Sistema de lectura de matrícules
operatiu
Vigilància i seguretat viària, amb la finalitat de proporcionar suport operatiu a les autoritats competents en la gestió de mobilitat i seguretat
Correu electrònic: gurbana.tgna@tarragona.cat
Adreça web: https://www.tarragona.cat/seguretat
Cas d'ús
Objectius
L’objectiu de la política és reforçar la seguretat ciutadana mitjançant el control i l’anàlisi dels vehicles que transiten per zones específiques, proporcionant a la Guàrdia Urbana una eina eficaç per a la detecció i seguiment de vehicles d’interès policial. Alhora, es busca optimitzar la gestió de la mobilitat i generar informació anonimitzada sobre tendències de trànsit, turisme i impacte ambiental. La implementació de l’algorisme d’OCR i analítica d’imatges permet assolir aquests objectius identificant característiques clau dels vehicles i generant alertes en temps real o informes forenses per a una presa de decisions més informada i eficient.
Riscos
Els algoritmes d'OCR i analítica d'imatges opera en un entorn estrictament regulat per gestionar informació sensible com matrícules, marques i altres característiques dels vehicles. Els ciutadans podrien estar exposats als efectes d'aquests algoritmes únicament quan els seus vehicles circulen per zones amb lectors ANPR. Les dades només es fan servir amb finalitats policials o analítiques específiques, amb la protecció assegurada per l'ENS de grau mig i un control rigorós d'accessos basat en permisos. A més, per a usos no policials, la plataforma anonimitza completament les dades, eliminant la matrícula i qualsevol rastre identificatiu, garantint la privacitat i prevenint conseqüències negatives per a les persones.
Proporcionalitat
Les dades recollides son únicament del vehicle i les estrictament necessàries per identificar el vehicle i contrastrar-se amb les bases de dades de vehicles de llistes "blanques/negres", identificació del sentit de circulació, marca i model.
Algorisme i dades
Tipus d'algorisme
Aprenentatge automàtic
Descripció algorisme
El sistema és dissenyat per identificar i extraure informació a partir d'imatges capturades per lectors ANPR (Automatic Number Plate Recognition) de forma precisa i eficient, que mitjançant el l'algorisme OCR, realitza des de la captació de les imatges, fins a l'extracció dels elements d'informació rellevants com la matrícula, marca, model, color, tipus de vehicle i sentit de circulació.
Mètodes i models
El sistema OCR de Vaxtor utilitza models basats en xarxes neuronals convolucionals (CNN) per al reconeixement de matrícules i la classificació d'objectes en les imatges. Els algoritmes s'apliquen a partir de dades capturades pels lectors ANPR, on es fa un procés de segmentació i identificació per extreure la informació
Dades d'entrenament
Segons el proveïdor (Alphanet) exclusivament amb imatges proporcionades pels seus propietaris amb el seu consentiment explícit. Aquestes dades són obtingudes mitjançant acords de col·laboració que garanteixen el compliment de la normativa vigent en matèria de privacitat i protecció de dades. Aquest enfocament assegura que el procés d’entrenament de l’OCR es realitza de manera ètica, transparent i respectant els drets dels titulars de les imatges, contribuint a la fiabilitat i precisió de l'algorisme.
Dades font
Dades capturades per lectors ANPR, incloent imatges de vehicles i les seves matrícules, així com metadades complementàries com la marca, model, color, tipus de vehicle i sentit de circulació.
Connexions a fonts de dades
No està connectat a cap base de dades de registres personals ni a altres fonts externes de dades.
Biaix de dades
Les dades d’entrenament poden contenir certs biaixos inherents, com la prevalença de marques, models o colors de vehicles més comuns en determinades regions o condicions específiques d’il·luminació i climatologia. Per compensar-ho, el procés d’entrenament inclou un esforç actiu per diversificar les dades, incorporant imatges de vehicles de diferents geografies, condicions ambientals, i contextos reals.
Rendiment
Compleix els requisits més exigents per a la detecció i reconeixement de matrícules, com els establerts pel cos dels Mossos d'Esquadra. El sistema ofereix una taxa de detecció superior al 95% sobre el total de vehicles en pas, i una fiabilitat superior al 98% en la lectura correcta de les matrícules detectades. Això resulta en una fiabilitat total de lectura de matrícules correctes de més del 93% sobre el total de vehicles en pas, com a mínim segons proves realitzades in situ. Aquest rendiment es mesura mitjançant una combinació d'anàlisis per objectius de detecció, taxa de falsos positius i negatives, així com la precisió global del reconeixement per garantir la qualitat del servei, tant per a l'ús policial com per a l'anàlisi de mobilitat.
