Seguritecnia 467

40 SEGURITECNIA Septiembre 2019 Smart Security nual, por lo que tasas bajas de reconoci- miento conllevan el abandono prema- turo del sistema. En resumen, siempre debemos res- ponder a las siguientes preguntas: ¿para qué quiero reconocer matrículas?, ¿en qué me ayuda en mi operación?, ¿qué problema me resuelve?, ¿cuál es el re- torno de la inversión? y ¿con qué siste- mas debe dialogar el lector de matrícu- las? Y siempre exigir las más altas tasas de reconocimiento. Escenarios y tecnología Existen infinidad de escenarios en el mundo del control de accesos, y la pro- puesta de Neural Labs en cada uno es diferente y con diferentes niveles de ver- ticalidad. Algunos de ellos son centros comerciales (con o sin cobro), accesos a empresas, accesos a áreas residenciales, parkings de rotación (pago por minutos) y accesos a zonas logísticas o puertos. Las redes neuronales y ahora el deep learning están cambiando el mundo en el que vivimos haciendo los sistemas realmente más inteligentes. Aunque queda mucho por hacer, las aplicacio- nes actuales de esta tecnología son in- finitas. Neural Labs usa redes neurona- les desde la década de los 90 y en estos últimos años nos hemos volcado con el deep learning (aprendizaje profundo) para reconocer la matrícula, marca, tipo (turismo, moto, furgoneta, etc.) y color del vehículo. S un lector de códigos de barras que lea el 70 por ciento de los códigos. Esto haría totalmente inútil e inservible cualquier aplicación de gestión de almacenes. Lo mismo sucede en este sector. La tasa de acierto en reconocimiento de matrí- culas debe ser altísima, o de lo contra- rio se vuelve totalmente inservible y no confiable, y toda la lógica que viene a continuación fracasa. La gran mayoría de las veces un no reconocimiento pasa a corrección ma- nocimiento de matrículas embebido y con cada vez más funcionalidades, se ha facilitado la implantación de esta tecnología, si bien es verdad que no siempre con éxito. Factores de éxito Desde Neural Labs destacamos siempre dos claves para el éxito en la implanta- ción de este tipo de tecnología. La pri- mera es que debe existir un análisis pre- vio de las necesidades del cliente. Re- conocer matrículas no es suficiente si no sirve para un fin y, en definitiva, si no se soluciona el problema del cliente (como automatización de ingresos, de- tección de robo interno, etc.). Para que la tecnología sirva para un fin, muy a menudo debe estar in- tegrada en otros sistemas, como los de administración de aparcamientos, de reconocimiento facial, RFID, etc. Así pues, de ese análisis de requerimientos previo deben quedar claras las necesi- dades de integración e incluso los desa- rrollos a medida para acabar de cumplir el cien por ciento de las necesidades es- pecíficas del aparcamiento. El segundo factor de éxito es el nivel de acierto de la tecnología. Imaginemos Para que la tecnología sirva para un fin debe estar integrada en otros sistemas, como los de administración de aparcamientos o reconocimiento facial