matrículas tanto de día como de noche.
Software de procesamiento de imágenes para ANPR
Una cámara, un objetivo y la iluminación son solo las primeras piezas del rompecabezas a la hora de construir un sistema completo de visión por máquina. Para tareas como ANPR, se necesita software de Visión por computadora para analizar las imágenes capturadas y extraer información relevante.
Afortunadamente, nuestros sistemas ofrecen flexibilidad en cuanto a las opciones de software. Son compatibles con GenIcam, lo que significa que funcionan perfectamente con diversas opciones de software de terceros como MvTec Halcon, NI LabVIEW, Cognex Vision Pro e incluso plataformas populares como MATLAB y OpenCV.
Ofrecemos un Kit de Desarrollo de Software (SDK) gratuito. Este práctico conjunto de herramientas le ayuda a capturar imágenes y controlar los parámetros de la cámara, lo que lo convierte en un excelente punto de partida. El SDK es compatible con varias plataformas, desde PCs convencionales hasta configuraciones industriales con dispositivos NVIDIA TX series o Raspberry Pi. Incluso es compatible con diversos sistemas operativos como Windows, Linux y Android. Existen numerosos programas de código abierto desarrollados para ANPR que funcionan con nuestro SDK.
Este investigador desarrolló su programa, junto con nuestro SDK, para reconocer matrículas. Este programa también permitió cambiar automáticamente los parámetros de la cámara según las condiciones ambientales.
Para los proyectos que buscan un paquete completo de soluciones de software, recomendamos Zebra Aurora Vision Studio. Este software potente pero intuitivo ofrece una interfaz visual que se asemeja a una caja de herramientas, lo que facilita su aprendizaje y uso. Con Aurora Visión, los usuarios pueden reconocer las matrículas. La versión Lite gratuita, equipada con todos los algoritmos estándar, sirvió como un excelente punto de partida para que el cliente explorara las capacidades del software.
Al ofrecer diversas opciones de software y herramientas fáciles de usar, brindamos a los clientes la posibilidad de elegir la solución que mejor se adapte a su experiencia y a los requisitos de su proyecto, lo que finalmente conduce a implementaciones exitosas de visión por máquina.
aplicaciones ANPR
El reconocimiento automático de matrículas (ANPR) ha superado sus orígenes en los controles de seguridad. Hoy en día, optimiza las operaciones y mejora la seguridad en diversos sectores:
¿Soporte para ANPR?
¿Le gustaría recibir soporte de uno de nuestros expertos en visión por máquina para crear su propio sistema de Reconocimiento Automático de Matrículas (ANPR)? ¿O de otro sistema de visión similar? No dude en ponerse en contacto utilizando el siguiente formulario.
