Nuevos métodos para el reconocimiento automático de vehículos

Investigadores del ICC desarrollaron un proyecto de transferencia tecnológica para el reconocimiento automático de placas de patentes de vehículos. A través de un algoritmo adaptado a una base de datos de patentes, el software de control puede reconocer cada placa en 200 milisegundos o menos.

Actualmente el Instituto UBA-CONICET de Ciencias de la Computación (ICC) cuenta con un grupo de Procesamiento de Imágenes y Visión por Computadora, que se ocupa del procesamiento de imágenes así como también de los sistemas automáticos de reconocimiento de patrones en problemas de visión. El objetivo de estas actividades es poder descubrir la naturaleza subyacente de un fenómeno u objeto, describiendo, analizando y seleccionando las características fundamentales que permitan, por ejemplo, clasificarlos en una categoría determinada. Es un área de trabajo que se vale de técnicas de aprendizaje automático y aprendizaje profundo, que permiten realizar un entrenamiento de los modelos de procesamiento automático y ayudar a la computadora a dar confiabilidad al resultado obtenido. Entre las aplicaciones más destacadas del grupo se encuentran los sistemas de identificación biométrica (reconocimiento de rostros y de iris para sistemas de seguridad), reconocimiento óptico de caracteres y objetos (reconocimiento de vehículos), identificación de patrones en imágenes médicas y procesamiento de imágenes satelitales (modelos para imágenes de radar de apertura sintética).

El caso del reconocimiento automático 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 expansión. Dado el gran caudal de vehículos en tránsito, su principal motivación es la seguridad, ofreciendo mayor eficiencia y menor costo a los controles en diferentes puntos de vigilancia de la ciudad. Además permite mejorar la eficiencia, funcionando de día y de noche, llueva o no e independientemente de la velocidad con que transite el vehículo.

Para contribuir en este aspecto, el grupo de Procesamiento de Imágenes del ICC realizó un proyecto de transferencia tecnológica para la empresa Danaide. Consistió en desarrollar un algoritmo de reconocimiento automático de patentes, utilizando técnicas avanzadas y adaptadas a una base de datos de patentes provista por la empresa.

“En este proyecto tuvimos requerimiento estrictos de tiempo porque debía resolverse en menos de 200 milisegundos por reconocimiento. Además otro factor que limitó el proceso fue la información que disponíamos de los vehículos, que no era un flujo de video sino de un único frame por vez. Debíamos analizar cada frame por separado, sin ningún tipo de información temporal”, puntualiza Daniel Acevedo, investigador del ICC e integrante del grupo.

Los investigadores debían desarrollar un algoritmo que, a partir de miles de imágenes 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 así también patentes para otro tipo de vehículos, como motos y trailers. “La tarea de entrenar al clasificador significó un desafío extra: primero se detectó la patente como una ‘caja’ donde hay números y letras, luego se descartaron los falsos positivos del algoritmo para que diera un resultado correcto verificando que coincida con el modelo del vehículo. Al mismo tiempo, se debió hacer la detección del tipo de patente (cada una con su disposición particular) y hacer un matching con la patente detectada, para ver si coincidían. Por último, se usó el reconocimiento óptico de caracteres (OCR) para transformar la imagen de los caracteres en texto”, explica el investigador y doctor en ciencias de la computación.

Por si esto fuera poco, los investigadores tenían como cota unos 15 píxeles de altura del dígito, factor que debía volver muy preciso al reconocedor. Y algunas de las patentes se encontraban en mal estado lo que no permitía su reconocimiento total, lo cual obligó a desarrollar una función de reconocimiento parcial al algoritmo (que aun así pueda reconocer los caracteres legibles).

Una de las ventajas del proyecto es que no sólo dio confiabilidad al reconocimiento automático del registro que tenía 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 podía ir adaptándose de acuerdo a la complejidad de los registros: si se incorporaban nuevas imágenes se hacían ajustes y testeos (manuales y automáticos) para verificar la eficiencia y minimizar el grado de error. El entrenamiento del modelo con técnicas avanzadas de aprendizaje automático, visión por computadora y procesamiento, fue uno de los valores agregados del proyecto. Al mismo tiempo, utilizar un sistema de estas características permite reducir costos significativos y optimizar recursos.

Actualmente se contabiliza un promedio de aproximadamente 2 millones de vehículos 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 precisarían 694 personas trabajando 8 horas diarias. Pero el sistema automático reconoce cada placa en menos de un quinto de segundo.

“Nosotros entregamos el código final a la empresa junto a un informe técnico y un manual de usuario para la base de datos de sus imágenes. En total el proyecto duró un poco más de dos años, considerando todo el desarrollo y los diversos ajustes realizados. Fue un aprendizaje muy positivo y contamos con la colaboración de estudiantes de la carrera, quienes nos ayudaron con el desarrollo y aportaron nuevas ideas al proceso”, subraya Acevedo.

Más desafíos

Además del proyecto de reconocimiento automático de vehículos, los investigadores del grupo se encuentran trabajando en temas de reconocimiento automático de rostros, procesamiento de imágenes médicas y detección en imágenes de radar. Varios de estos temas están asociados a proyectos de transferencia tecnológica para instituciones públicas y privadas.