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 U3 Milton Fabricio Rosero Prado Ingeniería en Electrónica y Telecomunicaciones

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

INTRODUCCIÓN

1850 1880

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 Sensores magneto-resistivos Cortinas fotoeléctricas CCTV

Técnicas de Monitorización e Identificación Vehicular Radio Frecuencia Satelital Óptica Láser

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 base de datos

FUNDAMENTO TEÓRICO

Reconocimiento Óptico de Caracteres (OCR)

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: Mejorar su visualización Búsqueda de información Relevante

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 y vertical de una imagen

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

Métodos y Materiales

Hardware Empleado Odrioid U3 Cámara web Odroid 720p PC Personal Soporte metálico

Software Empleado Sistema Operativo Ubuntu 14.04 Compilador GCC OpenCV Tesseract-OCR CodeBlocks IDE QT Creator MySQL SSH

DISEÑO E IMPLEMENTACIÓN

Proceso general del Sistema

Adquisición de video y captura de imágenes

Detección Vehicular y Determinación de Velocidad

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

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

Configuración Inicial en el interfaz de usuario

Funcionamiento del Sistema de Detección e Identificación Vehicular Detección Vehicular Imagen desde 4.5 metros

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

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 Autenticación Envío de información Desconexión Conexión Librerías MySQL++ Información que se envía: Velocidad Fecha Hora Número de placa Carril de circulación y fotografía Librerías SSH++ Información que se envía: Imagen del vehículo

Tiempo de procesamiento de los algoritmos implementados Comparación entre tiempos de procesamiento Odroid U3 y un computador personal Características del PC Procesador Intel Core i3-2330M (segunda generación) @2.20Ghz Memoria RAM 4 GB Sistema operativo de 64 bits Linux-Ubuntu 14.04 Se utilizó el mismo software en los dos equipos Procesos evaluados: Detección vehicular Identificación de la placa Ubicación del área de la placa Segmentación de caracteres OCR Envío y almacenamiento de información

Tiempos de procesamiento Detección Vehicular Relación de Tiempos Odroid/PC -----------> 4.17

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 – Análisis de Subprocesos ODROID PC

Identificación Vehicular – Análisis de Subprocesos 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 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 320x240: 12 ms (Detección) + 27 ms (Identificación) + 110 ms (Envío) =149 ms 6 FPS Imagen 640x480: 25 ms (Detección) + 59 ms (Identificación) + 110 ms (Envío) = 194 ms 5 FPS Imagen 1280x720: 34 ms (Detección) + 96 ms (Identificación) + 110 ms (Envío) = 240 ms 4 FPS 15 frames por segundo

Análisis de Capacidad de Procesamiento en Tiempo Real Estimando que circulen vehículos con 1 segundo de diferencia: Imagen 320x240: 1000 - 149 = 851 ms / 12 ------> 71 FPS Imagen 640x480: 1000 - 194 = 851 ms / 25 ------> 33 FPS Imagen 1280x720: 1000 - 240 = 760 ms / 34 ------> 23 FPS

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.

DISCUSIÓN Y CONCLUSIONES

CONCLUSIONES El sistema de reconocimiento e identificación vehicular mediante procesamiento digital de imágenes en base al sistema embebido Odroid U3 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 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 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 U3 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 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 320x240: 6 FPS 71 FPS Imagen 640x480: 5 FPS 33 FPS Imagen 1280x720: 4 FPS 23 FPS

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 U3, 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-80RL25/ AVP-80RL25, 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 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.