Explicabilidad
y Transparencia

Subsecretaría de Prevención del Delito, municipios, autopistas concesionadas, centros comerciales y estacionamientos

Todo Chile

El objetivo de utilizar YOLO (You Only Look Once) en la detección, segmentación y clasificación de vehículos (automóviles, camionetas, autobuses, camiones) y personas es mejorar la precisión y eficiencia en tareas de visión por computadora en entornos dinámicos. YOLO permite identificar, localizar y categorizar estos objetos en tiempo real, lo cual es esencial para aplicaciones como la seguridad vial, sistemas de asistencia al conductor, análisis de datos de tráfico y vigilancia.

El uso de YOLO para segmentar vehículos y detectar patentes, combinado con el algoritmo de OCR Paddle, optimiza el reconocimiento y seguimiento de vehículos en tiempo real en el borde de la infraestructura. Este enfoque permite capturar y analizar instantáneamente las placas de vehículos, mejorando la velocidad y precisión en la vigilancia y seguridad pública. Las cámaras LPR (License Plate Recognition) procesan y reconocen automáticamente las placas, facilitando la identificación y el seguimiento sin necesidad de enviar datos a un servidor central.

Si

Soporte

El objetivo principal de utilizar YOLO (You Only Look Once) en la detección, segmentación y clasificación de clases específicas como vehículos (automóviles, camionetas, autobuses, camiones, entre otros) y personas es mejorar la precisión y eficiencia en tareas de visión por computadora en entornos dinámicos y complejos.

La detección de objetos con YOLO implica identificar y localizar diferentes tipos de vehículos y personas en imágenes o secuencias de video, reconociendo su presencia y delineando sus posiciones exactas en el marco visual. La segmentación se utiliza para separar y definir con precisión los contornos de los vehículos y personas detectados, permitiendo un análisis más detallado y una mejor comprensión de la estructura y límites de los objetos dentro de la imagen. La clasificación de clases implica categorizar los objetos detectados en categorías específicas, como automóviles, camionetas, autobuses, camiones y personas, basándose en características visuales aprendidas por el modelo YOLO. Esto facilita la organización y el análisis de datos, permitiendo diferenciar entre distintos tipos de vehículos y personas.

El uso de YOLO tiene múltiples aplicaciones y beneficios. En la seguridad vial y el monitoreo del tráfico, la capacidad de detectar y clasificar diversos tipos de vehículos y peatones en tiempo real mejora la gestión del tráfico y la seguridad en las carreteras, permitiendo una rápida respuesta a incidentes y optimización del flujo vehicular. En los sistemas de asistencia al conductor, YOLO puede integrarse para proporcionar alertas tempranas sobre la presencia de peatones y otros vehículos, contribuyendo a la prevención de accidentes. Para el análisis de datos de tráfico, facilita el análisis en tiempo real para estudios urbanos, planificación de infraestructuras y mejora de servicios de transporte público mediante la clasificación precisa de diferentes tipos de vehículos y personas. En la vigilancia y seguridad, mejora la eficacia de los sistemas mediante la detección y seguimiento de personas y vehículos en áreas sensibles, ayudando a identificar comportamientos sospechosos y prevenir delitos.

El uso de YOLO para la segmentación de vehículos y la detección de patentes con un algoritmo de OCR Paddle optimiza el reconocimiento y seguimiento de vehículos mediante un procesamiento eficiente y en tiempo real en el borde de la infraestructura.

La segmentación de vehículos comienza con la detección y segmentación de diferentes tipos de vehículos (automóviles, camionetas, autobuses, camiones) en imágenes o secuencias de video utilizando YOLO. Este modelo ofrece alta precisión y velocidad en la identificación y localización de estos objetos, delineando sus contornos con exactitud. Una vez segmentados los vehículos, se utiliza YOLO para localizar las áreas específicas donde se encuentran las patentes, aislando la región de interés que contiene la información de la patente. Empleando un algoritmo de OCR como PaddleOCR, se procesa la imagen segmentada de la patente para extraer y reconocer los caracteres alfanuméricos. PaddleOCR es un sistema robusto y eficiente para la lectura de textos en imágenes, ofreciendo alta precisión en el reconocimiento de caracteres incluso en condiciones difíciles, como baja iluminación o ángulos oblicuos.

El uso de algoritmos de captura de placas de patentes mediante cámaras LPR (License Plate Recognition) permite un análisis eficiente y en tiempo real en el borde de la infraestructura. Estos algoritmos procesan y reconocen automáticamente las placas de los vehículos capturadas por las cámaras, facilitando la identificación y el seguimiento instantáneo sin necesidad de enviar los datos a un servidor central, mejorando la velocidad y la precisión en la vigilancia y seguridad pública.

La implementación de este sistema tiene varios beneficios. El procesamiento en tiempo real reduce la latencia y aumenta la velocidad de reconocimiento y respuesta. La segmentación precisa de vehículos y la detección de patentes mejoran la precisión del sistema, reduciendo errores y falsos positivos. Facilita el monitoreo y control de acceso en áreas restringidas, apoyando a las fuerzas de seguridad pública en la identificación rápida de vehículos sospechosos y en la gestión del tráfico. Además, el sistema puede ser fácilmente escalado para su implementación en redes de cámaras a gran escala, adaptándose a diferentes entornos y necesidades específicas.

2024

En uso

Público- privado

Patente, lugar, hora y día

Analítica en el borde