SISTEMA CONTROL DE ACCESO A ESTACIONAMIENTO POR MEDIO DE RECONOCIMIENTO DE PLACAS VEHICULARES

(1)

ESCUELA SUPERIOR DE INGENIERÍA

MECÁNICA Y ELÉCTRICA

SISTEMA CONTROL DE ACCESO A ESTACIONAMIENTO

POR MEDIO DEL RECONOCIMIENTO DE PLACAS

VEHICULARES

T E S I S

QUE PARA OBTENER EL TÍTULO DE:

INGENIERO EN COMUNICACIONES Y ELECTRÓNICA

P

R

E

S

E

N

T

A

N

SALDAÑA PÉREZ ANA MARÍA MAGDALENA

XOCHIHUA JORGE ALEJANDRO

ASESORES:

ING. ARMANDO MANCILLA LEÓN

M. EN C. BEATRIZ ADRIANA JAIME FONSECA

(2)

(3)

SISTEMA DE ACCESO POR MEDIO DE RECONOCIMIENTO DE PLACAS VEHICULARES.

(4)

3

Agradecimientos

A Dios, por que a él debo la familia que tengo y las oportunidades que se me han presentado.

A mis padres Ana y Miguel que se han empeñado en darme educación, valores, confianza y apoyo en todo momento, quienes me han impulsado a ser la persona que soy.

A mi hermano Jesús, a Allison y a mi abuelo Ricardo que han alegrado cada momento difícil por el que he pasado, que me han ayudado a superarme preocupándose por mí y alentándome a seguir adelante.

A mi abuela Beatriz, que siempre está en mis pensamientos y a la que debo profundo respeto.

A Yoasafet que me brinda la seguridad que a veces pierdo y cuya compañía es certera y reconfortante, gracias por el cariño que siempre me ha brindado.

A mi compañero Alejandro, ya que sin él no hubiese sido posible la realización de esta Tesis, y quién siempre supo apoyarme dentro del ámbito académico para lograr un buen trabajo, además de brindarme su amistan sincera.

A mis amigos, que me han acompañado a la largo de los años, regalándome su cariño, su comprensión y sobre todo su alegría, que me han soportado en los buenos y malos momentos y que me han ayudado a ser mejor persona.

A nuestros asesores de Tesis la M. en C. Beatriz Jaime y el Ingeniero Armando Mancilla, así como los buenos profesores que me apoyaron a lo largo de la carrera brindándome sus conocimientos y exigiéndome calidad en mis trabajos.

Al Instituto Politécnico Nacional por brindarme los recursos y oportunidades para estudiar una Ingeniería de calidad en la Escuela Superior de Ingeniería Mecánica y Eléctrica.

¡Gracias!.

(5)

4

Son muchas las personas a las cuales debo la realización exitosa de esta tesis. En primera instancia debo agradecer todo el apoyo a mis padres. Sin duda alguna ellos han sido los pilares fundamentales en mi vida.

Por un lado mi padre Arturo que siempre me ha enseñado el valor verdadero de las cosas, motivándome día a día a sobresalir de entre los demás, pero claro está, conservando siempre la humildad que todo ser humano nunca debe de perder.

Mi madre Juana, quien diariamente me mencionaba que no importa que tan complicado se vislumbre un sueño, si uno lo hace con pasión y entrega tarde o temprano los sacrificios se verán reflejados en la realización de dicho sueño.

A toda mi familia en general ya que siempre han sido muy unidos y eso me ha motivado para dar lo mejor de mí.

Mi novia también ha jugado un papel importante en este proceso, ya que siempre me supo comprender en aquellos días en los cuales no pude estar con ella y aún con ello, lo único que recibía de su parte eran palabras de aliento, mil gracias Jocelyn.

Mis asesores la M. en C. Beatriz Jaime y al Ingeniero Armando Mancilla quienes nos guiaron en el desarrollo de esta Tesis ayudándonos a encontrar nuestras áreas de oportunidad dentro de esta misma para lograr un resultado

Por último, debo de agradecer bastante a mi compañera de equipo Magdalena, sin la cual, no habría sido posible llevar esto a buen puerto, ya que siempre estuvo presionándome de buena manera para poder conseguir los resultados en tiempo y forma. Además de ayudarme a dar lo mejor de mí.

Sin duda el resultado que hoy se ve materializado en esta tesis es resultado de la aportación de cada persona con la cual he interactuado a lo largo de mi vida profesional y privada. A todos ellos Muchas Gracias por permitirme disfrutar aunque sea un breve instante de su presencia.

(6)

(7)

6

ÍNDICE

Contenido

ÍNDICE DE FIGURAS ... 8

ÍNDICE DE ECUACIONES ... 10

ÍNDICE DE TABLAS ... 11

I. RESUMEN ... 12

INTRODUCCIÓN ... 13

Capítulo 1 1.1 Planteamiento del Problema ... 17

1.2 Justificación ... 18

1.3 Hipótesis.. ... 18

1.4 Objetivos ……….19

1.4.1 Objetivo General ... 19

1.4.2 Objetivos Particulares ... 19

1.5 Metodología de Investigación ... 20

1.6 Alcance del trabajo ... 21

1.7 Trabajo a Futuro ... 22

ESTADO DEL ARTE ... 23

Capítulo 2 2.1 Software para Reconocimiento de Placas ... 24

2.2 Hardware para el Reconocimiento Óptico ... 30

2.3 Interfaz de Comunicación ... 34

MARCO TEÓRICO ... 35

Capítulo 3 3.1 C#... 35

3.2 Reconocimiento de Caracteres. ... 36

3.3 Reconocimiento de Placas ... 39

3.3.1 Detección de Bordes y Filtrado. ... 40

(8)

7

3.4 Transformación Basada en el Histograma ... 42

3.4.1 Segmentación de Imágenes ... 43

3.5 Base de Datos ... 45

3.5.1 Características Principales de las Bases de Datos ... 47

3.5.2 Modelos Entidad Relación... 48

3.5.3 Tipo de Relaciones ... 49

3.5.4 Estructura de una Base de Datos ... 50

3.5.5 SQL ... 52

DISEÑO E IMPLEMENTACIÓN ... 53

Capítulo 4 4.1 Introducción ... 53

4.2 Diseño de Interfaz para el Tratamiento de Imágenes. ... 54

4.3 Base de Datos. ... 67

4.4 Página WEB. ... 71

4.5 Especificaciones Técnicas ... 82

PRUEBAS Y RESULTADOS ... 83

Capítulo 5 5.1 Pruebas del Funcionamiento del Algoritmo ... 84

5.2 Pruebas en la Página Web. ... 97

5.2.1 Alta de Usuarios ... 99

5.2.2 Nuevo Registro ... 102

II. ANÁLISIS DE COSTOS ... 104

III. ANEXOS ... 107

III.I. Código de Aplicación para el Procesamiento de Imágenes ... 107

III.II. Código de Base de Datos del Sistema ... 110

III.III. Código de la Página Web... 114

IV. CONCLUSIONES ... 117

V. GLOSARIO ... 119

(9)

8

ÍNDICE DE FIGURAS

Figura 2-1 Pantalla de Control de Acceso utilizado por la Empresa Adaptive Recognition Hungary

[9] ... 25

Figura 2-2 Ejemplo de Binarización de una Imagen [7] ... 28

Figura 2-3 Ejemplo de una imagen infrarroja [6] ... 32

Figura 2-4 Estructura interna del CCD-Chip [3] ... 33

Figura 3-1. Logotipo de Visual Studio 2010 ® [7]. ... 35

Figura 3-2 Imágenes antes y después de un filtro de binarización [1] ... 37

Figura 3-3Convolución de matrices de pixeles[7]. ... 40

Figura 3-4 Ejemplos de filtrado de Imágenes [12] ... 41

Figura 3-5 El DBMS maneja la interacción entre el usuario y la base de datos [8] ... 46

Figura 3-6 Ejemplo de Modelo Cheng de Entidad Relación [13] ... 48

Figura 4-1 Herramientas de C#... 55

Figura 4-2 Formulario base de C# ... 57

Figura 4-3 Formulario de Obtención de Imágenes. ... 58

Figura 4-4 Panel 1. Segmentación de Imagen ... 60

Figura 4-5 Panel 2. Comparación de Imágenes ... 62

Figura 4-6 Panel 3. Generación de Histograma ... 64

Figura 4-7 Panel 4. Notificación ... 65

Figura 4-8 Diagrama de flujo de Aplicación para Comparación de Matrículas ... 66

Figura 4-9 SQL Server 2008 [12]. ... 67

Figura 4-10 Diagrama de tablas y registros de la base de datos generada... 69

Figura 4-11 Diagrama de flujo de la página web ... 72

Figura 4-12 Página de Bienvenida ... 73

Figura 4-13 Pantalla de inicio de sesión ... 75

Figura 4-14 Pantalla de registro de nuevo usuario. ... 75

Figura 4-15 Confirmación de la creación de la cuenta ... 76

Figura 4-16 Menú de Usuarios ... 77

Figura 4-17 Formulario de datos de usuario ... 78

Figura 4-18 Alta de automóviles ... 79

Figura 4-19 Menú de Registros ... 80

Figura 4-20 Formulario de Nuevo Registro ... 81

Figura 5-1Ubicación de la carpeta Web_Cam ... 84

Figura 5-2 Segmentación de la placa de otro estado (caso 1) ... 85

Figura 5-3 Nueva ubicación de la imagen segmentada ... 85

Figura 5-4 Comparación de placa en caso 1 ... 86

(10)

9

Figura 5-6 Notificación final para caso 1 ... 87

Figura 5-7 Inicio de segmentación en caso 2 ... 88

Figura 5-8 Segmentado final de caso 2 ... 88

Figura 5-9 Comparación entre imágenes, caso 2 ... 89

Figura 5-10 Histogramas de caso 2 ... 89

Figura 5-11 Notificación de caso 2 ... 90

Figura 5-12 Segmentación caso 3 ... 90

Figura 5-13 Comparación entre imágenes caso 3 ... 91

Figura 5-16 Segmentación de caso 4 ... 92

Figura 5-17 Comparación de Imágenes caso 4 ... 93

Figura 5-20 Dirección URL de sistema ... 97

Figura 5-21 Pantalla de inicio del sistema ... 98

Figura 5-22 Barra de opciones de la página principal ... 98

Figura 5-23 Formulario de alta de usuarios ... 99

Figura 5-24 Formulario de alta de vehículos ... 100

Figura 5-25 Mensaje final de la pantalla de Alta de vehículos ... 101

Figura 5-26 Formulario de nuevo registro ... 102

(11)

10

ÍNDICE DE ECUACIONES

Ecuación 3-1 ... 38

Euación 3-2 ... 40

(12)

11

ÍNDICE DE TABLAS

Tabla 1 Pruebas de posición de placas ... 96

Tabla 2 Costo de Software empleado ... 104

Tabla 3 Costo de equipo de cómputo necesario ... 104

Tabla 4 Costo total de implantación del sistema ... 105

Tabla 5 Costo de equipo adicional ... 105

Tabla 6 Costo de mano de obra ... 106

Tabla 7 Costo del salario a programadores ... 106

(13)

12

I. RESUMEN

Los sistemas de control de acceso en nuestros días, forman parte primordial de los mecanismos de seguridad implementados por diferentes Empresas e Instituciones.

En el presente trabajo se describe de manera detallada el proceso de planeación, diseño y creación de un sistema de control de acceso basado en un algoritmo de programación que permite identificar mediante diferentes tipos de filtros, las placas de automóviles, para posteriormente compararlos con las matrículas contenidas en una base de datos y finalmente permitir o denegar el acceso al vehículo en cuestión.

La base de datos ha sido diseñada específicamente para solventar las necesidades del sistema de reconocimiento, sobre información relacionada al estacionamiento de la Escuela Superior de Ingeniería Mecánica y Eléctrica.

Las imágenes de las placas de los automóviles son capturadas a través de una cámara web colocada al interior del estacionamiento, y son enviadas directamente al sistema de reconocimiento de placas, que por último, proporciona las matrículas obtenidas a la base de datos cuyo control y administración se llevan a cabo de manera remota.

El software de reconocimiento de placas ha sido desarrollado en Visual Studio 2010 de Microsoft®, la base de datos ha sido diseñada sobre SQL-Server 2008®.

(14)

13

INTRODUCCIÓN

Capítulo 1

A través de la historia, el hombre ha presentado la necesidad de autentificarse para acceder a diferentes lugares. Por ejemplo, ya con las antiguas civilizaciones agrícolas, existían diferentes códigos entre Egipcios y Griegos (por mencionar algunos), que permitían el acceso por medio de códigos específicos a los individuos a sus centros ceremoniales, centros de gobierno, e incluso a pequeñas agrupaciones a las que no todos los demás individuos de la sociedad tenían acceso.

El primer cerrojo mecánico descubierto hasta ahora data del año 1800 a.C. y fue encontrado en las ruinas del palacio de Khorasabad en una antigua ciudad de Asiria. Este mecanismo era conocido como “cerrojo egipcio” debido a su extenso uso en ese país. Los griegos utilizaban un modo más sencillo, que consistía en asegurar la puerta con un perno en el interior, de modo que al insertar la llave (de madera o hierro) en forma de cuña, esta empujaba el perno y liberaba la puerta.

Los romanos fabricaron el primer cerrojo completamente metálico basado en los principios del egipcio y agregando algunas variaciones como la guarda de llave: una proyección o elevación en el ojo de la cerradura para evitar que el mecanismo fuese manipulado con objetos distintos a la llave.

Con el paso del tiempo y la evolución del pensamiento humano, los códigos orales y mímicos empleados por grupos de hombres para acceder a determinados lugares, cambiaron mediante el uso de insignias en la vestimenta o bien tatuadas en la piel de los individuos.

A partir del siglo XX, cuando la Revolución Industrial se había establecido como un medio de producción, los hombres comenzaron a inventar un sinfín de mecanismos para la autentificación, como lo son las tarjetas de presentación, gafetes de acceso a fábricas, y tarjetas de membrecía en clubes de golf, actividades culturales, etcétera.

(15)

14

Durante las décadas de los 50’s y 60’s, las tarjetas de identificación empleadas por las dependencias gubernamentales como oficinas de gobierno y hospitales eran hechas de metal, con el nombre del dueño y de la dependencia, así como el número de identificación grabadas.

Hasta hace aproximadamente treinta años, el método de autentificación más empleado en México eran los gafetes personales hechos en tarjetas de papel que contenían los campos requeridos impresos y los datos de la persona llenados a mano con letra molde, además de una fotografía tamaño infantil de la persona a la que se identifica con el gafete.

A la entrada de las oficinas y escuelas era común ver a un encargado de vigilancia verificar que los datos del gafete fueran correctos y que la fotografía del mismo coincidiera con el rostro de la persona que lo portaba; dejando caer la responsabilidad de la autentificación completamente sobre el factor humano.

Posteriormente se comenzaron a emplear los sistemas a base de contraseñas, (actualmente siguen vigentes), que llegan a ser poco confiables debido a que en ocasiones las personas emplean como contraseña datos que, para expertos en descifrar contraseñas es muy fácil obtener; o bien contraseñas muy largas, que suelen olvidar. Incluso en los sistemas comerciales (hardware y software) se sugiere a los administradores modificar las contraseñas que tienen programadas de fábrica, para evitar que terceros manipulen tales sistemas.

Pero las contraseñas también han evolucionado en aspectos de seguridad, por ejemplo, en los actuales sistemas de acceso bancario por Internet, se utilizan generadores de contraseñas de una sola vez u OTP`s1_{para evitar que el robo o pérdida de contraseñas} perjudique a los usuarios. Las claves generadas se utilizan en combinación con un número o nombre de usuario y una contraseña estática; únicamente son válidas durante una sesión y por lo tanto no pueden volver ser utilizadas.

[18]

(16)

15

Fue hasta la década de los 80’s, cuando en México se comenzaron a emplear los primeros dispositivos electrónicos para permitir la autentificación de las personas a oficinas de gobierno y privadas.

Para aumentar la seguridad se generaron tarjetas electrónicas que en su momento eran muy difíciles de duplicar, lo que incrementaba la seguridad en las empresas. Un ejemplo muy claro es que a partir de 1986; año en el que se llevó a cabo el Campeonato Mundial de Futbol Soccer en nuestro país, varios de los hoteles que fueron construidos para alojar a todos los deportistas que vendrían a participar en el campeonato, contaban con un sistema electrónico para que a través de tarjetas electrónicas otorgadas a cada integrante de las distintas selecciones extranjeras, estos tuvieran acceso a las múltiples salas del hotel y a sus propias habitaciones con solo colocar las tarjetas dentro de los lectores empotrados en cada una de las puertas del edificio; este sistema permitía un control riguroso sobre las personas que hacían uso de las instalaciones del hotel, y la seguridad de los competidores.

Así poco a poco las tarjetas electrónicas pasaron a formar parte de la vida diaria de empresas de renombre y gubernamentales, en las que a cada trabajador se le asignaba una tarjeta electrónica con un chip interno, que al ser identificado por los dispositivos lectores colocados en los torniquetes de entrada de cada dependencia, permitían llevar un control seguro de acceso automático a diferencia de aquellos sistemas en los que se requería la verificación de datos por parte de elementos humanos de la empresa.

Sin embargo, en ocasiones algunas personas extraviaban sus tarjetas electrónicas, lo que derivaba en un problema de control y gastos extras para la empresa, ya que al perderse un gafete se corría el riesgo de que una persona ajena a las instalaciones tuviese acceso al encontrar el dispositivo; además era necesario fabricar un nuevo gafete, darlo de alta en las bases de datos de la empresa donde fuera requerido y llevar un control de asistencia individual.

Para mitigar el problema, se comenzó a emplear el reconocimiento de huellas dactilares de los trabajadores y personal que debía acceder a una oficina con dicho mecanismo instaurado.

(17)

16

personas olvidaran un dato o perdieran un dispositivo. El problema que presenta, es que el usuario debe colocar su dedo en la misma posición en que lo hizo cuando se dio de alta en el sistema, de otro modo la lectura no es efectiva y el acceso es denegado.

Otra desventaja, es el alto costo del equipo de lectura de huellas y la implementación del equipo.

Un nuevo sistema de reconocimiento que ha surgido en los últimos años, es el reconocimiento de rostros, que al igual que el reconocimiento de huellas digitales brinda un alto nivel de seguridad para las empresas al momento de controlar el ingreso a sus instalaciones por medio del reconocimiento de rostros a través de imágenes capturadas por cámaras de alta definición.

Sin embargo como se mencionó anteriormente este tipo de tecnologías es sumamente costoso por lo que su implementación en el mercado ha sido hasta ahora limitada, es por ello que a pesar de la era tecnológica en la que nos encontramos sumergidos y toda la seguridad que de ella emana, en nuestro país, pocas son las empresas cuyo sistema de acceso se basa en el uso de tarjetas electrónicas con chip de reconocimiento integrado, o bien en la lectura de huellas dactilares.

En dependencias como el Instituto Politécnico Nacional, solo algunas de las Escuelas de nivel Superior y Medio Superior, cuentan con el sistema de identificación de tarjetas con el código de barras que se localiza en la parte inferior de cada una de las credenciales de los alumnos, y que son leídas por medio de dispositivos electrónicos empotrados en los torniquetes de entrada de dichas escuelas.

(18)

17

A pesar de que cada uno de los alumnos que integran la matrícula de dichas escuelas cuenta con una credencial donde aparecen sus datos y un código de barras único que le permite autentificarse en el sistema, no se cuentan con las máquinas lectoras de dicho código, además de que la vigilancia en el campus y en los estacionamientos es poca, debido a la escasa presencia de personal capacitado.

Es por eso que basándonos en el avance que han tenido los métodos de autentificación a lo largo de la historia del hombre, el presente trabajo pretende dar a conocer una nueva forma de autentificación de seguridad enfocada en el área de estacionamiento de la Escuela Superior de Ingeniería Mecánica y Eléctrica, a través del reconocimiento de las placas de los automóviles que ingresan diariamente a dicho estacionamiento.

1.1 Planteamiento del Problema

Durante los últimos años se han presentado una gran cantidad de actos delictivos en los edificios de la Escuela Superior de Ingeniería Mecánica y Eléctrica de la Unidad Zacatenco (ESIME Z).

Estos actos han sido cometidos por personas totalmente ajenas al Instituto Politécnico Nacional, que por medio de accesos para estudiantes y personal que labora en ESIME Z; ingresan a los edificios en horarios de clase, y dentro de estos despojan tanto a estudiantes como a profesores de sus pertenencias.

(19)

18

1.2 Justificación

La mayoría de los robos que se han presentado en la escuela, han sido a vehículos de alumnos y profesores. Las sustracciones van desde autopartes, hasta automóviles enteros. Cabe destacar que los vehículos robados contemplan diferentes modelos por lo que todos los usuarios del estacionamiento están expuestos a ser una víctima más de la delincuencia.

En el estacionamiento suele encontrarse personal de vigilancia, sin embargo, esta medida de seguridad no ha sido suficiente, debido a que la cantidad de personal designado es escasa; además, los vigilantes deben realizar rondas por todas las instalaciones de ESIME Z lo que conlleva a que el estacionamiento llegue a quedar en descuido.

Es por esta razón que hemos diseñado un sistema de control de acceso al estacionamiento, basado en el reconocimiento de placas de automóviles que permita llevar un control del personal y vehículos que ingresan al área, de modo que únicamente las personas autorizadas por el sistema puedan entrar.

1.3 Hipótesis

(20)

19

1.4 Objetivos

1.4.1Objetivo General

Diseñar y desarrollar un sistema de cómputo para permitir el acceso a estacionamientos, basado en el reconocimiento de placas de automóviles. El sistema constará de una base de datos desarrollada en SQL Server 2008 y una aplicación para plataforma Windows programada en Visual Studio 2010.

Las pruebas del sistema se llevaran a cabo en la Escuela Superior de Ingeniería Mecánica y Eléctrica de la unidad Zacatenco, del Instituto Politécnico Nacional.

1.4.2 Objetivos Particulares

1.-Diseño y programación de una aplicación para plataforma Windows en Visual Studio 2010® para el reconocimiento de imágenes de placas de automóviles.

2.-Diseño y desarrollo de una base de datos en SQL 2008 para el almacenamiento y manejo de la información relacionada con los usuarios del estacionamiento estudiado.

3.- Creación de la Interfaz Gráfica para la gestión de la base de datos que permitirá obtener, modificar y actualizar los datos relacionados con los usuarios del estacionamiento para el sistema de acceso, por medio de ASP.NET, aplicación perteneciente a Visual Studio 2010.

(21)

20

1.5 Metodología de Investigación

El presente escrito, ha sido desarrollado para explicar de manera detallada el desarrollo del sistema de control de acceso para estacionamientos, basado en el reconocimiento de placas de automóviles, diseñado en Visual Studio 2010® en el lenguaje de programación C#.

El escrito, se conforma de 5 capítulos:

Capítulo I: Introducción

Proporciona una breve reseña acerca de cómo han evolucionado los sistemas de autenticación a través del tiempo, además, explica el planteamiento y justificación de la creación del sistema de control de acceso por medio del reconocimiento de placas.

Capítulo II: Estado del Arte

Describe detalladamente cual es el mercado en el que actualmente se ubican los sistemas de acceso por medio de diferentes formas de autentificación, así como los avances tecnológicos que se han presentado en los últimos años con respecto a los diferentes métodos para el reconocimiento de placas.

Capítulo III: Marco Teórico

Se exponen los conceptos y explicaciones técnicas necesarias y de apoyo al lector para la total comprensión del mecanismo de trabajo del sistema de reconocimiento de placas de automóviles.

Capítulo IV: Diseño e Implementación

(22)

21

Capítulo V: Pruebas y Resultados

Se exponen las pruebas que se llevaron a cabo durante el desarrollo del proyecto, y los resultados obtenidos una vez que este fue implementado; además de los resultados arrojados por el sistema al ser probado bajo diferentes escenarios.

1.6 Alcance del trabajo

El desarrollo del sistema de control de acceso por medio del reconocimiento de placas vehiculares se limita hasta su completo diseño y pruebas de factibilidad, lo que no abarca su implementación en el estacionamiento de ESIME Z, sin embargo se deja las bases para que dicha implementación se pueda llevar a cabo en un futuro.

En cuanto a la muestra tratada, se consideró un rango de 100 automóviles, pertenecientes a alumnos y profesores de ESIME Z, que diariamente ingresan entre 6:00 a.m. a 10:00 p.m. al estacionamiento que se conforma del área de aparcamiento de los edificios uno al cinco de la Unidad Académica Zacatenco.

(23)

22

1.7 Trabajo a Futuro

Con el diseño, creación y ejecución del sistema de control de acceso a estacionamiento por medio del reconocimiento de placas vehiculares, se pretende tener un amplio control de los usuarios de los estacionamientos de ESIME Z.

La implementación del sistema de control de acceso por medio del reconocimiento óptico de matrículas se diseñó para trabajar específicamente dentro del área de estacionamientos de ESIME Z, sin embargo sus características permiten la instalación en una gran variedad de estacionamientos, puesto que en la base de datos se puede adaptar a las necesidades de los distintos clientes, y el sistema de reconocimiento de placas no tiene un límite de ejecuciones.

(24)

23

ESTADO DEL ARTE

Capítulo 2

Fue a partir de los noventas y principios del dos mil, cuando las empresas que contaban con los recursos económicos y materiales pertinentes, comenzaron a emplear los métodos de control de acceso por medio de tarjetas electrónicas con chip integrado y de reconocimiento de huellas digitales de los trabajadores.

Actualmente este tipo de mecanismos han sido instaurados también en escuelas, tiendas, aeropuertos, entre otros.

Desde principios del siglo XXI, el Instituto Politécnico Nacional, cuna de gran parte de la tecnología que se desarrolla en nuestro país, comenzó a emplear en algunas escuelas el mecanismo de autenticación por medio de credenciales con código de barras, mismo que fue asignado a cada profesor y alumno del Instituto de manera individual.

Un ejemplo de escuelas con lector de tarjetas a la entrada es la CECyT número 3, ubicada en Ecatepec, donde los alumnos de educación media superior, deben colocar su identificación, mostrando el código de barras a los lectores ubicados sobre los torniquetes, para tener acceso.

Sin embargo en escuelas donde el número de alumnos es mayor, así como la cantidad de personas que requieren acceso a las instalaciones, no se cuenta con un sistema de control.

En ESIME Z, por ejemplo, no se cuenta con un sistema de autenticación por parte del personal que labora dentro de la misma, ni de los alumnos matriculados tanto en el área de ingreso de personas, como en el área de estacionamientos.

(25)

24

Durante los últimos cuatro años se ha venido acrecentando el número de robos a vehículos de la planta docente así como de alumnos dentro de los estacionamientos de ESIME Z, por lo cual ha sido necesario colocar elementos de seguridad en dicho lugar; sin embargo esta medida ha sido insuficiente ya que cualquier persona que lo desee puede ingresar al área de estacionamientos sin problema alguno, perteneciendo o no a la Institución; y como ha ocurrido, simular que un automóvil estacionado es suyo para abrirlo o bien llevárselo, sin que los policías puedan hacer algo, pues constantemente se encuentran realizando rondas dentro de las instalaciones y no saben quiénes son los dueños de los automóviles que día a día ingresan a los estacionamientos.

Es por esta razón, que analizando la información de la muestra de ESIME Z se ha diseñado un “Sistema de identificación de matrículas de automóviles para acceso a estacionamiento”, a través del cual se tenga un registro de las placas, así como los datos de sus propietarios y un aproximado de los horarios que manejan dentro de la escuela; con la finalidad de tener una base de datos consistente, que se pueda ir actualizando continuamente a través de su manejo a distancia, evitando así violaciones al software y previendo la seguridad del estacionamiento.

2.1 Software para Reconocimiento de Placas

La problemática del presente trabajo, así como sus aplicaciones, ya han sido tratadas con anterioridad en bastantes ocasiones. Tanto así que existen empresas, con una experiencia en el mercado de poco más de 20 años, ofreciendo específicamente este tipo de tecnologías.

Un claro ejemplo es la empresa húngara Adaptive Recognition Hungary2_{, la cual tiene} presencia en 120 países alrededor del mundo y ha venido desarrollando, innovando y optimizando la tecnología de reconocimiento automático de matrículas (ANPR por sus siglas en inglés Automatic Number Plate Recognition). [4],[12]

2_{Empresa con sede en Hungría. Fue creada en 1991 y se dedica al desarrollo de productos tecnológicos}

(26)

25

[image:26.612.124.522.147.418.2]

Esta empresa provee a sus clientes componentes de Hardware, tales como cámaras con alto grado de eficiencia en condiciones climáticas muy adversas y también ofrece la tarjeta de video para poder operar dichas cámaras y de Software(Figura 2-1).

Figura 2-1 Pantalla de Control de Acceso utilizado por la Empresa Adaptive Recognition Hungary [9]

Otra de las empresas líderes en este ramo es Vigilant Video. Esta empresa, de origen estadounidense, desarrolla e implementa tecnologías orientadas al reconocimiento óptico de rostros y matrículas. Su principal campo de trabajo está orientado a la seguridad, utilizando las tecnologías mencionadas anteriormente.

Cuenta también con su propia cámara patentada y con software especializado el cual proporciona la base de datos de las matriculas obtenidas.

Dentro del ramo de las empresas de habla hispana se encuentra en primera instancia la española Neural Labs.

(27)

26

Sin embargo, a diferencia de las compañías anteriores, esta sólo proporciona soluciones a nivel software ofreciendo librerías DLL (Dynamic Link Library3_{), las cuales se encargan} de la adquisición de datos una vez que es tomada la fotografía. Las librerías se encuentran disponibles para distintos lenguajes de programación tales como Delphi, Borland, Fox Pro, Visual Basic, C#, entre otros. En el ámbito del hardware,la empresa se limita a emitir recomendaciones de las características del CPU y la cámara fotográfica a usar para obtener resultados satisfactorios.

En México se encuentran empresas tales como TYSSA4_{la cual ofrece soluciones fiables} a problemas propios de la ingeniería de tránsito. Dentro de los muchos productos que comercializa se encuentra el sistema de control de acceso mediante la captación del número de placa, pero su gran desventaja es que utiliza, en su totalidad, la tecnología de la húngara mencionada anteriormente.

Finalmente se hace mención de otra empresa mexicana que lleva por nombre iCorp5_. Dicha compañía presume de usar tecnología desarrollada por ingenieros mexicanos en su totalidad. Aunque su área de desarrollo de TI (Tecnologías de la Información) está enfocado principalmente al área administrativa, en años recientes ha incursionado también al desarrollo e implementación de sistemas de acceso en tiempo real, ya sea de un estacionamiento, un fraccionamiento o a un club privado.

Todos los sistemas de las empresas previamente citadas poseen algo en común. Su común denominador es que se basan en una tecnología que tiene bastante tiempo desarrollándose, como lo es OCR por sus siglas en inglés Optical Character Recognition.

OCR fue patentado en 1929 por Gustav Tauschek en Alemania; 4 años después la empresa Handel obtiene la patente de OCR en EEUU. Más tarde Tauschek consiguió la patente en EEUU por su método.

[20],[14]

3_{DLL es un archivo ejecutable el cual permite a los programas compartir código y otros recursos necesarios}

para la realización de tareas específicas.

4_{TYSSA es una empresa de personalidad jurídica mexicana la cual desarrolla, integra y comercializa equipos y}

sistemas para la ingeniería de tránsito.

5

(28)

27

Este sistema surgió por la necesidad de automatizar la entrada de datos los cuales previamente habían sido plasmados de forma manual o se encontraban ya impresos.

Los sistemas reconocedores de texto escrito a mano han gozado de éxito comercial estos últimos años. Entre éstos están dispositivos de asistencia personales digitales (PDA) tales como los Palm OS. Puesto que Apple es pionero en esta tecnología. Los algoritmos usados en estos dispositivos toman ventaja del orden, velocidad y dirección de las líneas o segmentos individuales en su entrada y los cuales son ampliamente conocidos.

También, el usuario ha obtenido nuevas habilidades para utilizar solamente formas específicas de la letra (por ejemplo, un triángulo sin su base correspondería a la letra A). Estos métodos no se pueden utilizar en software donde los documentos se escanean, por lo que el reconocimiento exacto de documentos escritos a mano sigue siendo en gran parte un problema abierto al desarrollo. Índices de exactitud del 80% al 90% en caracteres escritos a mano, pueden ser alcanzados, pero esta exactitud todavía se traduce en docenas de errores por cada página, haciendo la tecnología útil solamente en contextos muy limitados.

Esta variedad de OCR ahora se conoce comúnmente en la industria como ICR, o el Reconocimiento Inteligente de Caracteres. El reconocimiento del texto cursivo es un campo de investigación activo, con medidas de reconocimiento incluso más baja que el reconocimiento de texto escrito a mano.

Estos altos índices de reconocimiento de la escritura cursiva general no serían probablemente posibles sin el uso de la información del contexto o gramatical. Por ejemplo, el reconocimiento de palabras enteras de un diccionario es más fácil que el analizar caracteres individuales de la escritura. La lectura de la línea del monto de un cheque, es un ejemplo donde usar un diccionario más pequeño especializado en escritura de números, puede aumentar tarifas del reconocimiento enormemente.

(29)

28

Otra variante del OCR es el OMR (Optical Mark Recognition) que se utiliza para reconocimiento de marcas. Una aplicación sería la corrección automática de exámenes de tipo test, en los que la respuesta correcta se rodea con un círculo, tipo PSU (Prueba de Selección Universitaria). Además del OCR también es importante aplicar filtros a las imágenes para lograr mejores resultados. Uno de esos filtros es el pasar a Escala de Blancos y Negros para así obtener una binarización de la imagen.

El proceso de binarización de una imagen se resume en la clasificación de un tono de píxel como blanco o negro (Figura 2-2), sin embargo, esta clasificación se realiza a través de un valor umbral, el cual debe ser el más adecuado posible para obtener resultados buenos en la determinación del color del píxel. Uno de los métodos de cálculo de umbral aplicado a la binarización de imágenes es el método de umbral de probabilidades.

Figura 2-2 Ejemplo de Binarización de una Imagen [7]

El método de umbral de probabilidades se basa en la clasificación probabilística de que un píxel pertenezca o no a un determinado grupo para formar una función objetivo que deberá maximizarse respecto a la imagen analizada.

Visto entonces el panorama actual y sus distintas vertientes pasaremos a hablar un poco más sobre los distintos sistemas que usan las empresas mencionadas al inicio de este capítulo.

(30)

29

En el caso de la empresa ARH (Adaptive Recognition Hungary) su software está basado en el sistema al cual llaman CARMEN. Las características de este software, en primer lugar serian que soporta los sistemas operativos como Windows 7, Vista, XP y Linux.

Además está basado en lenguajes de programación como C/C++, Visual Basic 6.0, Visual Basic .Net, Borland Delphi y C#. Los caracteres que puede reconocer son Latinos, Arábigos, Chinos, Coreanos y Cirílicos. La librería nos proporciona los siguientes atributos:

 Número de la matrícula del automóvil en código ASCII/UNICODE.  Coordenadas de la matrícula del automóvil.

 Coordenadas de los caracteres.

 Color de la matrícula del automóvil (Opcional).  ID del País (Opcional);

 Localización de más matriculas dentro de la imagen.

CARMEN se subdivide en tres soluciones llamadas CARMEN Free Flow, CARMEN Parking y CARMEN Parking Lane. Todos poseen las mismas características mencionadas previamente, pero contemplando pequeñas diferencias entre ellos, para así poder responder mejor a necesidades específicas de los clientes. Por ejemplo CARMEN Parking y CARMEN Parking Lane podrían parecer a simple vista idénticos a no ser porque el ultimo sistema está enfocado a pequeños estacionamientos, ya que el SDK (Software Development Kit) que identifica la placa, no posee la característica de reconocimiento del número de registro de la matrícula, lo cual limita su uso en sistemas de control de acceso automatizado; sin embargo logra con esto una reducción en el costo de la licencia.

Por otro lado iCorp, como se mencionó anteriormente, es una empresa líder en el desarrollo de la tecnología ANPR en nuestro país, lo cual significa que es el parámetro a seguir de este trabajo ya que la solución ofrecida dentro de nuestro proyecto, competirá de manera directa con el sistema creado por dicha empresa. Por eso es muy importante hacer referencia a sus principales características.

En un primer punto iCorp, al igual que ARH, ofrece al cliente distintas soluciones. Estas son: i-Control, i-Catch e i-Detection y Speed Bugg.

(31)

30

Las últimas dos se enfocan a otros fines los cuales no son de relevancia para este trabajo mientras que, i-Control está totalmente relacionada. i-Control permite controlar y monitorear el acceso para zonas residénciales, hoteles, etc.; con el fin de proporcionar seguridad y rápido acceso a los inmuebles, todo esto usando tecnología LPR (License Plate Recognition) ó RFID (Radio Frecuency IDentification) la cual permite controlar,

monitorear y permitir los accesos a un determinado lugar.

Trabaja sobre el sencillo esquema en donde si el vehículo está autorizado permite el acceso inmediato, en caso contrario se toma la fotografía de una identificación oficial del conductor y una fotografía del automóvil, almacenando los datos de fecha y hora de entrada y salida a través de un sistema de gestión.

El sistema de gestión es el brazo derecho de dicha aplicación ya que es en donde se guarda el control y evidencia de las entradas y salidas de todos los vehículos y conductores, las reglas de acceso y reportes para su seguimiento.

En primera instancia, se almacenan en una base de datos los vehículos y dueños (residentes, socios y afiliados). Permite personalizar políticas, restricciones y alertas de cada empresa además de que permite programar visitas. Una de sus últimas ventajas es el tiempo de agilidad en el acceso es menor a los 5 segundos.

2.2 Hardware para el Reconocimiento Óptico

Otro punto importante para poder llevar acabo el reconocimiento óptico de matrículas es el cual involucra la obtención de la imagen. Para la realización de dicha actividad es necesario contar con una cámara la cual debe poseer algunas características particulares.

(32)

31

El consumo de energía es de 30 Watts. Es capaz de capturar 25 cuadro por 3segundo (FPS por sus siglas en ingles). Por último el rango de temperatura operacional está dentro los -20°C hasta los 55°C. Por su parte iCorp no da especificaciones técnicas sobre su hardware. Dada esta circunstancia se toma como referencia a la empresa Vigilant Video.

La cámara desarrollada por Vigilant Video tiene como características principal un alcance del iluminador infrarrojo de 70 metros. La imagen manejada está en blanco y negro. Además cuenta con una resolución de 768x494 pixeles.

La frecuencia de fotogramas tomados es de 30 FPS. El consumo de energía es de 40 Watts y por último, la temperatura de operación va desde los -30°C a los 50°C. Ambas cámaras están optimizadas para exteriores, pero la similitud más importante es el uso de la tecnología de la iluminación infrarroja, con la cual logran obtener imágenes en la obscuridad.

Las cámaras infrarrojas son también conocidas como cámara térmicas. Dichos aparatos nos permiten captar la radiación infrarroja que emiten los cuerpos.

En concreto capta las emisiones del infrarrojo medio del espectro electromagnético. Dicha radiación infrarroja emitida tiene relación con la temperatura de cada objeto.

Así, los cuerpos que son más calientes, emiten más radiación que los que son menos calientes. Esta radiación captada, invisible al ojo humano, es convertida en imágenes para poder ser observada por el hombre.

Puesto que el espectro infrarrojo no puede ser captado por el ojo humano, la cámara procesa la imagen de tal manera que se muestra coloreada en pantalla. Dicho color depende de la radiación captada. Es importante saber que los colores mostrados no son reales, sino una manera de poder hacer visible dicha radiación.

(33)

32

Figura 2-3 Ejemplo de una imagen infrarroja [6]

Las primeras cámaras termográficas se utilizaron en el ámbito militar, en concreto en la guerra de Corea (años 50). Posteriormente su utilidad se amplió al ámbito civil en diversos campos.

Actualmente el uso de cámaras térmicas está muy extendido. Sirven en tareas de mantenimiento y prevención a nivel industrial, pero también son una herramienta fundamental para constructores y arquitectos, así como en el ámbito médico para la realización de diagnósticos. También son útiles para arqueólogos y cartógrafos, sirven para analizar suelos o detectar contaminación. Y, claro está, para usos relacionados con la seguridad.

Otra característica que comparten es el uso de la tecnología CCD (Charge Coupled Device) para la fabricación de los sensores infrarrojos usados en las cámaras. Hoy en día existen dos tipos de tecnologías utilizadas para la fabricación de sensores de dichas cámaras digitales.

La primera ya fue anteriormente mencionada y la segunda es la que está constituida por CMOS(Complementary Metal Oxide Semiconductor). Ambos tipos de sensores están formados en su esencia por semiconductores de metal-óxido (MOS) y están distribuidos en forma de matriz.

(34)

33

Su función es la de acumular una carga eléctrica en cada una de las celdas de esta matriz. Estas celdas son los llamados píxeles. La carga eléctrica almacenada en cada píxel, dependerá en todo momento de la cantidad de luz que incida sobre el mismo. Cuanta más luz incida sobre el píxel, mayor será la carga que este adquiera.

Figura 2-4 Estructura interna del CCD-Chip [3]

El CCD convierte las cargas de las celdas de la matriz en voltajes y entrega una señal analógica en la salida, que será posteriormente digitalizada por la cámara. En los sensores CCD, se hace una lectura de cada uno de los valores correspondientes a cada una de las celdas. Entonces, es esta información la que un convertidor analógico-digital traduce en forma de datos. En este caso, la estructura interna del sensor es muy simple (Figura 2-4). Su gran inconveniente es la necesidad de un chip adicional que se encargue del tratamiento de la información proporcionada por el sensor, lo que se traduce en un gasto mayor y equipos más grandes.

(35)

34

2.3 Interfaz de Comunicación

Para la comunicación del hardware y del software es necesario que exista un medio de comunicación ya sea alámbrico o inalámbrico. En este aspecto tanto AHR como Vigilant Video usan conexiones alámbricas, esta característica tiene la gran desventaja de que no permite movilidad de las unidades encargadas de gestionar el sistema.

Las cámaras IP son dispositivos autónomos que cuentan con un servidor web de video incorporado, lo que les permite transmitir su imagen a través de redes IP como redes LAN, WAN e INTERNET. Las cámaras IP permiten al usuario tener la cámara en una localización y ver el vídeo en tiempo real desde otro lugar a través de Internet. Las cámaras IP tienen incorporado un ordenador, pequeño y especializado en ejecutar aplicaciones de red. Por lo tanto, la cámara IP no necesita estar conectada a un PC para funcionar.

Las imágenes se pueden visualizar utilizando un navegador Web estándar y pueden almacenarse en cualquier disco duro. Tanto si necesita una solución de vigilancia IP para garantizar la seguridad de personas y lugares, como para supervisar propiedades e instalaciones de modo remoto o retransmitir eventos en la Web con imágenes y sonidos reales, las cámaras IP satisfacen sus necesidades. Este tipo de cámaras incorporan todas las funciones de una cámara de vídeo y añaden más beneficios. Las cámaras IP comprimen la imagen digital en una imagen que contiene menos datos para permitir una transferencia más eficiente a través de la Red.

[4],[13]

(36)

35

MARCO TEÓRICO

Capítulo 3

3.1 C#

C# es un lenguaje de programación de propósito general orientado a objetos, creado por Microsoft para la plataforma de programación .Net.

Ha sido diseñado para trabajar sobre las plataformas de Windows XP, Windows Vista y Windows 7. Se basa en un ambiente gráfico de programación a través del cual, los usuarios pueden generar programas para Consola o bien para Windows Forms.

La principal ventaja de su entorno gráfico, es que facilita las tareas de los programadores, permitiendo que objeto y código interactúen para crear aplicaciones diversas; Visual Studio 10 (cuyo logo podemos observar en la Figura 3-1), es la plataforma visual sobre la que trabaja C# en conjunto con Visual Basic, una ventaja de dicha plataforma es que algunas de sus características son compatibles con versiones de plataformas .NET anteriores, además de que es posible manipular y ejecutar programas diseñados en plataformas anteriores.

El código base y sintaxis de C# son los utilizados por el lenguaje de programación C++, debido a que el núcleo de C# está programado en el lenguaje antes mencionado.

Otra ventaja de C# es que permite la implementación de librerías generadas por los usuarios en el código.

(37)

36

3.2 Reconocimiento de Caracteres.

El reconocimiento de texto ubicado en imágenes ha representado siempre un reto a los programadores. Este reconocimiento, generalmente conocido como OCR6_{es un proceso} que consta de varias etapas como son, la detección del área de imagen en la que se ubica el texto, su extracción y por último la manipulación del mismo.

Las etapas básicas del proceso OCR son:

1. Pre-procesamiento: Consiste en la eliminación del ruido presente en la imagen, esto es posible gracias a la binarización de la misma.

2. Análisis estructural: Se realiza la segmentación de la imagen original en columnas, líneas y caracteres, además de la identificación de imágenes correspondiente a fotos, figuras y texto por separado.

3. Clasificación: Se clasifican las imágenes segmentadas o bien los caracteres obtenidos de la segmentación para comenzar a manipular solo aquellos que nos son útiles.

4. Post-procesamiento: En esta etapa se llevan a cabo las acciones determinadas por programador, sobre las imágenes ya procesadas en OCR.

Dependiendo del problema a tratar o bien de la lógica de programación a seguir, es posible modificar u omitir alguno de los pasos del proceso enumerado anteriormente, también se puede llevar a cabo la rectificación de datos por medio de diccionarios especializados en caracteres extraídos de imágenes.

[5],[7]

(38)

37

En la etapa de pre-procesamiento, es indispensable el uso de filtros de imagen que nos permitan quitar ruido e interferencias de la misma, en la Figura 3-2, se muestra un ejemplo de filtrado de imagen. Entre los filtros más utilizados en el lenguaje de programación C# se enumeran los siguientes:

• Threshold(Umbral).

• Grayscale(Escala de grises). • Erosion (Erosión).

• Edge Detection(Detección de Bordes). • Resize(Modificación de dimensiones). • Nearest Neighbor, Bilinear y Bicubic (Vecino más próximo, bilinear y bicúbico).

• Rotate(Rotación). • Invert(Invertir).

Figura 3-2 Imágenes antes y después de un filtro de binarización [1]

El uso de cada uno de ellos depende de la calidad de filtrado requerida además del procesamiento posterior a desarrollar, debido a los problemas de compatibilidad que suelen surgir entre instrucciones del lenguaje.

Otra función del pre-procesamiento, es la detección de la inclinación del texto en la imagen a procesar.

En el análisis estructural se determinan las regiones que pueden tener significado para el clasificador, asimismo se guardan de forma estructurada para su futura reconstrucción.

(39)

38

Durante el reconocimiento de la imagen, el analizador tiene dos tareas principales:

1. Clasificar las regiones de texto en caracteres, palabras y líneas de texto. 2. Localizar las imágenes descartando las áreas no útiles.

La detección de los grupos de pixeles binarizados en el pre-procesamiento, es el primer acercamiento a los posibles caracteres del texto. La principal diferencia entre las regiones que corresponden a texto y a imágenes radica en que el texto por lo general se presenta en agrupaciones alineadas con cierta regularidad en cuanto a tamaño y disposición.

El proceso de clasificación determina, dada la imagen de un caracter, la clase de caracter a la que pertenece, es decir, si son números, letras, signos de puntuación o bien imágenes sin texto.

La clasificación del caracter es una tarea muy difícil a menos de que se intenten extraer solo ciertas características de la imagen y luego trabajar con ellas. Para este proceso existen dos etapas:

 Extracción de las características del texto (creación de un vector de características).

 Clasificación del vector en una de las clases posibles.

Los vectores de características se conforman aritméticamente como un vector numérico:

………..Ecuación 3-1

Donde n es el orden del vector y cada elemento Ci es el valor asociado a una característica del elemento a clasificar, como puede ser la altura de la letra, densidad de pixeles dentro de la imagen o la cantidad de espacios en blanco. [1] Diversos son los métodos utilizados en la extracción de características en imágenes. Estos métodos van desde los más simples como la matriz de puntos de la imagen, la evaluación de perfiles horizontales y verticales, hasta complejas evaluaciones como el estudio de momentos de

(40)

39

Cada una de estas formas de extraer características poseen ventajas y limitaciones, por ejemplo, los perfiles de proyección son calculados eficientemente pero no generan la variabilidad necesaria para obtener un alto grado de precisión; mientras que los momentos de Lagrange ofrecen una increíble variabilidad, pero son costosos de calcular. Por lo tanto la elección del método a programar dependerá por completo del diseñador del software[5] .

El contenido y complejidad de la etapa de Post-procesamiento depende exclusivamente del uso que se le dará a los caracteres obtenidos por medio de OCR.

3.3 Reconocimiento de Placas

El primer paso en el proceso de reconocimiento de placa, es la detección del área de la placa. Para resolver este problema se emplean algoritmos que son capaces de detectar el área de imágenes. Los humanos definimos el número de placa en un lenguaje natural, como una pequeña placa de metal o plástico colocada en un vehículo con propósito de reconocimiento oficial, sin embargo, las máquinas no comprenden esta definición. Es por ello que surge la necesidad de encontrar una forma de definirle a las computadoras a través de métodos matemáticos qué es una placa.

Si definimos la placa de un automóvil como una superficie de bordes horizontales y verticales con forma rectangular en cuyo interior se ubican números específicos, y a esta definición le agregamos una función matemática f (x, y), donde x y y, son las coordenadas espaciales y f es la intensidad de la luz en un punto determinado, al discretizar la función será más fácil que la computadora comprenda lo que es una placa de automóvil.

(41)

40

3.3.1Detección de Bordes y Filtrado.

Se puede emplear la convolución periódica de la función f empleando matrices específicas m, para detectar diferentes tipos de bordes en las imágenes a procesar.

[ ]………..Ecuación 3-2

∑

∑ [ ]………..……Ecuación 3-3

Donde w y h son las dimensiones de la imagen representada en la función f(x,y); la expresión m[x, y] representa los elementos en la x columna y y fila de la matriz m.

Cada operación en una imagen (o filtro) se define como una convolución de matrices. La convolución de matrices nos dice como un pixel es afectado por el pixel más cercano a él, en la matriz de pixeles (Figura 3-3).

Las celdas en la matriz representan a los vecinos relacionados al pixel que se ubica en el centro de la matriz. Este pixel representa la coordenada de la imagen que es afectada por los pixeles x0…x8 de acuerdo a la fórmula:

Ecuación 3-4

Figura 3-3Convolución de matrices de pixeles[7].

(42)

41

Para detectar los bordes verticales y horizontales, se convoluciona la imagen original con las matrices mhe y mve.

mhe =

………

Matriz de convolución mhe

mve =

…………. Matriz de convolución mve

La convolución de matrices matemáticamente, es mucho más pequeña que la matriz de la imagen original.

3.3.2 Filtrado Horizontal y Vertical de Placas

Los filtros de orientación vertical y horizontal son usados para detectar los bordes de las placas basándose en el brillo de la imagen y en la densidad de pixeles de la misma (Figura 3-4). El ancho del borde horizontal expresado en la matriz, es mayor que el tamaño del vector que representa la altura de la placa en la matriz (w>>h), y ocurre el fenómeno inverso para el borde vertical de la placa (w<<h).

Para conservar la intensidad global de la imagen, es necesario que cada pixel sea reemplazado con un pixel cuya intensidad sea próxima a la del pixel original. En general la convolución de la matriz debe cumplir la siguiente condición:

∑

∑ [ [ ] ………...Ecuación 3-5

Figura 3-4 Ejemplos de filtrado de Imágenes [12]

(43)

42

3.4 Transformación Basada en el Histograma

El histograma es una de las herramientas más útiles en el tratamiento de imágenes. El histograma de una imagen es un diagrama a barras de la imagen, cuyas absisas son los niveles de gris de la imagen y las ordenadas son el número de pixeles de la imagen en cada nivel de gris. Como las escalas de grises en la imagen pueden llegar a tener valores muy elevados, se normaliza la graficación del histograma entre 0 y 1, además se emplea la frecuencia relativa que se obtiene dividiendo el número de pixeles de un nivel entre el número total de pixeles de la imagen, NxN.

Una imagen específica, dará lugar a un solo histograma; sin embargo un histograma puede coincidir entre diferentes imágenes.

El histograma nos proporciona información sobre la imagen digital que se reduce a la distribución en frecuencia de los diferentes niveles de gris; perdiéndose toda la información espacial de la imagen: a partir del histograma conoceremos la distribución de los niveles de gris, pero no así sus correspondientes coordenadas.

La ventaja más importante del histograma es que reduce la carga computacional de la información existente en una imagen digital ya que se pasa de una función bidimensional f(x,y) a una función unidimensional H(p).

Siguiendo el convenio habitual, la escala de grises se establece de forma que los valores bajos de p corresponden a los niveles de intensidad luminosa oscuros y los valores altos de p corresponden a los niveles claros.

El realce o mejora de la calidad de una imagen utilizando el histograma, consiste en modificar el histograma de la imagen original para que mejorando la calidad de las escalas del histograma, se obtenga por ingeniería inversa una imagen con mayor definición.

Los dos datos más importantes que arroja el histograma, acerca de una imagen son: el rango dinámico de la imagen y su grado de contraste.

(44)

43

El rango dinámico de una imagen es el rango de todos los posibles niveles de gris que se encuentran presentes en la imagen. Una imagen digital con un rango dinámico reducido presenta una calidad muy pobre con un alto nivel de ruido.

El contraste de una imagen es la existencia de cambios abruptos de la frecuencia relativa del número de píxeles para diferentes niveles de gris.

En visión artificial es importante que las imágenes a reconocer presenten un contraste alto ya que esto proporcionará un proceso de segmentación más eficiente.

Todas las transformaciones del histograma realizadas por el programador ya sea para otorgar una mejor calidad a la imagen a través del aumento de contraste o su rango dinámico, se basan en la manipulación del mismo a través de una función de transferencia entre los niveles de gris de la imagen original y los niveles de gris de la imagen transformada.

Para aumentar el contraste de los niveles de gris bajos de una imagen, es necesario elevar al cuadrado la matriz de la imagen, obteniendo así la imagen al cuadrado; sin embargo este efecto empeora los contrastes de nivel alto.

Si en cambio se aplica a la imagen una función de raíz cuadrada, o bien una función de raíz cúbica, se obtendrá una mayor calidad en los niveles de gris altos.

3.4.1 Segmentación de Imágenes

La segmentación es la etapa crucial en cualquier sistema de visión artificial, por las dificultades de su programación y por la importancia de sus resultados.

Segmentar una imagen digital, significa dividirla en zonas disjuntas e individualizadas y equivale a su reconocimiento debido a que con la segmentación de la imagen será más fácil identificar los objetos que la componen.

(45)

44

Una vez segmentada una imagen se puede formar una lista de objetos con solo agrupar los pixeles que posean la misma etiqueta y que al mismo tiempo estén conectados espacialmente.

A partir de la lista de regiones, el siguiente paso es su clasificación o reconocimiento automático.

Algunas de las técnicas de segmentación más efectivas en la actualidad son:

1. Umbralización basada en el histograma. 2. Agrupación (clustering) de píxeles.

3. Determinación del contorno de los objetos.

Para el diseño del presente sistema, se utilizó la umbralización basada en el histograma; esta técnica es de tipo heurística, su objetivo es localizar niveles de intensidad luminosa que umbralicen adecuadamente el histograma de una imagen. Los píxeles se agrupan en lóbulos dentro del histograma; cada lóbulo se forma con los niveles de intensidad de los píxeles de objetos físicos equivalentes, es decir que tiene similitud en cuando a clase o patrón.

Como dos lóbulos consecutivos definen un valle de separación entre ellos, el nivel de intensidad más bajo del valle, en principio, puede aplicarse como un umbral de separación de adyacencias.

Cuando se genera el histograma de una figura, es posible que en el histograma se muestren falsos objetos, es necesario realizar un estudio previo al desarrollo del sistema, para saber cuál es la posible distribución de luminosidad de los objetos a reconocer, lo cual limita el alcance y la robustez del sistema ante las condiciones dinámicas de las imágenes a segmentar.

Para evitar estos problemas se recurre a disminuir el ruido en las imágenes que serán procesadas por medio de la técnica del histograma, aumentando el contraste de la imagen a reconocer aplicando diversos filtros, como son la conversión de la imagen a negativo, a escala de grises, y binarización de la imagen; a fin de que el contraste entre colores se realice entre menos tonalidades.

(46)

45

El problema práctico al momento de aplicar este tipo de segmentación consiste en que a la hora de segmentar una imagen, con este método se deben calcular las medias y desviaciones típicas de cada lóbulo. La principal dificultad consiste en delimitar el rango de los lóbulos, es decir la amplitud de las campanas de Gauss que estadísticamente representan los lóbulos.

Para evitar los problemas de la umbralización global, un método interesante de aplicar es el manipular a cada píxel de manera individual, como si fuera una pequeña imagen independiente, para que al momento de aplicarle la umbralización, el ruido y defectos de cálculo sean mínimos comparados con los que se podrían obtener si la imagen no fuera delimitada en cuanto a variaciones de color, y dimensiones.

3.5 Base de Datos

Una base de datos es un conjunto de información estructurada en registros y almacenada en un soporte electrónico legible desde un ordenador.

Cada registro es una unidad autónoma de información la cual puede estar estructurada en diferentes campos o tipos de datos que se recogen en dicha base de datos.

Por ejemplo, dentro del sistema de control escolar de una escuela, un registro será la ficha que contenga toda la información de cada alumno. En este caso, el registro puede recoger datos tales como: nombre, apellido, edad, sexo, carrera, etc.; cada uno de los cuales constituirán un registro.

En el contexto anterior se manejaron dos términos que muchas veces pueden llegar a ser confundidos, esencialmente nos referimos a los conceptos de datos e información.

Los datos son un conjunto de propiedades que caracterizan a la realidad que deseamos estudiar. Por otro lado denominamos información al conjunto de valores que toman estas propiedades que pueden representar un determinado fenómeno.

(47)

46

Un sistema de administración de base de datos o mejor conocido como un DBMS (Data Base Manager System, por sus siglas en inglés), es un conjunto de programas que maneja la estructura de la base de datos y controla el acceso a los datos guardados en éstas.

El DBMS permite compartir datos de la base de datos entre múltiples aplicaciones y usuarios. Todo lo anterior se ilustra de mejor forma en la Figura 3-5.

Esta imagen ilustra la relación que el DBMS mantiene entre la base de datos y los usuarios finales. Incluso, el DBMS actúa como un intermediario entre el usuario y la base de datos, ya que transforma las solicitudes del usuario en código complejo necesario para atender a sus solicitudes.

Figura 3-5 El DBMS maneja la interacción entre el usuario y la base de datos [8]