Desarrollo de un Sistema para Reconocimiento de Vehculos

  • Slides: 57
Download presentation
Desarrollo de un Sistema para Reconocimiento de Vehículos que Circulan a Exceso de Velocidad

Desarrollo de un Sistema para Reconocimiento de Vehículos que Circulan a Exceso de Velocidad Dentro del Campus Espe-Sangolquí Mediante Captura y Procesamiento de Imágenes en base al Sistema Embebido Odroid U 3 Milton Fabricio Rosero Prado Ingeniería en Electrónica y Telecomunicaciones

Introducción Fundamento Teórico AGENDAMateriales y Métodos Diseño e implementación Análisis de Resultados Conclusiones y

Introducción Fundamento Teórico AGENDAMateriales y Métodos Diseño e implementación Análisis de Resultados Conclusiones y Recomendaciones

1850 1880

1850 1880

Exceso de velocidad segunda causa de muertes previsibles 120 Km/h considerado normal

Exceso de velocidad segunda causa de muertes previsibles 120 Km/h considerado normal

Métodos de control vehicular • Detector por radar • Sensor láser visible activo •

Métodos de control vehicular • Detector por radar • Sensor láser visible activo • Sensores magneto-resistivos • Cortinas fotoeléctricas • CCTV

Técnicas de Monitorización e Identificación Vehicular • Radio Frecuencia • Satelital • Óptica •

Técnicas de Monitorización e Identificación Vehicular • Radio Frecuencia • Satelital • Óptica • Láser

Inconvenientes: • Sistemas Costosos • Pocos equipos disponibles • Requiere proceso complementario para la

Inconvenientes: • Sistemas Costosos • Pocos equipos disponibles • Requiere proceso complementario para la identificación del infractor • “El equipo se coloca en un determinado lugar con dos operadores, quienes a su vez avisan, por medio de una radio, a otro grupo de policías que se colocan a un kilómetro más allá, sobre las características del carro infractor” • Se requiere personal humano adicional • La información se queda guardada en los equipos

SISTEMA PROPUESTO Detección de exceso de velocidad Identificación del Infractor Envío de información hacia

SISTEMA PROPUESTO Detección de exceso de velocidad Identificación del Infractor Envío de información hacia base de datos

Reconocimiento Óptico de Caracteres (OCR)

Reconocimiento Óptico de Caracteres (OCR)

Sistemas de Reconocimiento Automático de Matrículas (ANPR) • Basados en software y Hardware especializados

Sistemas de Reconocimiento Automático de Matrículas (ANPR) • Basados en software y Hardware especializados • Sistemas de Gestión de tráfico • Control de fraude en autopistas • Telepeajes • Controles de acceso automáticos • Estacionamientos

Procesamiento Digital de Imágenes y Visión Artificial • Técnicas aplicadas a imágenes digitales: •

Procesamiento Digital de Imágenes y Visión Artificial • Técnicas aplicadas a imágenes digitales: • Mejorar su visualización • Búsqueda de información Relevante

Técnicas de Procesamiento Digital de Imágenes • Filtrado de Imágenes ---> Filtro Gaussiano •

Técnicas de Procesamiento Digital de Imágenes • Filtrado de Imágenes ---> Filtro Gaussiano • Detección de Bordes • Umbralización de Imágenes (Thresholding) • Proyección horizontal y vertical de una imagen • Match Template (Comparación de Plantillas)

Técnicas de Procesamiento Digital de Imágenes • Umbralización de Imágenes (Thresholding) • Proyección horizontal

Técnicas de Procesamiento Digital de Imágenes • Umbralización de Imágenes (Thresholding) • Proyección horizontal y vertical de una imagen

Técnicas de Procesamiento Digital de Imágenes • Match Template (Comparación de Plantillas)

Técnicas de Procesamiento Digital de Imágenes • Match Template (Comparación de Plantillas)

Hardware Empleado • Odrioid U 3 • Cámara web Odroid 720 p • PC

Hardware Empleado • Odrioid U 3 • Cámara web Odroid 720 p • PC Personal • Soporte metálico

Software Empleado • Sistema Operativo Ubuntu 14. 04 • Compilador GCC • Open. CV

Software Empleado • Sistema Operativo Ubuntu 14. 04 • Compilador GCC • Open. CV • Tesseract-OCR • Code. Blocks IDE • QT Creator • My. SQL • SSH

Proceso general del Sistema

Proceso general del Sistema

Adquisición de video y captura de imágenes

Adquisición de video y captura de imágenes

Detección Vehicular y Determinación de Velocidad

Detección Vehicular y Determinación de Velocidad

Detección Vehicular y Determinación de Velocidad Correlación > 0. 98 Proyección vertical > 0.

Detección Vehicular y Determinación de Velocidad Correlación > 0. 98 Proyección vertical > 0. 65 Vehículo extraído de la imagen completa

Identificación placas, segmentación de caracteres y OCR

Identificación placas, segmentación de caracteres y OCR

Identificación placas, segmentación de caracteres y OCR

Identificación placas, segmentación de caracteres y OCR

Identificación placas, segmentación de caracteres y OCR

Identificación placas, segmentación de caracteres y OCR

Envío de información a la base de datos

Envío de información a la base de datos

Envío de información a la base de datos

Envío de información a la base de datos

Envío de información a la Base de datos

Envío de información a la Base de datos

Manual de Usuario

Manual de Usuario

Manual de Usuario

Manual de Usuario

Configuración Inicial en el interfaz de usuario

Configuración Inicial en el interfaz de usuario

Funcionamiento del Sistema de Detección e Identificación Vehicular • Detección Vehicular • Imagen desde

Funcionamiento del Sistema de Detección e Identificación Vehicular • Detección Vehicular • Imagen desde 4. 5 metros

Detección Vehicular • 200 vehículos analizados • 200 vehículos detectados Umbral de error: 7

Detección Vehicular • 200 vehículos analizados • 200 vehículos detectados Umbral de error: 7 Km/h ---> 100 Km/h (Dirección General de Tráfico de España ) 100 % de aciertos

Identificación Vehicular Altura 1. 70 metros 200 imágenes frontales analizadas: • 5% error ---->

Identificación Vehicular Altura 1. 70 metros 200 imágenes frontales analizadas: • 5% error ----> Placas en mal estado • 9, 47% error ---> Proceso de entrenamiento OCR (540 imágenes)

Envío de Información a la Base de datos Conexión Autenticación • Librerías My. SQL++

Envío de Información a la Base de datos Conexión Autenticación • Librerías My. SQL++ • Librerías SSH++ • Información que se envía: • Velocidad • Fecha Desconexión • Hora • Número de placa • Carril de circulación y fotografía Envío de información • Imagen del vehículo

Tiempo de procesamiento de los algoritmos implementados • Comparación entre tiempos de procesamiento Odroid

Tiempo de procesamiento de los algoritmos implementados • Comparación entre tiempos de procesamiento Odroid U 3 y un computador personal • Procesos evaluados: • Detección vehicular • Características del PC • Procesador Intel Core i 3 -2330 M (segunda generación) @2. 20 Ghz • Memoria RAM 4 GB • Sistema operativo de 64 bits Linux-Ubuntu 14. 04 • Identificación de la placa • Ubicación del área de la placa • Segmentación de caracteres • OCR • Envío y almacenamiento de información • Se utilizó el mismo software en los dos equipos

Tiempos de procesamiento Detección Vehicular Relación de Tiempos Odroid/PC ------> 4. 17

Tiempos de procesamiento Detección Vehicular Relación de Tiempos Odroid/PC ------> 4. 17

Tiempos de Procesamiento en la Identificación Vehicular • PROCESO GENERAL • Imágenes capturadas e

Tiempos de Procesamiento en la Identificación Vehicular • PROCESO GENERAL • Imágenes capturadas e Imágenes externas

Identificación Vehicular - Proceso General Relación de Directamente proporcional No Lineal

Identificación Vehicular - Proceso General Relación de Directamente proporcional No Lineal

Identificación Vehicular – Análisis de Subprocesos • ODROID • PC

Identificación Vehicular – Análisis de Subprocesos • ODROID • PC

Identificación Vehicular – Análisis de Subprocesos 2 y 3 ---> Tiempo Constante Subproceso 1

Identificación Vehicular – Análisis de Subprocesos 2 y 3 ---> Tiempo Constante Subproceso 1 ---> Tiempo directamente proporcional al tamaño de la imagen Tiempo de procesamiento depende de la localización de la placa

Tiempos en el envío y almacenamiento de la información obtenida • Conexión, autenticación, envío

Tiempos en el envío y almacenamiento de la información obtenida • Conexión, autenticación, envío de información y desconexión. • Se incluye en el código las direcciones IP y las contraseñas. • 110 Milisegundos

Análisis de Capacidad de Procesamiento en Tiempo Real • Imagen 320 x 240: •

Análisis de Capacidad de Procesamiento en Tiempo Real • Imagen 320 x 240: • 12 ms (Detección) + 27 ms (Identificación) + 110 ms (Envío) = 149 ms 6 FPS • Imagen 640 x 480: • 25 ms (Detección) + 59 ms (Identificación) + 110 ms (Envío) = 194 ms 5 FPS • Imagen 1280 x 720: • 34 ms (Detección) + 96 ms (Identificación) + 110 ms (Envío) = 240 ms 4 FPS

Análisis de Capacidad de Procesamiento en Tiempo Real Estimando que circulen vehículos con 1

Análisis de Capacidad de Procesamiento en Tiempo Real Estimando que circulen vehículos con 1 segundo de diferencia: • Imagen 320 x 240: • 1000 - 149 = 851 ms / 12 ------> 71 FPS 851 ms / 25 ------> 33 FPS • Imagen 640 x 480: • 1000 - 194 = • Imagen 1280 x 720: • 1000 - 240 = 760 ms / 34 ------> 23 FPS

OBSERVACIONES • La cantidad de imágenes procesadas por segundo se ve directamente limitada por

OBSERVACIONES • La cantidad de imágenes procesadas por segundo se ve directamente limitada por la cámara utilizada. • No se toma en cuenta el tiempo requerido para mostrar la imagen en una pantalla. • Los análisis se realizaron durante el día, ya que la cámara no posee visión infrarroja.

CONCLUSIONES • El sistema de reconocimiento e identificación vehicular mediante procesamiento digital de imágenes

CONCLUSIONES • El sistema de reconocimiento e identificación vehicular mediante procesamiento digital de imágenes en base al sistema embebido Odroid U 3 presenta un porcentaje de aciertos del 100% para detección vehicular y 86% para identificación de la placa, permitiendo además diferenciar vehículos de bicicletas y personas. • Se obtuvo un error promedio en la medición de velocidad de 4. 8 Km/h, el cual está dentro del rango de tolerancia de error de los equipos de medición de velocidad vehicular, según la DGT de España. • En comparación a sistemas comerciales de reconocimiento automático de números de placa (APNR), éstos presentan porcentajes de aciertos de 98% y 99%; mas se debe tener en cuenta que utilizan estaciones de servidores para el procesamiento; emplean cámaras especializadas que entre otras características poseen iluminación y visión infrarroja para resaltar solamente el área de la placa, facilitando la identificación y reduciendo el tiempo de procesamiento; y han sido desarrollados, mantenidos y mejorados por equipos de trabajo completos durante años.

CONCLUSIONES • Los procesos de detección e identificación vehicular no pudieron ser realizados en

CONCLUSIONES • Los procesos de detección e identificación vehicular no pudieron ser realizados en conjunto desde una misma ubicación del sistema, debido a que la cámara web empleada posee características limitadas en resolución y para captura de imágenes en movimiento. • Se necesitaron ubicaciones distintas para las pruebas de funcionamiento de cada proceso: • 4. 50 metros de altura para la detección vehicular, • 1. 70 metros para la identificación de la placa.

CONCLUSIONES • El proceso de reconocimiento vehicular se dividió en tres subprocesos principales: la

CONCLUSIONES • El proceso de reconocimiento vehicular se dividió en tres subprocesos principales: la ubicación de la zona de la placa, la segmentación de caracteres, y el reconocimiento óptico de caracteres (OCR). Se obtuvieron porcentajes de aciertos para cada uno del 100%, 95% y 90. 53% respectivamente, dando como porcentaje de aciertos del proceso completo un valor de 86%. • Se recomienda realizar un entrenamiento con los tipos de letras específicos que se utilizan en las placas de vehículos del Ecuador, las cuales deben ser proporcionadas por la Agencia Nacional de Tránsito.

CONCLUSIONES • En promedio, el procesamiento de imágenes en el Odroid U 3 requiere

CONCLUSIONES • En promedio, el procesamiento de imágenes en el Odroid U 3 requiere 4. 33 veces más tiempo que en el computador. • Se determinó que el tiempo requerido para la identificación vehicular depende principalmente del subproceso de ubicación de la placa, el cual depende del tamaño de la imagen. • La segmentación de caracteres y el OCR mantienen un tiempo promedio constante de 15 milisegundos en el Odroid y de 4 milisegundos en el computador, independientemente del tamaño de la imagen. • En promedio se requieren 110 milisegundos para el envío y almacenamiento de la información en la base de datos del servidor, tanto desde el Odroid como desde el computador.

CONCLUSIONES • En promedio se requieren 110 milisegundos para el envío y almacenamiento de

CONCLUSIONES • En promedio se requieren 110 milisegundos para el envío y almacenamiento de la información en la base de datos del servidor, tanto desde el Odroid como desde el computador. • Considerando los tiempos de detección, identificación y envío de información, se podrían procesar: Vehículos sin intervalos Con intervalo de 1 segundo • Imagen 320 x 240: 6 FPS 71 FPS • Imagen 640 x 480: 5 FPS 33 FPS • Imagen 1280 x 720: 4 FPS 23 FPS

CONCLUSIONES • Sin tomar en cuenta las limitaciones de la cámara, sí es factible

CONCLUSIONES • Sin tomar en cuenta las limitaciones de la cámara, sí es factible realizar el reconocimiento e identificación vehicular mediante procesamiento de imágenes en el sistema embebido Odroid U 3, en tiempo real (15+ FPS ). • Para realizar la detección e identificación vehicular desde una misma ubicación se recomienda el empleo de una cámara especializada para aplicaciones de reconocimiento vehicular, como es la cámara KOMOTO NUMBER PLATE READCAM AVN-80 RL 25/ AVP-80 RL 25, que entre sus principales características presenta: • Velocidades de captura desde 1/60 hasta 1/120, 000 segundos; • 80 leds infrarrojos para visión nocturna hasta 15 metros de alcance; • sensor CCD 1/3” que proporciona una imagen de alta calidad; • Protección contra polvo y agua para su uso en exteriores.

CONCLUSIONES • Se recomienda colocar puntos de control estratégicos alrededor del campus Espe Sangolquí

CONCLUSIONES • Se recomienda colocar puntos de control estratégicos alrededor del campus Espe Sangolquí en las ubicaciones que se especifican en la figura con el objetivo de identificar a los vehículos que exceden el límite de velocidad de 20 Km/h. En estas ubicaciones se observó que los vehículos aumentan su velocidad en lugar de reducirla.