Reconhecimento Automático de Matrículas (ANPR)
Max Reijngoudt
No mundo atual, a identificação de veículos de forma eficiente e sem falhas é crucial para várias aplicações, desde a aplicação da lei ao controlo de acesso a parques de estacionamento. Reconhecimento Automático de Matrículas (ANPR) surgiu como uma tecnologia poderosa que automatiza este processo, oferecendo vantagens significativas em relação aos métodos tradicionais. Este artigo serve como um guia, descrevendo os passos essenciais e as soluções envolvidas no desenvolvimento de um sistema ANPR robusto e eficaz para um investigador que enviou um pedido de ajuda para o seu projeto.
Table of contents
Seleção de câmera de Machine vision para ANPR
A seleção da câmera certa para um sistema de ANPR requer uma consideração cuidadosa de vários fatores para garantir o desempenho ideal e a captação precisa das matrículas. A nossa recomendação para este projeto foi a nossa MER2-160-227U3M, com base nas especificações explicadas a seguir.
O investigador precisava de utilizar a câmera com um tablet Android de aplicação policial, que não tinha ligação Ethernet e seria colocado junto à câmera dentro do carro da Polícia (assim, a distância era inferior a 4,6m), o que levou à utilização da interface USB3.0.
A resolução desempenha um papel fundamental, pois a precisão do sistema é essencial para captar imagens claras e detalhadas das matrículas, especialmente em condições de iluminação desafiantes. Isto garante o reconhecimento preciso dos caracteres, mesmo em matrículas mais pequenas. Para este projeto de ANPR, os menores caracteres a ler tinham 1,5cm de largura, que precisavam de ser reconhecidos numa FOV de 2,15m x 1,6m. Assim, os 1440px x 1080px desta câmera permitiram construir um sistema robusto.
Os frame rates são outro fator crucial. Determina o número de imagens captadas por segundo, e um frame rate mais elevado é vital para captar veículos em movimento rápido e garantir o reconhecimento preciso das matrículas. Recomenda-se optar por câmeras com um frame rate de pelo menos 30 frames por segundo (FPS) para acomodar variações na velocidade dos veículos e garantir uma captação consistente. Neste caso, tínhamos um frame rate elevado de 227fps na resolução máxima.
O tamanho do pixel também desempenha um papel significativo na qualidade da imagem, particularmente em ambientes com pouca luz. Câmeras com um tamanho de pixel maior (3,45um neste caso) captam geralmente mais luz, resultando numa qualidade de imagem melhorada. Isto é crucial para captar matrículas com clareza em diversas condições de iluminação, garantindo a eficácia do sistema durante o dia e a noite. Além disso, pela mesma razão, foi preferida a versão monocromática, pois é 3x mais sensível à luz do que as câmeras a cores.
Por fim, a escolha entre câmeras global shutter e rolling shutter é crucial. As câmeras global shutter capturam a imagem inteira de uma só vez, minimizando a distorção causada por objetos em movimento, o que é essencial para captar matrículas de veículos em movimento com clareza. Embora as câmeras rolling shutter possam ser mais económicas, para aplicações de ANPR, as câmeras global shutter são altamente recomendadas pela sua qualidade de imagem superior, especialmente ao lidar com veículos em alta velocidade.
Selecionar a Lente ideal
O investigador também necessitava de apoio na seleção da lente ideal para o seu sistema ANPR. Garantir a captação clara das matrículas, especialmente para veículos a diferentes distâncias (neste caso, de 5 a 15m), era fundamental.
Para alcançar este objetivo, seguimos uma abordagem semelhante à utilizada em projetos anteriores. Focámo-nos em dois fatores-chave: campo de visão (FOV) e distância de trabalho (WD). O FOV precisava de ser suficientemente amplo para captar a estrada (2,15m), mantendo uma WD adequada para um foco nítido.
Através de discussões e cálculos (utilizando a nossa calculadora de lentes), determinámos que uma lente de distância focal de 16mm 'VA-LCM-5MP-16MM-F2.0-018' seria ideal. Esta lente oferecia o equilíbrio necessário, proporcionando um campo de visão suficientemente amplo para captar matrículas às distâncias esperadas, mantendo uma distância de trabalho adequada para evitar problemas de focagem.
Além disso, demos prioridade à minimização da distorção da lente, assegurando um reconhecimento preciso das matrículas. A distorção pode fazer com que os caracteres apareçam distorcidos, dificultando a identificação. Tal como em projetos anteriores, recomendamos uma lente com distorção mínima (tipicamente inferior a 1%) para garantir imagens claras e sem distorção, essenciais para uma funcionalidade ANPR eficaz.
Ao aplicar esta metodologia, conseguimos ajudar o nosso cliente a selecionar a configuração ideal de câmara e lente para o seu sistema ANPR específico, garantindo uma captação clara e precisa das matrículas, que continuam a utilizar até hoje.
Iluminação para ANPR
Como mencionado, este investigador precisava capturar matrículas de veículos de forma nítida, independentemente da hora do dia. Compreendemos a sua necessidade, pois imagens claras são vitais para o reconhecimento preciso das matrículas.
Tal como noutros projetos, focámo-nos na otimização da iluminação para melhorar a qualidade da imagem. Aqui, o "objeto" de foco era a matrícula.
Ao contrário da fotografia, a captura de matrículas requer abordagens de iluminação diferentes. Recomendámos a utilização de focos de luz de infravermelhos próximos (NIR). Invisíveis ao olho humano, estes focos operam na mesma gama que a câmera do cliente. Funcionam como lanternas invisíveis, iluminando a cena sem perturbar o ambiente noturno. Com os focos NIR, o sistema ANPR consegue ver as matrículas claramente mesmo em condições de pouca luz, uma vez que esta câmera trabalha na gama NIR.
Por fim, abordámos a questão dos reflexos. Dependendo do material da matrícula e do ângulo da câmera, a luz pode refletir e criar encandeamento. Para minimizar este efeito, especialmente durante o dia, sugerimos a utilização de filtros polarizadores. Estes filtros funcionam como óculos de sol para a câmera, bloqueando ondas de luz específicas que causam reflexos. Isto mantém a imagem nítida e ajuda o sistema ANPR a ler a matrícula com precisão.
Ao considerar tanto os focos NIR para a noite como os filtros polarizadores para o dia, ajudámos o cliente a alcançar uma iluminação ideal para o seu sistema ANPR, garantindo a captura nítida das matrículas de dia e de noite.
Software de processamento de imagem para ANPR
Uma câmera, lente e iluminação são apenas as primeiras peças do puzzle quando se trata de construir um sistema completo de machine vision. Para tarefas como ANPR, é necessário software de computer vision para analisar as imagens capturadas e extrair informações relevantes.
Felizmente, os nossos sistemas oferecem flexibilidade no que diz respeito à escolha de software. São compatíveis com GenIcam, o que significa que funcionam perfeitamente com várias opções de software de terceiros, como MvTec Halcon, NI LabVIEW, Cognex Vision Pro e até plataformas populares como MATLAB e OpenCV.
Oferecemos um Kit de Desenvolvimento de Software (SDK) gratuito. Este kit prático ajuda a capturar imagens e a controlar os parâmetros da câmera, sendo um excelente ponto de partida. O SDK é compatível com várias plataformas, desde PCs convencionais até ambientes industriais com dispositivos NVIDIA TX series ou Raspberry Pi. Suporta ainda diversos sistemas operativos como Windows, Linux e Android. Existem muitos programas Open-Source desenvolvidos para ANPR que funcionam com o nosso SDK.
Este investigador desenvolveu o seu programa, juntamente com o nosso SDK, para reconhecer matrículas. Este programa também permitiu alterar automaticamente os parâmetros da câmera de acordo com as condições ambientais.
Para projetos que procuram um pacote completo de solução de Software, recomendamos o Zebra Aurora Vision Studio. Este software poderoso, mas intuitivo, oferece uma interface visual que se assemelha a uma caixa de ferramentas, tornando-o fácil de aprender e utilizar. Com o Aurora Visão, os utilizadores podem reconhecer as matrículas. A versão Lite gratuita, equipada com todos os algoritmos padrão, serviu como um excelente ponto de partida para o cliente explorar as capacidades do software.
Ao oferecer várias opções de software e ferramentas fáceis de usar, capacitamos os clientes a escolher a solução que melhor se adapta à sua experiência e aos requisitos do projeto, conduzindo, em última análise, a implementações de machine vision bem-sucedidas.
aplicações ANPR
O reconhecimento automático de matrículas (ANPR) ultrapassou as suas origens em postos de controlo de segurança. Atualmente, otimiza operações e reforça a segurança em vários setores de atividade:
Suporte para ANPR?
Gostaria de receber suporte de um dos nossos especialistas em machine vision para criar o seu próprio sistema de Reconhecimento Automático de Matrículas (ANPR)? Ou outro sistema de visão semelhante? Não hesite em contactar-nos através do formulário abaixo!
