Está en la página 1de 10

Tabla de contenido

1. TITULO....................................................................................................................2
2. PLANTEAMIENTO TERICO........................................................................2
2.1. Revisin Histrica.......................................................................................2
2.1.1. Reconocimiento de Placas Vehiculares......................................2
2.1.2. Algoritmo Ant- Clusteing.....................................................................2
2.2. Conceptos.........................................................................................................3
2.3. Antecedentes.................................................................................................4
2.3.1. Reconocimiento de Placas en kilmetro 48 salida de
Arequipa.......................................................................................................................4
2.3.2. Reconocimiento de Placas con Redes Neuronales..............4
3. PLANTEAMIENTO DEL PROBLEMA.........................................................4
3.1. Justificacin.................................................................................................4
4. OBJETIVOS............................................................................................................5
4.1. Objetivo General......................................................................................5
4.2. Objetivos especficos.............................................................................5
5. Delimitacin.......................................................................................................5
6. NDICE PROPUESTO........................................................................................6
7. REFERENCIAS.....................................................................................................6
8. ANEXO....................................................................................................................7
8.1. METODOLOGA DE TRABAJO..................................................................7
8.1.1. Procesamiento de las imgenes.................................................7
8.1.2. Ant-Clustering........................................................................................8

1. TITULO
Aplicacin de algoritmo Ant-Clustering al reconocimiento de
placas vehiculares de camiones en la garita de control km. 48
salida de Arequipa.
2. PLANTEAMIENTO TERICO
2.1.

Revisin Histrica

2.1.1.

Reconocimiento de Placas Vehiculares

En la mayora de los pases del mundo, la importancia del


transporte vehicular ha aumentado, debido
a esto la
necesidad de un sistema de transporte automtico y
confiable ha crecido en forma considerable.
Esta necesidad ha ocasionado que la investigacin sobre el
reconocimiento automtico de placas vehiculares se est
realizando mundialmente. El sistema de transporte
automtico incluye control de acceso en reas de
estacionamiento o en rea de restringidas, deteccin de
vehculos involucrados en algn acto ilcito, como robo,
accidente , entre otros, en la medicina y control estadstico
de trfico, o bien en pagos de puntos de acceso, pago de
peaje en carreteras y/o puentes.[1]
Es por esto que se han dado diferentes tcnicas para llevar a
cabo el reconocimiento de placas vehiculares, como:
Uso del Herramienta LabView herramienta de entorno
Grfico de Programacin que presenta libreras para
llevar acabo el Reconocimiento ptico de Caracteres.
Redes Neuronales aplicadas en modo multicapas con
diferentes algoritmos de entrenamiento, entre ellos
BackPropagation.
Sistema de Visin Artificial, netamente enfocada en el
procesamiento de patrones (imgenes).
2.1.2.

Algoritmo Ant- Clusteing

Clustering se entiende como el acto de dividir un conjunto de


datos en grupos de objetos similares. El objetivo de la
agrupacin es agrupar conjuntos de objetos en clases tales
que los objetos similares se colocan en el mismo grupo,
mientras que los objetos dismiles se encuentran en grupos
separados. [6]
Clustering se utiliza como tcnica de procesamiento de datos
en muchas reas diferentes, incluyendo la inteligencia
artificial, la bioinformtica, la biologa, la visin artificial, la

planificacin urbana, la minera de datos, compresin de


datos, estudios del terremoto, anlisis de imgenes,
segmentacin de imgenes, recuperacin de informacin,
aprendizaje
automtico,
marketing,
medicina,
el
reconocimiento de objetos, reconocimiento de patrones,
base de datos espaciales anlisis, estadsticas y minera
web.[6]
Las hormigas pertenecen a la categora social. Esto significa
que la hormiga es incapaz de sobrevivir por s misma. Pero
colonias de hormigas pueden exhibir notable coordinacin de
actividades entre los individuos. Esta coordinacin no se
deriva de un "centro de control "ms bien se trata de autoorganizacin. Cuando las hormigas buscan alimentos,
inicialmente realizar una bsqueda paseo aleatorio en su
vecindario local. Como las hormigas se mueven, depositan
una sustancia qumica llamada feromona en su camino. Esta
sustancia es percibida por otras hormigas, ayudndoles a
tomar decisin sobre su prximo movimiento. De esta
manera una solucin es construida en forma incremental.
Algunos ejemplos son la construccin de un nido de
hormigas, pozos de cra y cementerios, la caza y la bsqueda
de alimentos [6]
La Inteligencia Enjambre es innovadora, paradigma
inteligente distribuido para la solucin de optimizacin de
problemas que se organizaron a partir del estudio de las
colonias, o enjambres de organismos sociales. Los estudios
sobre el comportamiento social de organismos (personas) en
enjambre impulsaron el diseo de algoritmos de
optimizacin y agrupacin muy eficientes. [6]
Clustering es un mtodo muy importante que ya ha dado
muy buenos resultados, pero el Algoritmo de Optimizacin
de Colonia de Hormigas (ACO) es un campo de reciente
investigacin La primera investigacin fue dada en
Deneubourgin 1991. [9]
Clustering y comportamiento de ordenacin de las hormigas
ha estimulado investigaciones para disear nuevos
algoritmos para el anlisis de datos. Varias especies de
hormigas agrupan cadveres para formar un "cementerio", u
ordenar sus larvas en varios montones. Este comportamiento
todava no es completamente entendido, pero un modelo
simple, en el que las hormigas se mueven al azar en el
espacio y recoger y depositar objetos en la base de la
informacin local, puede dar cuenta de algunos de los rasgos

caractersticos de la agrupacin y clasificacin en las


hormigas. [7]
2.2.

Conceptos

Clustering:
Tarea de agrupar un conjunto de objetos, de
manera que los objetos pertenezcan a un grupo de
similares caractersticas entre ellos.
Tcnica usada en la minera de datos y anlisis de
datos en su mayora.
2.3.
Antecedentes
2.3.1. Reconocimiento de Placas en kilmetro 48 salida de
Arequipa
El Reconocimiento de Placas vehiculares en la garita de
control Km. 48 Salida de Arequipa an se da de manera
manual, esto consiste en que durante el trascurso del da a
cada vehculo de carga pesada que circula por la garita se le
hace la respectiva toma de datos concernientes al Chofer y
al vehculo; nombre del chofer, nombre del dueo, placa
vehicular, modelo del vehculo y carga que transporta, entre
ellos se toma tambin el pesaje de este vehculo, para
corroborar la carga que lleva este; dentro de la toma de
todos estos datos, la manera de capturarlos se hace a travs
de preguntas, revisin de documentos,
observacin
presencial de la placa del vehculo, lo cual a veces es un
poco engorroso a determinadas horas de la tarde o noche en
la que la visibilidad del da se va perdiendo.
Adems de que al no contar con datos de otros controles que
haya pasado el mismo vehculo, se puede sufrir de algunos
tipos de fraude, en el caso de la suplantacin de chofer o
diferente cantidad de carga transportada, por lo cual ya se
urge el cambio de llevar este sistema de manera manual a
un nivel mas automatizado.
2.3.2.

Reconocimiento de Placas con Redes Neuronales

En muchos lugares se est llevando a cabo el reconocimiento


de placas vehiculares de diferentes vehculos en diferentes
mbitos como el parqueo de vehculos, pago de peajes, etc.
Sistemas que en los ltimos aos se estn tomando la tcnica
de las redes neuronales artificiales con algunas variantes
para su mejora.
Reconocimiento de Placas vehiculares con la utilizacin de
tcnicas de procesamiento de imgenes y redes neuronales

con el algoritmo de retro propagacin para su respectivo


entrenamiento y reconocimiento.[1]
Reconocimiento d ePlcas vehiculares para el parqueamiento
del campus de la universidad, utilizando algoritmos de visin
artificial y la herramienta LabView, que dentro d esus libreras
tambin presentan algunas
herramientas de redes
neuronales. [2]
3. PLANTEAMIENTO DEL PROBLEMA
3.1.

Justificacin

La garita de control Km. 48 salida de Arequipa se encarga de la


revisin de los camiones de carga tanto en identificacin como en
un correcto pesaje de estos, pero al realizar estas tareas an se
generan malestares en tiempo, en horas de mucho trfico, ya que
al no tener un sistema implementado, las tareas an se realizan de
manera manual.
La garita de control Km. 48 salida de Arequipa cuenta con el
equipo necesario para la implementacin de un sistema completo
que incluya dentro de sus mdulos la identificacin de placas
vehiculares de los camiones a ser pesados, debido a presentarse
reincidentemente observaciones en el fraude tanto de identidad
como de carga de transportada por camiones, por lo cual surge
como solucin a este problema la implementacin de estos
mdulos para un ptimo desempeo, disminuyendo el tiempo de
evaluacin para cada camin, haciendo as ms fluido el trnsito
vehicular.

4. OBJETIVOS
4.1.

Objetivo General

Implementacin de un Sistema hibrido para la clasificacin de


placas vehiculares de camiones en la garita de control km. 48
salida de Arequipa.

4.2.

Objetivos especficos

Investigar el funcionamiento actual, para el reconocimiento


de placas vehiculares, de la garita de control km. 48 salida de
Arequipa.
Desarrollar los algoritmos de procesamiento de imgenes
pertinentes
para obtener buenas referencias para poder
hacer comparaciones con imgenes de una base de datos de
prueba.
Implementar un prototipo para el control de las barreras de
paso desde el sistema.
Probar el rendimiento de la tcnica llamada Ant-Clustering
comparndola con otras tcnicas aplicadas al mismo
problema.
5. Delimitacin

5.1.1.

Delimitacin Espacial

El Sistema hibrido para la clasificacin de placas vehiculares de


camiones se realizar en la garita de control km. 48 de Salida
de Arequipa exactamente en el mdulo de pesaje de camiones.
5.1.2.

Delimitacin Temporal

El presente Proyecto de investigacin tendr una duracin de 4


meses a partir de la aprobacin del Ing. Carlo Corrales.

6. NDICE PROPUESTO
TITULO
DEDICATORIA
AGRADECIMIENTO
RESUMEN
ABSTRACT
INDICE
NDICE DE TABLAS Y GRFICOS
CAPITULO I: INTRODUCCIN
1.1 Planteamiento del problema
1.2 Objetivos de la investigacin
1.2.1 Objetivos generales
1.2.2 Objetivos especficos
1.4 Justificacin
1.5 Limitaciones de la investigacin
CAPITULO II: MARCO TERICO
2.1.-Antecedentes del estudio
2.2.-Definicin de trminos
2.3.-Clustering

2.4.-Optimizacin de Algoritmo Hormiga


2.5.- Ant - Clutering
CAPITULO III: METODOLOGA
3.1 Tipo y nivel de investigacin
3.2 Descripcin del mbito de la investigacin
3.3 Procesamiento de la imagen
3.4 Clasificacin de los segmentos
3.5 Reconocimiento de la imagen
CAPITULO IV: RESULTADOS
CAPITULO V: DISCUSIN
CONCLUSIONES
RECOMENDACIONES
REFERENCIAS BIBLIOGRFICAS
ANEXOS

7. REFERENCIAS

[1] Ing. Jos Luis Delgado Montiel, Reconocimiento de placas


vehiculares, Escuela Superior de Ingeniera mecnica y
Elctrica, Mxico diciembre 2010.
[2] Christian Andrs Tasiguano Pozo, Desarrollo de Algoritmos
de reconocimiento de placas vehiculares, escuela Politcnica
Nacional, Ecuador junio 2011.
[3] Andrade Miranda Gustavo, Lpez Encalada Jos, Chvez
Burbano Patricia, Sistema De Control Vehicular Utilizando
Reconocimiento ptico De Caracteres, Escuela Superior
Politcnica de Litoral (ESPOL), Ecuador.
[4] Javier Eduardo Prez Villalba , Reconocimiento de placas
vehiculares mediante procesamiento de imgenes para
optimizar el acceso a los parqueaderos de la UTA, Campus
Huachi, Universidad Tcnica De Ambato, Facultad De Ingeniera
En Sistemas Electrnica E Industrial, Ecuador junio 2014.
[5] Andrade Miranda Gustavo, Lpez Encalada Jos y Chvez
Burbano Patricia, Sistema De Control Vehicular Utilizando
Reconocimiento ptico De Caracteres, Mayo de 2014.

[6] O.A. Mohamed Jafar and R. Sivakumar, Ant-based Clustering


Algorithms: A Brief Survey, International Journal of Computer
Theory and Engineering, Vol. 2, No. 5, Octubre 2010.
[7] Urszula Boryczka, Ant Clustering Algorithm, Institute of
Computer Science, University of Silesia, Sosnowiec, Poland
2008.
[8] Cobo Ortega, ngel; Rocha Blanco, Roco, Desarrollo de una
aplicacin para la gestin, clasificacin y agrupamiento de
documentos econmicos con algoritmos bio-inspirados,
Universidad de Cantabria, XV Jornadas de ASEPUMA y III
Encuentro Internacional.
[9] Xiaoyong Liu, Ant Colony Optimization Algorithm Based on
Dynamical Pheromones for Clustering Analysis, Department of
Computer Science, Guangdong Polytechnic Normal University,
China 2014.

8. ANEXO
8.1. METODOLOGA DE TRABAJO
8.1.1. Procesamiento de las imgenes
Se proceder a las fases del procesado de imgenes para
poder obtener el vector caracterstico de cada imagen y as
esta ser clasificada dentro de los rangos usados sean estos en
nuestro caso letras y nmeros de los cuales est compuesta
nuestra base de datos de las placas, sean estas:
Etapa sensorial
Se compone de la adquisicin de la imagen, la cual se da
gracias a la cmara empleada y a una buena iluminacin que
logra que la captura de las imgenes sea ms clara, de lo

contrario se utilizara mayor recurso computacional para poder


hacerlo.
Dentro de su realizacin hay diferentes tipos de iluminacin
como retroiluminacin, iluminacin frontal, etc.
Etapa de Pre procesamiento
Todas las imgenes que se adquieren por medios pticos
sufren a cierta medida efectos que las van degradando, esta
degradacin se manifiesta en ruido, perdida de definicin, y/o
fidelidad de la imagen, degradacin que puede ser causada
por los sensores de captura, imprecisin del enfoque de la
cmara, o perturbaciones aleatorias, por lo cual se realizan
operacin de restauracin, el pre procesamiento pretende
reparar la imagen de los desperfectos y as tener una imagen
clara y lista para su posterior procesamiento.
Etapa de Segmentacin
Segmentar un imagen digital significa dividirla en zonas
disjuntas e individualizadas. Es decir consiste en diferenciar los
diversos objetos y donde se encuentra el fondo, que puede ser
ms o menos complejo de la imagen.
Al final de la segmentacin se tiene que conocer
perfectamente los objetos que hay para extraer las
caractersticas propias de cada uno de ellos.
Etapa de parametrizacin
Una vez realizado el proceso de segmentacin donde se
obtiene los bordes de los objetos bien definidos se procede a
obtener parmetros que definan las caractersticas de cada
objeto, forma, textura, color, orientacin, etc.
De entre todos los parmetros que se puedan obtener habr
que
seleccionar
aquellos
que
sean
discriminantes,
independientes entre s, y que delimiten de manera suficiente
el objeto.
Etapa de clasificacin
Se dar en combinacin con el algoritmo Ant-Clustering.
Actuacin segn resultados
Se emitirn los resultados dependiendo del carcter o numero
encontrado en la imagen generando un nmero de placa del
vehculo.
8.1.2.

Ant-Clustering

La aplicacin utiliza una tcnica de clustering inspirada en


colonias de hormigas para agrupar las imgenes relacionadas.
En concreto, se utiliza un algoritmo denominado ant-clustering
adaptndole a las particularidades y el contexto del tipo de
imgenes analizadas. El proceso de agrupamiento se realiza
sobre una rejilla bidimensional, donde los objetos (imgenes)
son colocados aleatoriamente. Tras esa disposicin inicial, un
grupo de hormigas artificiales exploran la rejilla realizando
operaciones de recolocacin de objetos. La probabilidad de
recoger una imagen o colocar una recogida previamente
vsitada en una celda de la rejilla depender de la similitud
entre esa imagen y las imgenes de un entorno de la celda.
Cuando una imagen es similar con sus vecinos en la rejilla, la
probabilidad de recogerlo es baja, sin embargo, si la similitud
es baja las hormigas van a recogerlo con una alta probabilidad
y buscarn una buena posicin en la rejilla para recolocarlo. [8]
Tras una operacin de recogida o colocacin de una imagen, la
hormiga se mover en una posicin prxima en la rejilla en
una direccin elegida aleatoriamente, y el proceso continuar.
Siguiendo estas reglas, las imgenes relacionadas tendern a
situarse en posiciones vecinas de la rejilla, obtenindose
adems una visualizacin grfica de los grupos obtenidos. [8]

Las tcnicas de clustering basadas en hormigas han sido


utilizadas en una amplia variedad de aplicaciones, y diferentes
estudios muestran evidencias de que los mecanismos de
clustering basados en hormigas son una alternativa robusta y
viable, comparada con otras tcnicas.[8]