{"id":1437,"date":"2019-01-05T11:15:28","date_gmt":"2019-01-05T14:15:28","guid":{"rendered":"https:\/\/icc.fcen.uba.ar\/?p=1437"},"modified":"2025-06-05T10:18:19","modified_gmt":"2025-06-05T13:18:19","slug":"nuevos-metodos-para-el-reconocimiento-automatico-de-vehiculos","status":"publish","type":"post","link":"https:\/\/icc.fcen.uba.ar\/en\/nuevos-metodos-para-el-reconocimiento-automatico-de-vehiculos\/","title":{"rendered":"Nuevos m\u00e9todos para el reconocimiento autom\u00e1tico de veh\u00edculos"},"content":{"rendered":"

Investigadores del ICC desarrollaron un proyecto de transferencia tecnol\u00f3gica para el reconocimiento autom\u00e1tico de placas de patentes de veh\u00edculos.\u00a0<\/strong><\/em>A trav\u00e9s de un algoritmo adaptado a una base de datos de patentes, el software de control puede reconocer cada placa en 200 milisegundos o menos.<\/strong><\/em><\/p>\n

Actualmente el Instituto UBA-CONICET de Ciencias de la Computaci\u00f3n (ICC) cuenta con un grupo de Procesamiento de Im\u00e1genes y Visi\u00f3n por Computadora, que se ocupa del procesamiento de im\u00e1genes as\u00ed como tambi\u00e9n de los sistemas autom\u00e1ticos de reconocimiento de patrones en problemas de visi\u00f3n. El objetivo de estas actividades es poder descubrir la naturaleza subyacente de un fen\u00f3meno u objeto, describiendo, analizando y seleccionando las caracter\u00edsticas fundamentales que permitan, por ejemplo, clasificarlos en una categor\u00eda determinada. Es un \u00e1rea de trabajo que se vale de t\u00e9cnicas de aprendizaje autom\u00e1tico y aprendizaje profundo, que permiten realizar un entrenamiento de los modelos de procesamiento autom\u00e1tico y ayudar a la computadora a dar confiabilidad al resultado obtenido. Entre las aplicaciones m\u00e1s destacadas del grupo se encuentran los sistemas de identificaci\u00f3n biom\u00e9trica (reconocimiento de rostros y de iris para sistemas de seguridad), reconocimiento \u00f3ptico de caracteres y objetos (reconocimiento de veh\u00edculos), identificaci\u00f3n de patrones en im\u00e1genes m\u00e9dicas y procesamiento de im\u00e1genes satelitales (modelos para im\u00e1genes de radar de apertura sint\u00e9tica).<\/p>\n

El caso del reconocimiento autom\u00e1tico de placas patentes automotores, resulta ampliamente difundido: se trata de un sistema de registro y vigilancia masiva de uso incipiente en el mundo, incluido Argentina, que se encuentra en plena expansi\u00f3n. Dado el gran caudal de veh\u00edculos en tr\u00e1nsito, su principal motivaci\u00f3n es la seguridad, ofreciendo mayor eficiencia y menor costo a los controles en diferentes puntos de vigilancia de la ciudad. Adem\u00e1s permite mejorar la eficiencia, funcionando de d\u00eda y de noche, llueva o no e independientemente de la velocidad con que transite el veh\u00edculo.<\/p>\n

Para contribuir en este aspecto, el grupo de Procesamiento de Im\u00e1genes del ICC realiz\u00f3 un proyecto de transferencia tecnol\u00f3gica para la empresa Danaide. Consisti\u00f3 en desarrollar un algoritmo de reconocimiento autom\u00e1tico de patentes, utilizando t\u00e9cnicas avanzadas y adaptadas a una base de datos de patentes provista por la empresa.<\/p>\n

\u201cEn este proyecto tuvimos requerimiento estrictos de tiempo porque deb\u00eda resolverse en menos de 200 milisegundos por reconocimiento. Adem\u00e1s otro factor que limit\u00f3 el proceso fue la informaci\u00f3n que dispon\u00edamos de los veh\u00edculos, que no era un flujo de video sino de un \u00fanico frame por vez. Deb\u00edamos analizar cada frame por separado, sin ning\u00fan tipo de informaci\u00f3n temporal<\/em>\u201d, puntualiza Daniel Acevedo<\/strong>, investigador del ICC e integrante del grupo.<\/p>\n

Los investigadores deb\u00edan desarrollar un algoritmo que, a partir de miles de im\u00e1genes de diferentes patentes, funcione con efectividad para todos los casos. Para ello primero debieron entrenar al clasificador para que, analizando frame por frame, pueda reconocer distintos tipos de patentes. En este proceso, coexisten patentes viejas (anteriores a 2016) con las patentes nuevas de Mercosur (2016 en adelante) como as\u00ed tambi\u00e9n patentes para otro tipo de veh\u00edculos, como motos y trailers. \u201cLa tarea de entrenar al clasificador signific\u00f3 un desaf\u00edo extra: primero se detect\u00f3 la patente como una \u2018caja\u2019 donde hay n\u00fameros y letras, luego se descartaron los falsos positivos del algoritmo para que diera un resultado correcto verificando que coincida con el modelo del veh\u00edculo. Al mismo tiempo, se debi\u00f3 hacer la detecci\u00f3n del tipo de patente (cada una con su disposici\u00f3n particular) y hacer un matching con la patente detectada, para ver si coincid\u00edan. Por \u00faltimo, se us\u00f3 el reconocimiento \u00f3ptico de caracteres (OCR) para transformar la imagen de los caracteres en texto<\/em>\u201d, explica el investigador y doctor en ciencias de la computaci\u00f3n.<\/p>\n

Por si esto fuera poco, los investigadores ten\u00edan como cota unos 15 p\u00edxeles de altura del d\u00edgito, factor que deb\u00eda volver muy preciso al reconocedor. Y algunas de las patentes se encontraban en mal estado lo que no permit\u00eda su reconocimiento total, lo cual oblig\u00f3 a desarrollar una funci\u00f3n de reconocimiento parcial al algoritmo (que aun as\u00ed pueda reconocer los caracteres legibles).<\/p>\n

Una de las ventajas del proyecto es que no s\u00f3lo dio confiabilidad al reconocimiento autom\u00e1tico del registro que ten\u00eda el motor de la base de datos provista por la empresa, la cual arrojaba diversos errores previamente a la consulta al grupo del ICC, sino que el algoritmo pod\u00eda ir adapt\u00e1ndose de acuerdo a la complejidad de los registros: si se incorporaban nuevas im\u00e1genes se hac\u00edan ajustes y testeos (manuales y autom\u00e1ticos) para verificar la eficiencia y minimizar el grado de error. El entrenamiento del modelo con t\u00e9cnicas avanzadas de aprendizaje autom\u00e1tico, visi\u00f3n por computadora y procesamiento, fue uno de los valores agregados del proyecto. Al mismo tiempo, utilizar un sistema de estas caracter\u00edsticas permite reducir costos significativos y optimizar recursos.<\/p>\n

Actualmente se contabiliza un promedio de aproximadamente 2 millones de veh\u00edculos diarios entrando y saliendo de la Ciudad de Buenos Aires. Si se empleara personal para semejante control y se utilizaran 10 segundos para cada patente se precisar\u00edan 694 personas trabajando 8 horas diarias. Pero el sistema autom\u00e1tico reconoce cada placa en menos de un quinto de segundo.<\/p>\n

\u201cNosotros entregamos el c\u00f3digo final a la empresa junto a un informe t\u00e9cnico y un manual de usuario para la base de datos de sus im\u00e1genes. En total el proyecto dur\u00f3 un poco m\u00e1s de dos a\u00f1os, considerando todo el desarrollo y los diversos ajustes realizados. Fue un aprendizaje muy positivo y contamos con la colaboraci\u00f3n de estudiantes de la carrera, quienes nos ayudaron con el desarrollo y aportaron nuevas ideas al proceso<\/em>\u201d, subraya Acevedo.<\/p>\n

\n

\"\"M\u00e1s desaf\u00edos<\/b><\/p>\n

Adem\u00e1s del proyecto de reconocimiento autom\u00e1tico de veh\u00edculos, los investigadores del grupo se encuentran trabajando en temas de reconocimiento autom\u00e1tico de rostros, procesamiento de im\u00e1genes m\u00e9dicas y detecci\u00f3n en im\u00e1genes de radar. Varios de estos temas est\u00e1n asociados a proyectos de transferencia tecnol\u00f3gica para instituciones p\u00fablicas y privadas.<\/p>\n<\/blockquote>\n<\/div>

<\/div><\/div><\/div><\/div><\/div>\n","protected":false},"excerpt":{"rendered":"

Investigadores del ICC desarrollaron un proyecto de transferencia tecnol\u00f3gica para el reconocimiento autom\u00e1tico de placas de patentes de veh\u00edculos.\u00a0A trav\u00e9s de un algoritmo adaptado a una base de datos de patentes, el software de control puede reconocer cada placa en 200 milisegundos o menos.<\/p>\n","protected":false},"author":3,"featured_media":1456,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[71,12],"tags":[100,8],"class_list":["post-1437","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualidad","category-noticias","tag-procesamiento-imagenes","tag-vision"],"_links":{"self":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts\/1437","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/comments?post=1437"}],"version-history":[{"count":8,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts\/1437\/revisions"}],"predecessor-version":[{"id":2159,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/posts\/1437\/revisions\/2159"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/media\/1456"}],"wp:attachment":[{"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/media?parent=1437"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/categories?post=1437"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/icc.fcen.uba.ar\/en\/wp-json\/wp\/v2\/tags?post=1437"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}