| | |

Nivel de confianza LPR: Una mirada más atenta

No se trata sólo de leer las matrículas, sino de saber si hemos acertado.

Gracias a los avances tecnológicos, Reconocimiento de matrículas (LPR) es de casi 100%. Sin embargo, siempre habrá matrículas (LP) que no puedan reconocerse correctamente. Daños, sombras inesperadas, objetos que interfieren o ajustes deficientes pueden dar lugar a lecturas inexactas.

Un hardware más potente, un firmware más inteligente y mejores ajustes siempre aumentan las posibilidades de obtener buenas lecturas, pero no es suficiente: en las operaciones del mundo real, el coste de un error puede ser demasiado alto. Para que la LPR sea una opción realista y rentable, los operadores necesitan una forma de diferenciar los casos en los que el sistema confía en sus resultados de los dudosos. 

Pero... 

¿Cómo puede un sistema LPR determinar cualquier nivel de certeza sin intervención humana? 

Conoce el "Nivel de confianza LPR"

Los ingeniosos programadores de los viejos tiempos de la LPR tuvieron que diseñar una métrica que transmitiera el nivel de certeza en su rendimiento. Era necesario calcular esta métrica automáticamente y vinculado a cada lectura para que los operadores puedan utilizarla como criterio para determinar su curso de acción en cualquier escenario dado (procesamiento automático en caso de alta certeza y procesamiento manual en caso contrario, por ejemplo).

Para este complejo algoritmo, los programadores tuvieron que integrar todos indicadores de posibles dificultades de lecturagrabados a lo largo del LP, como: 

  • Tamaño, calidad y resolución de la imagen capturada, 
  • Condiciones de iluminación, 
  • Complejidad del diseño de la placa, 
  • Contraste de imagen,
  • Velocidad de paso de los vehículos,
  • Nivel de precisión del algoritmo LPR nativo (por supuesto)

Lo llamaron Nivel de Confianza, que puede definirse como "el nivel de certeza que el sistema tiene sobre la lectura de una matrícula determinada con precisión“. 

El nivel de confianza LPR es un probabilístico valor que significa "lo seguro que es el sistema" que su lectura es exacta, siendo 0% equivalente a "no seguro" y 100% que significa "totalmente seguro". 

Ejemplo de nivel de confianza LPR bajo

No confundamos Confianza con Precisión: Un nivel de confianza alto no garantiza que el sistema haya identificado correctamente el PL; sólo indica una alta probabilidad de identificación correcta.

Una medida delicada que podría cambiar las cosas

La calidad del nivel de confianza LPR es especialmente estratégico: De nada sirve un sistema LPR que lee las matrículas casi a la perfección si las matrículas mal leídas (y siempre las habrá) no se pueden identificar en la masa de transacciones.

El Nivel de Confianza es un método creado por programadores y puede variar entre fabricantes, por lo que es posible hablar de un método "mejor o peor que otros".

Un Nivel de Confianza mal calculado dará demasiados falsos positivos o negativos y llevará al operador a tomar decisiones equivocadas (y costosas). 

LPR Nivel de confianza Falsos positivos y falsos negativos

Falso positivo: Lectura errónea del LP con un Nivel de Confianza Alto, lo que se traduce en usuarios mal identificados (y pérdida de ingresos o quejas y litigios de los clientes).

Falso negativo: Placas bien leídas con un Nivel de Confianza Bajo, lo que provoca un número excesivo de comprobaciones manuales innecesarias (y costes operativos adicionales).

Utilizando herramientas especializadas (como Herramienta de validación del rendimiento de Survision GUARD), es posible evaluar El nivel de confianza calidad y establece umbrales adecuados para cada proyecto; esto se consigue simulación de escenarios y analizar el número de falsos positivos y negativos con un determinado nivel de confianza. 

El papel de la IA

La Inteligencia Artificial significa una monumental avance para LPR en todos los aspectos. Los modelos de IA entrenados encarnan la fusión ideal de análisis humano, grandes cantidades de datos, capacidades de supercomputación de vanguardia y un enfoque de programación novedoso (¡justo lo que necesitaba LPR!).

Gracias a la integración del análisis humano en extensas colecciones de matrículas, los modelos de IA tienen en cuenta un número significativamente mayor de variables con mayor eficacia. Esto se traduce en un aumento sustancial, no sólo de la precisión, sino también de la incorporación de estas variables a cálculos más intrincados y valiosos, como el nivel de confianza.

¿Cómo puede ayudarle un Nivel de Confianza de alta calidad como gestor de LPR?

Un Nivel de Confianza de alta calidad ayuda a los operadores tomar mejores decisiones sobre cuándo aprobar o descartar una lectura; utilizado correctamente, puede dar lugar a importantes reducciones de los costes operativos.

Algunos operadores aceptarán tener más procesamiento manual a cambio de no tener falsos positivos y fijarán un umbral bastante alto en el Nivel de Confianza. Otros aceptarán unos pocos falsos positivos a cambio de una fuerte reducción del tratamiento manual y, por tanto, de los costes de explotación, y fijarán un umbral más bajo.

Consciente del gran potencial que LPR representa para la industria, SURVISION ha invertido mucho en proporcionar un Nivel de Confianza de alta calidad.

 

Cámaras LPR En profundidad

Diferentes tipos de cámaras LPR con capacidades específicas para múltiples escenarios con diferentes requisitos, como aparcamiento sin ticket, peaje, control de acceso, vigilancia de calles y ciudades inteligentes

¿Qué los hace ¿Avanzado?

Gracias al hardware y firmware Ad-Hoc, las cámaras LPR están específicamente diseñadas para localizar, leer y digitalizar matrículas en condiciones complejas en las que otros equipos fallan

Separador
Póngase en contacto con Survision si tiene preguntas sobre las cámaras LPR

¿Tiene alguna pregunta?

Llámenos, podemos ayudarle. Ninguna pregunta es demasiado importante. Nos encanta hablar incluso de los detalles más pequeños cuando se trata de LPR. LPR. Tenemos respuestas para usted. Nuestro equipo de expertos es una gran fuente de información, a una llamada de distancia.