Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Security
Security
Diseo de un
Resumen
Como resultado de la ejecucin de este proyecto, se desarroll un sistema de registro de eventos asociados al ingreso y salida de personal y automotores en un campus universitario, fundamentndose en procesos cooperativos de identificacin mediante huellas dactilares y reconocimiento de matrculas vehiculares. Para los eventos de control de acceso a las instalaciones de la universidad, se dise un sistema que, mediante lectura, procesamiento e identificacin de huellas dactilares asociados a una base de datos, verificara que la persona se encontraba o no vinculada con la institucin. En cuanto al parque automotor, se asocia la huella dactilar del conductor del vehculo con su matrcula, impidiendo la salida de cualquier otro individuo con dicho automvil o viceversa, realizndose de manera rpida y automtica la lectura de la matrcula mediante procesamiento digital de imgenes. Palabras clave Biometra, segmentacin, OCR, redes neuronales, procesamiento de imagen.
a system that, through reading, processing and fingerprint identification associated with a database, check whether the person is or is not linked to the institution. As the vehicle fleet is associated with the fingerprint of the driver to the registration of this, preventing the output of any other individual with the car or vice versa, occur quickly and automatically reading the registry through the digital processing of images..
Ingeniero en Electrnica de la Universidad del Valle, Santiago de Cali (Valle del Cauca - Colombia), en el ao 2003. Realiz estudios de maestra en Ingeniera nfasis Electrnica durante un semestre en el primer perodo de 2004. Especialista en Radiocomunicaciones de la Universidad del Quindo en el 2008. A partir del primer perodo de 2006, vinculado como docente de carrera tiempo completo en la Universidad del Quindo en el rea de Arquitectura de Procesadores. Actualmente hace parte del Grupo de Procesamiento de Seales y procesadores GDSPROC en la Universidad del Quindo. Actualmente adelanta estudios de Doctorado en Ingeniera en la Universidad del Valle. Miembro activo de la IEEE desde 2006 y Consejero de la Rama Estudiantil de la Universidad del Quindo. Email: ingevera@ieee.org. Nacido el 1 de julio de 1984 en Manizales Caldas. Egresado como bachiller del Colegio Comfenalco Quindo, Tecnlogo en electrnica de la universidad del Quindo, y aspirante al ttulo de Ingeniero Electrnico en la misma universidad. Email: Danesteb_0107@hotmail.com.
**
Abstract
As a result of the implementation of this project was developed a system for recording events associated to the entry and exit of personnel and vehicles in a college campus, building on collaborative processes of identification by fingerprints and vehicle license plate recognition. For control events access to university facilities, we designed
60
*** Nacido el 5 de octubre de 1983 en Quimbaya-Quindo, Bachiller egresado del colegio Instituto Quimbaya Diurno de la ciudad de Quimbaya, Tecnlogo en electrnica de la universidad del Quindo, y aspirante al ttulo de Ingeniero Electrnico en la misma universidad. Email: wandresrh@hotmail.com **** Nacido el 19 de octubre de 1985 en Armenia-Quindo, Bachiller egresado del colegio Instituto Tcnico Industrial de la ciudad de Armenia, Tecnlogo en electrnica de la universidad del Quindo, y aspirante al ttulo de Ingeniero Electrnico en la misma universidad. Email: jjohan_07@hotmail.com
Diseo de un sistema de seguridad basado en procesamiento de imgenes para el acceso vehicular a un campus p. 60-68
Investigacin
I. Introduccin
En la actualidad las tcnicas de procesamiento de imgenes han adquirido gran importancia en los sistemas de seguridad, monitoreo y reconocimiento de patrones, evidencindose su campo de accin en el control de acceso personal y vehicular a entidades y establecimientos en general. Existen desarrollos de procesamiento de imgenes en diversas reas y sectores; sin embargo, la mayora tiene como objetivo comn extraer informacin concreta de una imagen, sea para seguridad, control, seguimiento, identificacin, registro o monitoreo, entre otras. A diferencia de otras tecnologas, el uso de las imgenes proporciona comprobacin visual, por lo cual la preferencia por este tipo de sistemas se ha incrementado en los ltimos aos. En distintas universidades se han realizado proyectos en diferentes modalidades, que se enfocan en la descripcin e implementacin de algoritmos de compresin de imgenes de huellas dactilares [1] y reconocimiento de matrculas de automviles [2]. Nuestra propuesta integra dos ramas tecnolgicas: el procesamiento de imgenes y la biometra vinculados a un sistema de informacin, lo que permite consolidar un sistema de seguridad confiable, robusto y moderno, con el propsito de innovar en los campos de control y registro de acceso a un recinto o campus. Con un sistema de este tipo, se refuerzan los mecanismos de seguridad vehicular y se reducen la probabilidad de actos terroristas al facilitarse la identificacin de usuarios y, por ende, los procesos de investigacin.
61
En la ejecucin del trabajo se investigan y desarrollan herramientas para extraer la inscripcin de la placa en los vehculos, a travs de su imagen frontal-lateral. Para esto se implementan tcnicas de identificacin en huellas dactilares, a partir de imgenes adquiridas desde un sensor biomtrico, que tiene como base estndares definidos (FBI) [3]. A partir de esto, se asocian los registros obtenidos a un sistema de informacin fundado en bases de datos. En el presente artculo se describen: la creacin de la base de datos del sistema, la identificacin de la huella dactilar, el reconocimiento de la matricula vehicular y los resultados obtenidos al realizar las pruebas del sistema.
Pre-procesamiento de la imagen
Segmentacin
En la creacin de la base deError al adquirir la generan 4 tablas: datos, se Adquirir 1. Tabla de datos: esta tabla contiene la informacin personal del individuo y el descriptor de la huella No Calidad digital. Acepteble?
Sistema de Deteccin de placas Vehiculares Si 2. Tabla de sesin: almacena los tiempos en que el Subir a Memoria Conectar Con personal ingresa o sale de la universidad y el estado todas las La Tabla Plantillas Datos de la sesin. Verifica 3. Tabla de vehculo: al igual que la tabla de sesin, esta Coincidencia Con Alguna de la tabla contiene campos de tiempo de entrada y salida de la universidad, sumado un Datos Guardar nuevo campo que contiene los Coinciden No de la Personales del vehculo. caracteres placa del Nuevo Usuario Si 4. Tabla de anomalas: en esta se almacenan todas las anomalas de seguridad que surjan y el tiempo en que Enlazar a La Verificar Estado Tabla de la sesin se generaron. Sesion_Vehiculo Para el Usuario en la tabla Datos Imagen Dactilar huella, Intente de nuevo
Asociar Matricula Con Usuario Verificar la matricula Si adquirida con la almacenada en la tabla Sesion_vehiculo.
No
Coinciden Si
No
62
Asociacin entre placa y huella. Sesin vehculo Adquisicin de la imagen de la Placa Reconocimiento ptico Motor de base de Diseo de un sistema de seguridad basado en procesamiento de imgenes para el acceso vehicular a un campus p. 60-68 de caracteres datos MySQL
Investigacin
Pre-procesamiento
Segmentacin
inicio
No
Calidad Acepteble? Si Subir a Memoria todas las Plantillas Conectar Con La Tabla Datos
No
Verifica Coincidencia Con Alguna de la tabla Guardar Datos Personales del Nuevo Usuario en la tabla Datos
No
Asociar Matricula Con Usuario Verificar la matricula Si adquirida con la almacenada en la tabla Sesion_vehiculo.
Coinciden Si
No
En la Figura 3 se muestra la interfaz de usuario para el ingreso y salida de peatones (usuarios sin vehculo); en este caso, solo se realizan operaciones de verificacin, guardado, bsqueda, inicio y fin de sesin.
Posteriormente, se realizan las operaciones morfolgicas con un elemento estructurante rectangular que define los contornos de los caracteres [7] (ver Figura 5), para aplicar otro filtrado morfolgico que permita definir las regiones en que se han resaltado los objetos del primer filtrado [8].
Figura 5. Izquierda: filtro Bottom-hat 1. Derecha: filtro Bottom-hat 2
63
A. SEGMENTACIN, LOCALIZACIN Y RECORTE DE LA PLACA El resultado del pre-procesamiento es una imagen en escala de grises, caracterizada por varias regiones resaltadas en las que se encuentra la matricula; despus de esto, se debe realizar un umbralizado, teniendo como efecto la imagen binarizada que se muestra en la Figura 6. Para eliminar el ruido, se hace primero una operacin de closing, utilizando un elemento estructurante horizonta, que se ha encontrado con base en la separacin que existe entre los caracteres de la placa; seguido a esto, se realiza un opening con un elemento vertical, fundamentndose en la altura de los caracteres, y se efectan dilataciones verticales y horizontales para expandir la zona de la matrcula [8][14]. Al continuar, se somete la imagen a un proceso de etiquetado de regiones en que se eliminan las zonas indeseadas [9]. A pesar de que la eliminacin de ruido suprime gran cantidad de regiones que resultan de los filtros morfolgicos, en ocasiones se siguen presentando en la imagen objetos adicionales a la matrcula; esto se debe a la composicin fsica del automvil, por lo que el sistema toma la decisin de discriminar los objetos que estn posicionados a una altura mayor con respecto a la menor, dejando as estadsticamente la regin que comprende la placa. Para finalizar con el proceso de localizacin, se realiza el corte del fragmento de imagen que contiene la matrcula.
Figura 6. a) Imagen filtrada por un openenig posterior a un closing b) Imagen umbralizada c) Regin segmentada despus de eliminar ruido d) Regin de la matrcula recortada
que pueden influir en la extraccin de los caracteres, se binariza la imagen obtenida y, por ltimo, se excluyen los posibles fragmentos que se presenten. En esta fase, se aplican filtros morfolgicos que desintegran las regiones como barras, debido a los marcos que puedan contener ciertas matrculas; y, al finalizar, se discriminan las regiones con reas menores a 10 pixeles, logrando una imagen sin ruido de los caracteres [9]. En el diagrama de flujo de la Figura 7, se denotan las operaciones de manera detallada en el proceso de extraccin y limpieza de ruido de la matrcula; se realizan entonces operaciones morfolgicas, tcnicas de umbralizacin y etiquetado.
Figura 7. Diagrama de flujo para la extraccin de la placa
inicio
Aumento en contraste
(filtro de convolucion)
umbralizado
Filtrado morfolgico
(Closing + opening+ dilatacion)
Si
Extraccin de la placa
A la imagen de la Figura 6 d) se le realiza un nuevo filtrado, resaltando los caracteres de la matrcula; de esta manera, se eliminan en el fondo los detalles innecesarios
64
Diseo de un sistema de seguridad basado en procesamiento de imgenes para el acceso vehicular a un campus p. 60-68
Investigacin
B.
Ya segmentada y binarizada la imagen del vehculo, es pertinente etiquetar cada una de las regiones de tal forma que vare la intensidad de gris (ver Figura 8); por lo tanto, es preciso aclarar que no siempre las regiones quedan etiquetadas en orden (ver Figura 9).
Figura 8. Regiones etiquetadas
Es de advertir que en Colombia existe gran diversidad en la industria automotriz, debido a las diferentes marcas y modelos de los vehculos, lo que ha influido en el reconocimiento de los caracteres al variar la longitud y altura segn el modelo; esto incide en que la placa no se encuentre a la misma distancia de la cmara, dando como resultado imgenes de caracteres de diferentes tamaos (ver Figura 11), que no se asemejan a los patrones anteriormente establecidos. Por lo tanto, para corregir este inconveniente es adecuado normalizar las imgenes, llevndolas a un tamao predeterminado (Figura 12) y evitando variaciones en las dimensiones de los caracteres.
Figura 12. Regiones segmentadas y normalizada
Al tener etiquetada cada regin, es posible identificar los enlaces entre los diferentes pixeles y eliminar los fragmentos indeseados de la imagen (Figura 10), de tal forma que se facilite la extraccin exacta de cada uno de los caracteres [9]. (Ver Figura 11)
Figura 10. Imagen de la placa etiquetada, con regiones sobrantes
Al obtener la extraccin de los caracteres en el orden correspondiente, se procede a realizar la identificacin a travs de dos redes neuronales que han sido entrenadas en plataforma Matlab, con un perceptrn multicapa, que utiliza el algoritmo backpropagation [10]. La red que identifica las letras consta de tres capas y asimismo la red que asemeja los nmeros [11]. Para lograr un adecuado entrenamiento, es necesario almacenar una cantidad considerable de patrones que cumplan con las caractersticas que entrega la imagen despus de ser segmentada; es de aclarar que los caracteres que se extraen de la imagen segmentada no siempre presentan las mismas caractersticas (ver Figura 13), debido a los elementos ajenos en la matrcula, como los tornillos, las calcomanas, etc. Adicional a esto, se deben dividir los patrones en tres bloques -de entrenamiento, de validacin y de test- para obtener el porcentaje de acierto de cada uno de ellos.
Figura 13. Caracteres con diversas caracterstica
Figura 11.
65
Una vez entrenada la red, se procede a extraer los pesos de cada uno de las capas y a implementar la ecuacin (3) en lenguaje de programacin java. y1 = f ( IW * p + b1 ) y2 = f ( LW * y1 + b2 ) y3 = f ( LW * y2 + b3 ) Donde P contiene las caractersticas de la imagen de cada carcter, IW contiene una matriz de pesos de entrada y LW contiene las matrices de pesos de la capa oculta y de salida [10].
En esta etapa, se introdujeron en el sistema 450 huellas dactilares a travs del lector de huella digital [12], para realizar el proceso de identificacin de identidad. Se obtuvieron los siguientes resultados. En este procedimiento, el usuario se somete a la identificacin en un solo intento y se calculan los porcentajes de error.
Tabla 1. Evaluacin del sistema con las redes neuronales
Etapa de localizacin: Placas reconocidas 439 % de efectividad 97.78 Placas no reconocidas 10 % de error 2.22 432 % de efectividad 98.45 Etapa de OCR: Placas reconocidas Placas no reconocidas 7 % de error 1.55
66
Diseo de un sistema de seguridad basado en procesamiento de imgenes para el acceso vehicular a un campus p. 60-68
Investigacin
Para esta parte, el usuario se somete a un nuevo intento de identificacin solo en el caso de no ser adquirida correctamente la huella (se intenta de nuevo si la huella no es reconocida).
Tabla 3 Etapa de identificacin con ms de un intento
Nmero de huellas 450 Aceptadas 447 Aceptacin falsa 0 Huellas no reconocidas 3
VII.
Conclusiones
Una de las principales ventajas del sistema diseado, en comparacin con sistemas similares, radica en la facilidad de su implementacin e instalacin; no requiere de un hardware excesivamente costoso para ello; lo nico necesario para su uso es el archivo ejecutable del programa, el lector de huella digital, la cmara USB con buena resolucin y un computador para el procesamiento de informacin. Los procesos de segmentacin y localizacin se han realizado con operaciones morfolgicas, ya que son ptimas para el procesamiento de este tipo de imgenes, debido a la versatilidad del elemento estructurante; esto permite una solucin particular para cada necesidad. Al obtener la imagen segmentada y binarizada, se evaluaron e implementaron los diferentes mtodos de reconocimiento ptico de caracteres, para los que se evidencia un elevado grado de acierto con el uso de redes neuronales artificiales. Con el mismo propsito, el mtodo de correlacin implica un tiempo de cmputo un poco ms elevado en lnea, pero con un porcentaje de acierto similar al conseguido con las redes neuronales. Adicional a lo anterior, la eficiencia de la etapa de OCR es directamente proporcional al estado en que se encuentra la matrcula del vehculo, ya que muchas de estas poseen objetos ajenos a las caractersticas de la placa; sin embargo, es importante resaltar que el grado de inclinacin de la cmara tambin afecta la eficiencia del sistema. Es importante resaltar que la asociacin de caractersticas biomtricas, que permitan la identificacin de personal, con caractersticas que soporten lo propio para el vehculo conducido, hacen de la herramienta desarrollada un sistema ideal para la deteccin de anormalidades relativas al control de acceso y a la seguridad en espacios cerrados, en general con zona de parqueo, puesto que finalmente se est caracterizando el sistema hombre-vehculo. Por tanto, en la medida que estos rasgos cambian, resulta importante el soporte de reconfigurabilidad basado en entrenamientos peridicos del sistema de reconocimiento.
67
Referencias Bibliogrficas
[1] M. D. Gaubatz, and S.S. Hemami. Ordering for embedded coding of wavelet image data based on arbitrary scalar quantization schemes. Image Processing, IEEE Transactions on Image Processing. 2007, pp 982 996 Vol.16 P. Betancour, I. Antonio. Sistema de reconocimiento de matrculas basado en visin artificial para control de acceso. Proyecto Fin de Mster, Escuela Tcnica Superior de Ingeniera de Telecomunicacin. Universidad Politcnica De Cartagena, Octubre 2008. J. N. Bradley, C. M. Brislawn. The wavelet/scalar quantization compression standard for digital fingerprint images. IEEE International Symposium on Circuits Systems. 1994, pp 205 - 208 vol.3 C. Thibaud. MySQL 5. Implementacin, administracin y programacin. Barcelona. 2006. Pp 94 - 110 Sensor de Huella Disgital. Wikipedia. (En Lnea). Disponible en: http:// es.wikipedia.org/wiki/Sensor_de_huella_digital [consultado en junio 2009]. J. E. Cardona, W. D. Jimnez y A. Vera. Conceptos Bsicos de procesamiento de imgenes digitales. Arte imagen. Armenia 2007. Pp 61-96 S. He, C. W. Chan. Morphological image processing and its parallel implementation. Signal Processing, 1996. 3rd International Conference Signal Processing. 1996, Pp 539 - 542 vol.1 M. Carrasco. Segmentacin de fallas en soldaduras utilizando tcnicas de procesamiento digital de imgenes. Tesis Magster en Ingeniera Informtica. Universidad de Santiago de Chile. Junio de 2009. R. Gonzales, R. Woods. Tratamiento digital de Imgenes. Prentice-Hall. Englewood Cliffs. New Jersey 07362. 1996. Pp 204-233, 483-495.
[10] Tutorial de Redes Neuronales. Universidad Tecnolgica de Pereira. Facultad de Ingeniera Elctrica Anexos: Descripcin de Todas las Funciones Utilizadas en MATLAB. (En Lnea). Disponible en: http://ohm.utp.edu. co:16080/neuronales/Anexos/AnexoA.htm [consultado en agosto 2009]. [11] Tutorial de Redes Neuronales. Universidad Tecnolgica de Pereira. Facultad de Ingeniera Elctrica Principales Tipos de Redes Neuronales. (En Lnea). Disponible en: http:// ohm.utp.edu.co/neuronales/main2.htm [consultado en agosto 2009]. [12] Digital Persona. (En Lnea). Disponible en: http:// www.digitalpersona.com/downloads/ds-4500Reader20090513.pdf [consultado en junio 2009].
[2]
[3]
[13] J. F. Canny. A computational approach to edge detection. IEEE Trans. Pattern Analysis and Machine Intelligence, 8:679-698. 1986. [14] P. Sussner, G. X. Ritter. Decomposition of gray-scale morphological templates using the rank method. IEEE Transactions on Pattern Analysis and Machine Intelligence. Volume: 19, Issue: 6. Digital Object Identifier: 10.1109/34.601252. 1997 , Page(s): 649 658, IEEE Journals
[8]
Para citar este artculo le sugerimos el siguiente formato: A. Vera, D. Lpez, W. Ramos, J. Rojas. Diseo de un sistema de seguridad basado en procesamiento de imgenes para el acceso vehicular a un campus. Ingenium, Revista de la Facultad de Ingeniera. No. 21. 2010. p. 60-66.
[9]
68