Seguritecnia 461

SEGURITECNIA Febrero 2019 35 Seguridad Privada en Cataluña Podemos asegurar rotundamente que, si las condiciones ambientales no son suficientes para ejecutar el análi- sis de tráfico adecuadamente sin el uso de otras tecnologías como la térmica, el software basado en Deep Learning es la opción perfecta para mantener al- tos rendimientos con el uso de cáma- ras estándar en rango visible. Sistemas OCR El uso de redes neuronales y de vi- sión artificial es una potentísima he- rramienta en los sistemas de recono- cimiento óptico de caracteres. Eleva la fiabilidad de lectura hasta un 98 por ciento, incluso a muy altas velocidades en modo Free Flow. Estos sistemas de reconocimiento automático de matrículas nos propor- cionan detección y reconocimiento de las placas de vehículos y ciclomotores, con una tolerancia a la perspectiva in- alcanzable por los sistemas OCR ( Opti- cal Character Recognition ) clásicos. Per- miten leer hasta ocho matrículas en una sola imagen. Los sistemas OCR basados en redes neuronales artificiales permiten imple- mentar analíticas de tráfico con una elevada tasa de fiabilidad, tales como: Lectura de matrículas: tolerante a perspectiva, alta y baja velocidad. In- cluso embarcada en vehículos poli- ciales. Cálculo de velocidad (3D). Paneles indicadores de velocidad, foto stop, giro indebido y estudios es- tadísticos de velocidad. Detección de maniobras prohibidas Clasificación de vehículos (3D): marca y color. Los sistemas de reconocimiento de contenedores son una aplicación di- recta en el sector logístico gracias a la identificación en movimiento de estos, ya sea en puertos, aeropuertos, tras- porte ferroviario o plataformas logís- ticas de cualquier tipo. Usando el ID para el seguimiento y control de mer- cancías en la cadena de transporte, vinculando, por ejemplo, la matrícula del vehículo al ID del contenedor. Un OCR cuya tasa de fiabilidad es tan alta nos sitúa en un contexto que permite su aplicación en mercados cuya aplicación es obvia y donde la lectura de caracteres aporta benefi- cios, tanto en la fiabilidad y automati- zación de los procesos como en la mi- nimización de los tiempos de espera. Otra aplicación típica es la lectura de placas de mercancías peligrosas , que permite tener la información pun- tual y precisa sobre el tipo de mer- cancía transportada y vinculada al ve- hículo que la traslada, ya sea para su registro y control o para actuar ade- cuadamente ante un accidente. Se trata de una aplicación típica en túne- les, poblaciones, aeropuertos y zonas sensibles. Reconocimiento facial La precisión y la fiabilidad es el talón de Aquiles de cualquier sistema de recono- cimiento facial, y es aquí donde el Deep Learning viene a marcar la diferencia y a permitir dar un paso evolutivo sin pre- cedentes. La extracción de las caracte- rísticas visuales ya no se define manual- mente, como antes, ahora es aprendida de forma óptima por la red neuronal durante el entrenamiento. No es nece- sario decirle al algoritmo dónde están los puntos interesantes (puntos fiducia- les o de referencia: contorno de los ojos y boca, fosas nasales, etc.), ni cómo ex- traer la información, ya que aprende por sí mismo. Las GPU son ideales para entrenar redes neuronales y, concretamente, en su aplicación al sistema de reco- nocimiento facial, acelerando un pro- ceso que de otro modo podría tar- dar un año o más en solo semanas o días. Esto se debe a que las GPU reali- zan muchos cálculos a la vez o en pa- ralelo. Y una vez que un sistema es "en- trenado" con las GPU, los científicos y los investigadores pueden poner ese aprendizaje a trabajar. Ese trabajo im- plica tareas que antes se consideraban imposibles. Podemos ofrecer soluciones para aplicaciones de videovigilancia, control de accesos y marketing: Los sistemas DAI que trabajan con ‘Deep Learning’ están basados en un peculiar método matemático de seguimiento de objetos en movimiento 3D