stringtranslate.com

Reconocimiento automático de matrículas

El sistema debe poder gestionar diferentes estilos de placas de matrícula de vehículos .
Proceso de reconocimiento de matrículas

El reconocimiento automático de matrículas ( ANPR , por sus siglas en inglés; consulte también otros nombres a continuación) es una tecnología que utiliza el reconocimiento óptico de caracteres en imágenes para leer las matrículas de los vehículos y crear datos de ubicación de los mismos . Puede utilizar circuitos cerrados de televisión existentes , cámaras de control de las normas de tránsito o cámaras diseñadas específicamente para esta tarea. Las fuerzas policiales de todo el mundo utilizan el ANPR para fines de aplicación de la ley, incluida la comprobación de si un vehículo está registrado o tiene licencia . También se utiliza para el cobro electrónico de peajes en carreteras de pago por uso y como método para catalogar los movimientos del tráfico, por ejemplo, por parte de las agencias de carreteras.

El reconocimiento automático de matrículas se puede utilizar para almacenar las imágenes captadas por las cámaras, así como el texto de la matrícula; algunos sistemas se pueden configurar para almacenar una fotografía del conductor. Los sistemas suelen utilizar iluminación infrarroja para permitir que la cámara tome la fotografía en cualquier momento del día o de la noche. [1] [2] La tecnología ANPR debe tener en cuenta las variaciones de matrículas de un lugar a otro.

Los problemas de privacidad han generado inquietud sobre el ANPR, como el seguimiento gubernamental de los movimientos de los ciudadanos, la identificación errónea, las altas tasas de error y el aumento del gasto público. Los críticos lo han descrito como una forma de vigilancia masiva . [3]

Otros nombres

El ANPR a veces se conoce con otros términos:

Desarrollo

El ANPR fue inventado en 1976 en la División de Desarrollo Científico de la Policía en Gran Bretaña. [4] Los sistemas prototipo estaban funcionando en 1979, y se adjudicaron contratos para producir sistemas industriales, primero en EMI Electronics y luego en Computer Recognition Systems (CRS, ahora parte de Jenoptik ) en Wokingham , Reino Unido. Los primeros sistemas de prueba se implementaron en la carretera A1 y en el túnel de Dartford . El primer arresto mediante la detección de un automóvil robado se realizó en 1981. [5] Sin embargo, el ANPR no se usó ampliamente hasta que se iniciaron nuevos desarrollos en software más barato y fácil de usar durante la década de 1990. La recopilación de datos ANPR para uso futuro ( es decir , para resolver crímenes entonces no identificados) se documentó a principios de la década de 2000. [6] El primer caso documentado de uso de ANPR para ayudar a resolver un asesinato ocurrió en noviembre de 2005, en Bradford , Reino Unido, donde ANPR jugó un papel vital en la localización y posterior condena de los asesinos de Sharon Beshenivsky . [7]

Componentes

El aspecto de software del sistema se ejecuta en hardware de computadora doméstica estándar y se puede vincular a otras aplicaciones o bases de datos . Primero utiliza una serie de técnicas de manipulación de imágenes para detectar, normalizar y mejorar la imagen de la matrícula, y luego el reconocimiento óptico de caracteres (OCR) para extraer los caracteres alfanuméricos de la matrícula. Los sistemas ANPR generalmente se implementan en uno de dos enfoques básicos: uno permite que todo el proceso se realice en la ubicación del carril en tiempo real, y el otro transmite todas las imágenes de muchos carriles a una ubicación de computadora remota y realiza el proceso de OCR allí en algún momento posterior. Cuando se realiza en el sitio del carril, la información capturada de los caracteres alfanuméricos de la placa, la fecha y la hora, la identificación del carril y cualquier otra información requerida se completa en aproximadamente 250 milisegundos. [ cita requerida ] Esta información se puede transmitir fácilmente a una computadora remota para su posterior procesamiento si es necesario, o almacenarse en el carril para su recuperación posterior. En el otro caso, normalmente se utilizan grandes cantidades de PC en una granja de servidores para gestionar grandes cargas de trabajo, como las que se encuentran en el proyecto de peaje de Londres . A menudo, en estos sistemas, existe la necesidad de enviar imágenes al servidor remoto, y esto puede requerir medios de transmisión con mayor ancho de banda.

Tecnología

Se modificó la fuente de las matrículas holandesas para mejorar el reconocimiento de las matrículas.

El sistema ANPR utiliza el reconocimiento óptico de caracteres (OCR) en imágenes tomadas por cámaras. Cuando las matrículas de vehículos holandesas cambiaron de estilo en 2002, uno de los cambios realizados fue en la fuente , introduciendo pequeños espacios en algunas letras (como P y R ) para que sean más distinguibles y, por lo tanto, más legibles para dichos sistemas. Algunas disposiciones de las matrículas utilizan variaciones en el tamaño y la posición de las fuentes; los sistemas ANPR deben poder hacer frente a dichas diferencias para ser verdaderamente eficaces. Los sistemas más complicados pueden hacer frente a las variantes internacionales, aunque muchos programas se adaptan individualmente a cada país.

Las cámaras que se utilizan pueden ser cámaras de vigilancia de las normas de circulación o cámaras de circuito cerrado de televisión, así como unidades móviles, que suelen estar acopladas a los vehículos. Algunos sistemas utilizan cámaras infrarrojas para tomar una imagen más nítida de las matrículas. [8] [9] [10] [11] [12] [13] [14] [15]

En sistemas móviles

La policía de Dubai utiliza cámaras ANPR para vigilar los vehículos que se encuentran delante y a ambos lados del coche patrulla.
Un coche de policía de Merseyside equipado con ANPR móvil

Durante la década de 1990, se produjeron importantes avances tecnológicos que permitieron que los sistemas de reconocimiento automático de matrículas (ANPR, por sus siglas en inglés) pasaran de ser aplicaciones fijas, limitadas, caras y difíciles de configurar a ser simples sistemas móviles de "apuntar y disparar". Esto fue posible gracias a la creación de software que se ejecutaba en hardware no especializado y basado en PC más económico, al que ya no era necesario asignarle ángulos, direcciones, tamaños y velocidades predefinidos a las matrículas que pasarían por el campo de visión de la cámara. La incorporación de componentes más pequeños a precios más bajos dio lugar a un número récord de implementaciones por parte de las fuerzas de seguridad en todo el mundo. Las cámaras más pequeñas con la capacidad de leer matrículas a mayor velocidad, junto con procesadores más pequeños y duraderos que caben en los maleteros de los vehículos policiales, permitieron a los agentes de la ley patrullar a diario con el beneficio de leer las matrículas en tiempo real, cuando pueden interceptar a los vehículos de inmediato.

A pesar de su eficacia, existen importantes desafíos relacionados con los ANPR móviles. Uno de los mayores es que el procesador y las cámaras deben funcionar lo suficientemente rápido como para soportar velocidades relativas de más de 160 km/h (100 mph), un escenario probable en el caso de tráfico en sentido contrario. Este equipo también debe ser muy eficiente, ya que la fuente de energía es el sistema eléctrico del vehículo, y el equipo debe tener requisitos de espacio mínimos.

La velocidad relativa es solo uno de los factores que afectan la capacidad de la cámara para leer una matrícula. Los algoritmos deben ser capaces de compensar todas las variables que pueden afectar la capacidad del ANPR para producir una lectura precisa, como la hora del día, el clima y los ángulos entre las cámaras y las matrículas. Las longitudes de onda de la iluminación de un sistema también pueden tener un impacto directo en la resolución y la precisión de una lectura en estas condiciones.

La instalación de cámaras ANPR en vehículos policiales requiere una consideración cuidadosa de la yuxtaposición de las cámaras con las matrículas que deben leer. El uso de la cantidad correcta de cámaras y su ubicación precisa para obtener resultados óptimos puede resultar un desafío, dadas las diversas misiones y entornos en cuestión. La patrulla de carreteras requiere cámaras orientadas hacia adelante que abarquen varios carriles y puedan leer matrículas a altas velocidades. La patrulla urbana necesita cámaras de menor alcance y menor distancia focal para capturar las matrículas de los automóviles estacionados. Los estacionamientos con automóviles estacionados perpendicularmente a menudo requieren una cámara especializada con una distancia focal muy corta. La mayoría de los sistemas técnicamente avanzados son flexibles y se pueden configurar con una cantidad de cámaras que van desde una hasta cuatro, que se pueden reposicionar fácilmente según sea necesario. Los estados con matrículas solo traseras tienen un desafío adicional, ya que una cámara orientada hacia adelante es ineficaz con el tráfico que viene en sentido contrario. En este caso, una cámara puede estar girada hacia atrás.

Algoritmos

Pasos 2, 3 y 4: Se normaliza la matrícula en cuanto a brillo y contraste, y luego se segmentan los caracteres para que estén listos para el OCR .

Hay siete algoritmos principales que el software requiere para identificar una matrícula:

  1. Localización de placa: responsable de encontrar y aislar la placa en la imagen.
  2. Orientación y dimensionamiento de la placa: compensa la inclinación de la placa y ajusta las dimensiones al tamaño requerido
  3. Normalización: ajusta el brillo y el contraste de la imagen.
  4. Segmentación de caracteres: encuentra los caracteres individuales en las placas
  5. Reconocimiento óptico de caracteres
  6. Análisis sintáctico/geométrico: verifique los caracteres y las posiciones con las reglas específicas del país
  7. El promedio del valor reconocido en múltiples campos/imágenes para producir un resultado más confiable o seguro, especialmente considerando que cualquier imagen individual puede contener un destello de luz reflejada, estar parcialmente oscurecida o poseer otros efectos de ofuscación.

La complejidad de cada una de estas subsecciones del programa determina la precisión del sistema. Durante la tercera fase (normalización), algunos sistemas utilizan técnicas de detección de bordes para aumentar la diferencia de imagen entre las letras y el fondo de la placa. También se puede utilizar un filtro de mediana para reducir el ruido visual en la imagen.

Dificultades

Los primeros sistemas ANPR no podían leer letras blancas o plateadas sobre fondo negro, como se permitía en los vehículos del Reino Unido fabricados antes de 1973.
Matrícula sueca
Los sistemas deben ser capaces de reconocer las matrículas internacionales como tales.

Existen varias posibles dificultades que el software debe poder solucionar, entre ellas:

Si bien algunos de estos problemas se pueden corregir con el software, la búsqueda de soluciones para estas dificultades se deja principalmente en manos del hardware del sistema. Aumentar la altura de la cámara puede evitar problemas con objetos (como otros vehículos) que oculten la matrícula, pero genera y aumenta otros problemas, como el ajuste para la mayor inclinación de la matrícula.

En algunos vehículos, las barras de remolque pueden ocultar uno o dos caracteres de la matrícula. Las bicicletas en los portabicicletas también pueden ocultar la matrícula, aunque en algunos países y jurisdicciones, como Victoria, Australia , se supone que deben instalarse "placas para bicicletas". Algunos sistemas a pequeña escala permiten algunos errores en la matrícula. Cuando se utilizan para dar acceso a vehículos específicos a una zona con barricadas, se puede tomar la decisión de tener una tasa de error aceptable de un carácter. Esto se debe a que la probabilidad de que un vehículo no autorizado tenga una matrícula tan similar se considera bastante pequeña. Sin embargo, este nivel de inexactitud no sería aceptable en la mayoría de las aplicaciones de un sistema ANPR.

Hardware de imágenes

En la parte frontal de cualquier sistema ANPR se encuentra el hardware de captura de imágenes que captura la imagen de las matrículas. La captura de imágenes inicial constituye una parte de importancia crítica del sistema ANPR que, de acuerdo con el principio de "basura que entra, basura que sale " de la informática, a menudo determinará el rendimiento general.

La captura de matrículas se realiza normalmente con cámaras especializadas diseñadas específicamente para esta tarea, aunque se están implementando nuevas técnicas de software que admiten cualquier cámara de vigilancia basada en IP y aumentan la utilidad de ANPR para aplicaciones de seguridad perimetral . Los factores que plantean dificultades para las cámaras de captura de matrículas incluyen la velocidad de los vehículos que se graban, el nivel variable de luz ambiental, el resplandor de los faros y las duras condiciones ambientales. La mayoría de las cámaras dedicadas a la captura de matrículas incorporarán iluminación infrarroja para resolver los problemas de iluminación y reflectividad de la matrícula.

Sistema portátil de control de tráfico utilizado por la policía húngara . Las filas de LED infrarrojos se ven a la derecha.

En la actualidad, muchos países utilizan matrículas retrorreflectivas . [16] Esto devuelve la luz a la fuente y, por lo tanto, mejora el contraste de la imagen. En algunos países, los caracteres de la matrícula no son reflectantes, lo que proporciona un alto nivel de contraste con el fondo reflectante en cualquier condición de iluminación. Una cámara que utiliza imágenes infrarrojas activas (con un filtro de color normal sobre la lente y un iluminador infrarrojo al lado) se beneficia enormemente de esto, ya que las ondas infrarrojas se reflejan de vuelta desde la matrícula. Sin embargo, esto solo es posible en cámaras ANPR dedicadas, por lo que las cámaras utilizadas para otros fines deben depender más de las capacidades del software. Además, cuando se requiere una imagen a todo color, así como el uso de los detalles recuperados por ANPR, es necesario tener una cámara habilitada para infrarrojos y una cámara normal (a color) que funcionen juntas.

Para evitar el desenfoque, lo ideal es que la velocidad de obturación de una cámara dedicada se configure en 11000 de segundo. También es importante que la cámara utilice un obturador global, en lugar de un obturador rotativo , para garantizar que las imágenes tomadas no presenten distorsiones. Debido a que el automóvil está en movimiento, las velocidades de obturación más lentas pueden dar como resultado una imagen demasiado borrosa para leerla con el software de OCR, especialmente si la cámara está mucho más arriba que el vehículo. En el tráfico lento, o cuando la cámara está a un nivel más bajo y el vehículo está en un ángulo que se acerca a la cámara, la velocidad de obturación no necesita ser tan rápida. Las velocidades de obturación de 1500 de segundo pueden hacer frente al tráfico que se mueve hasta 65 km/h (40 mph) y 1250 de segundo hasta 8 km/h (5 mph). Las cámaras de captura de matrículas pueden producir imágenes utilizables de vehículos que viajan a 190 km/h (120 mph).

Para maximizar las posibilidades de una captura eficaz de la matrícula, los instaladores deben considerar cuidadosamente la posición de la cámara en relación con el área de captura deseada. Si se exceden los ángulos de incidencia límite entre la lente de la cámara y la matrícula, se reducirá en gran medida la probabilidad de obtener imágenes utilizables debido a la distorsión. Los fabricantes han desarrollado herramientas para ayudar a eliminar errores de la instalación física de las cámaras de captura de matrículas.

Uso

Aplicación de la ley

Cámaras ANPR móviles instaladas en un vehículo de patrulla de carreteras de la Fuerza de Policía de Nueva Gales del Sur
Se pueden utilizar cámaras de circuito cerrado de televisión como éstas para tomar las imágenes escaneadas por los sistemas de reconocimiento automático de matrículas.

Australia

Varias fuerzas policiales estatales y el Departamento de Justicia (Victoria) [17] utilizan sistemas ANPR tanto fijos como móviles. La Patrulla de Carreteras de la Fuerza de Policía de Nueva Gales del Sur fue la primera en probar y utilizar un sistema de cámara ANPR fijo en Australia en 2005. En 2009, comenzaron a implementar un sistema ANPR móvil (conocido oficialmente como MANPR) [18] con tres cámaras infrarrojas instaladas en su flota de Patrulla de Carreteras. [19] El sistema identifica vehículos no registrados y robados, así como conductores inhabilitados o suspendidos, así como otras "personas de interés", como personas con órdenes de arresto pendientes. [20]

Bélgica

Desde septiembre de 2011, la ciudad de Malinas utiliza un sistema ANPR para escanear todos los vehículos que cruzan los límites de la ciudad (entrantes y salientes). Los vehículos que figuran en " listas negras " (sin seguro, robados, etc.) generan una alarma en la sala de control para que puedan ser interceptados por una patrulla. A principios de 2012, se controlan automáticamente de esta manera un millón de vehículos por semana. [21]

Canadá

Los servicios de policía federales, provinciales y municipales de todo Canadá utilizan programas informáticos de reconocimiento automático de matrículas; también se utilizan en determinadas rutas de peaje y por organismos de control de aparcamiento. Las leyes que rigen el uso de la información obtenida mediante el uso de estos dispositivos están establecidas en diversas leyes provinciales de privacidad. [22]

Dinamarca

La técnica está siendo probada por la policía danesa y se utiliza de forma permanente desde mediados de 2016. [23]

Francia

Se han construido 180 pórticos en las carreteras principales de todo el país. Estos, junto con otras 250 cámaras fijas, permitirán la imposición de un impuesto ecológico a los camiones de más de 3,5 toneladas. Actualmente, el sistema encuentra oposición y, aunque se recopilen datos sobre los vehículos que pasan por las cámaras, no se está cobrando ningún impuesto ecológico. [24]

Alemania

El 11 de marzo de 2008, el Tribunal Constitucional Federal de Alemania dictaminó que algunas áreas de las leyes que permitían el uso de sistemas automáticos de reconocimiento de matrículas en Alemania violaban el derecho a la privacidad . [25] Más específicamente, el tribunal determinó que la retención de cualquier tipo de información (es decir, datos de matrículas) que no fuera para un uso predestinado (por ejemplo, para rastrear a presuntos terroristas o para hacer cumplir las leyes de exceso de velocidad) violaba la ley alemana. Estos sistemas fueron proporcionados por Jenoptik Robot GmbH y se denominaron TraffiCapture. [26]

Hungría

Punto de datos y control de tráfico en la autopista M7 en Érd , Hungría

En 2012 se formó un consorcio estatal entre el Ministerio del Interior de Hungría, la Jefatura Nacional de Policía y la Comisión Central de Administración Pública y Servicios Electrónicos con el objetivo de instalar y operar un sistema de transporte inteligente unificado ( ITS ) con cobertura nacional para finales de 2015. [27] Dentro del sistema, se pusieron en línea 160 unidades portátiles de control de tráfico y recopilación de datos y 365 instalaciones de pórtico permanentes con ANPR, detección de velocidad, imágenes y capacidades estadísticas. Dado que todos los puntos de datos están conectados a un ITS ubicado centralmente, cada miembro del consorcio puede utilizar por separado su gama de actividades administrativas y de control, como el registro remoto de vehículos y la verificación de seguros, la aplicación de velocidad, carriles y semáforos y la interceptación de vehículos buscados o robados, entre otros.

Varias unidades de policía auxiliar húngaras también utilizan un sistema llamado Matrix Police [28] en cooperación con la policía . Consiste en un ordenador portátil equipado con una cámara web que escanea la base de datos de vehículos robados mediante el reconocimiento automático de matrículas. El sistema se instala en el salpicadero de determinados vehículos de patrulla ( también existen versiones portátiles basadas en PDA ) y se utiliza principalmente para controlar las matrículas de los vehículos aparcados. Como la Policía Auxiliar no tiene autoridad para ordenar a los vehículos en movimiento que se detengan, si se encuentra un vehículo robado, se informa a la policía formal.

Arabia Saudita

Las placas de matrícula de vehículos en Arabia Saudita utilizan un fondo blanco, pero varios tipos de vehículos pueden tener un fondo diferente. Solo se utilizan 17 letras árabes en las placas de matrícula. [29] Un desafío para el reconocimiento de placas en Arabia Saudita es el tamaño de los dígitos. Algunas placas utilizan tanto números árabes orientales como sus equivalentes "árabes occidentales". Hay disponible una investigación con código fuente para los dígitos árabes APNR. [30]

Suecia

La técnica está siendo probada por la Autoridad Policial Sueca en nueve lugares diferentes de Suecia. [31]

Pavo

Varias ciudades han probado, y algunas han puesto en servicio, el KGYS (Kent Guvenlik Yonetim Sistemi, Sistema de Administración de Seguridad de la Ciudad) , [32] es decir, la capital Ankara, ha estrenado KGYS, que consiste en un sistema de reconocimiento de número de matrícula en las principales arterias y salidas de la ciudad. [33] El sistema se ha utilizado con dos cámaras por carril, una para el reconocimiento de matrículas, otra para la detección de velocidad. Ahora el sistema se ha ampliado para conectar en red todas las cámaras de número de matrícula y hacer cumplir la velocidad media en distancias preestablecidas. Algunas arterias tienen un límite de 70 km/h (45 mph), y otras de 50 km/h (30 mph), y se envían pruebas fotográficas con detalles de fecha y hora a la dirección de registro si se detecta una infracción de velocidad. A partir de 2012, la multa por exceder el límite de velocidad en más del 30% es de aproximadamente ₺ 315 (US$ 175).

Ucrania

El proyecto de integración de sistemas «OLLI Technology» y el Departamento de Inspección Estatal de Tráfico (STI) del Ministerio del Interior de Ucrania están realizando experimentos para introducir un complejo técnico moderno capaz de localizar en tiempo real coches robados, conductores privados de su permiso de conducir y otros coches con problemas. El complejo ucraniano «Videocontrol» [34] funciona según el principio de localización por vídeo de un coche con reconocimiento de matrículas y comprobación en una base de datos.

Reino Unido

Un Vauxhall Vectra equipado con ANPR perteneciente a la Policía de Greater Manchester

El Ministerio del Interior afirma que el objetivo del reconocimiento automático de matrículas en el Reino Unido es ayudar a detectar, disuadir y desmantelar la delincuencia, incluida la lucha contra los grupos de delincuencia organizada y los terroristas. Los movimientos de los vehículos se registran a través de una red de casi 13.000 cámaras que capturan aproximadamente 55 millones de registros de "lectura" de ANPR diariamente. [35] Estos registros se almacenan hasta dos años en el Centro Nacional de Datos ANPR, al que se puede acceder, analizar y utilizar como prueba en el marco de las investigaciones de las fuerzas de seguridad del Reino Unido . [36] [37]

En 2012, el Parlamento del Reino Unido promulgó la Ley de Protección de las Libertades , que incluye varias disposiciones relacionadas con el control y la restricción de la recopilación, el almacenamiento, la retención y el uso de información sobre las personas. En virtud de esta ley, el Ministerio del Interior publicó en 2013 un código de prácticas para el uso de cámaras de vigilancia, incluidas las ANPR, por parte de los organismos gubernamentales y de aplicación de la ley. El objetivo del código es ayudar a garantizar que su uso se "caracterice como vigilancia por consentimiento, y dicho consentimiento por parte de la comunidad debe ser un consentimiento informado y no asumido por un operador del sistema. La vigilancia por consentimiento debe considerarse análoga a la vigilancia por consentimiento ". [38] Además, en 2014 se introdujo un conjunto de normas para los datos, [39] la infraestructura, [40] y el acceso y la gestión de los datos. [41]

Estados Unidos

Un coche de policía de la ciudad de Alejandría equipado con ALPR móvil
Cámaras ANPR en funcionamiento en el Puente de Brooklyn en Nueva York

En los Estados Unidos, los sistemas ANPR se conocen más comúnmente como tecnología ALPR (lector/reconocimiento automático de matrículas), debido a las diferencias en el idioma (es decir, las "matrículas" se denominan "license plates" en inglés estadounidense ).

Desde 2019, empresas privadas como Flock Safety han crecido rápidamente y han promocionado cámaras ALPR fijas entre particulares, asociaciones de vecinos y fuerzas del orden. En abril de 2022, 1500 ciudades de Estados Unidos habían implementado cámaras Flock, a pesar de las críticas de la ACLU y otras organizaciones de derechos civiles [42] [43] y las preocupaciones sobre si el sistema realmente reduce la delincuencia. [44]

El uso de ANPR móvil está muy extendido entre las agencias de aplicación de la ley de Estados Unidos a nivel de ciudad, condado, estado y federal. Según un informe de 2012 del Police Executive Research Forum, aproximadamente el 71% de todos los departamentos de policía de Estados Unidos utilizan alguna forma de ANPR. [45] El ANPR móvil se está convirtiendo en un componente importante de las estrategias de vigilancia predictiva municipal y la recopilación de inteligencia, [46] así como para la recuperación de vehículos robados, la identificación de delincuentes buscados y la recaudación de ingresos de personas que están en mora con los impuestos o multas de la ciudad o el estado, o el seguimiento de las Alertas Amber . Con la implementación generalizada de esta tecnología, muchos estados de Estados Unidos ahora emiten citaciones por delitos menores de hasta $ 500 cuando se identifica una matrícula vencida o en el vehículo incorrecto. Las matrículas reconocidas correctamente pueden compararse con bases de datos que incluyen "persona buscada", "orden de protección", persona desaparecida, miembro de una pandilla, terrorista conocido y sospechoso, libertad supervisada, infractor de inmigración y listas nacionales de delincuentes sexuales. [47] Además del procesamiento en tiempo real de los números de matrículas, los sistemas ANPR en los EE. UU. recopilan (y pueden almacenar indefinidamente) datos de cada captura de matrícula. Se pueden almacenar imágenes, fechas, horas y coordenadas GPS y pueden ayudar a ubicar a un sospechoso en una escena, ayudar en la identificación de testigos, el reconocimiento de patrones o el seguimiento de individuos.

El Departamento de Seguridad Nacional propuso una base de datos federal para combinar todos los sistemas de monitoreo, que fue cancelada después de quejas sobre privacidad. [48] [49] En 1998, un teniente de policía de Washington, DC se declaró culpable de extorsión después de chantajear a los propietarios de vehículos estacionados cerca de un bar gay. [50] En 2015, el Departamento de Policía de Los Ángeles propuso enviar cartas a las direcciones de todos los vehículos que ingresan a áreas de alta prostitución. [51] [52] [53]

Las primeras aplicaciones móviles de ANPR en el sector privado han sido para la recuperación y embargo de vehículos, [54] aunque la aplicación de ANPR por parte de empresas privadas para recopilar información de vehículos de propiedad privada o recopilada de propiedades privadas (por ejemplo, entradas de vehículos) se ha convertido en un tema de sensibilidad y debate público. [55] Otros usos de ANPR incluyen el control de estacionamiento y la recaudación de ingresos de personas que están en mora con los impuestos o multas municipales o estatales. La tecnología se presenta a menudo en el reality show Parking Wars que se presenta en A&E Network . En el programa, los conductores de grúas y los equipos de arranque utilizan el ANPR para encontrar vehículos morosos con grandes cantidades de multas de estacionamiento sin pagar.

Leyes

Las leyes varían entre los estados con respecto a la recopilación y retención de información de matrículas. A partir de 2019 , 16 estados tienen límites sobre cuánto tiempo se pueden retener los datos, siendo el más bajo New Hampshire (3 minutos) y el más alto Colorado (3 años). [56] La Corte Suprema de Virginia dictaminó en 2018 que los datos recopilados de ALPR pueden constituir información personal. [57] Como resultado, el 1 de abril de 2019, un juez del condado de Fairfax emitió una orden judicial que prohíbe al Departamento de Policía del condado de Fairfax recopilar y almacenar datos de ALPR fuera de una investigación o recopilación de inteligencia relacionada con una investigación criminal. [58] El 22 de octubre de 2020, la Corte Suprema de Virginia revocó esa decisión, dictaminando que los datos recopilados no eran información personal de identificación. [59]

En abril de 2020, la Corte Suprema Judicial de Massachusetts determinó que el uso sin orden judicial de lectores automáticos de matrículas para vigilar los cruces de puentes de un presunto distribuidor de heroína hacia Cape Cod no violaba la Cuarta Enmienda de la Constitución de los Estados Unidos únicamente por el tiempo y el alcance limitados de las observaciones. [60] [61]

Cámaras de velocidad media

El ANPR se utiliza para hacer cumplir los límites de velocidad en Australia, Austria, [62] Bélgica, [63] Dubái (EAU), [64] Francia, Irlanda, Italia, [65] Países Bajos, [66] España, [67] Sudáfrica, Reino Unido y Kuwait. [68]

Este sistema funciona mediante el seguimiento del tiempo de viaje de los vehículos entre dos puntos fijos y el cálculo de la velocidad media. Se afirma que estas cámaras tienen una ventaja sobre las tradicionales, ya que mantienen velocidades legales constantes a lo largo de distancias prolongadas, en lugar de fomentar el frenado brusco al acercarse a ubicaciones específicas de las cámaras y la posterior aceleración hasta alcanzar velocidades ilegales. [69]

Italia

En las autopistas italianas existe un sistema de monitorización llamado Tutor (dispositivo)  [it] que cubre más de 2.500 km (1.600 millas) (2012). El sistema Tutor también es capaz de interceptar coches mientras cambian de carril. [70] El Tutor o Safety Tutor es un proyecto conjunto entre la empresa de gestión de autopistas, Autostrade per l'Italia , y la Policía Estatal. Con el tiempo ha sido sustituido por otras versiones, como por ejemplo el SICVe-PM donde PM significa PlateMatching y por el SICVe Vergilius. Además de este sistema de monitorización de velocidad media, existen otros Celeritas y T-Expeed v.2. [71]

Países Bajos

En los Países Bajos existen cámaras de velocidad media ( trajectcontrole ) desde 2002. En julio de 2009, había 12 cámaras operativas, la mayoría en el oeste del país y a lo largo de la A12 . [69] Algunas de ellas están divididas en varias "secciones" para permitir que los coches salgan y entren en la autopista.

En 1997 se puso a prueba un primer sistema experimental en un tramo corto de la A2 y la policía lo consideró un gran éxito, ya que redujo el exceso de velocidad al 0,66%, en comparación con el 5 o 6% que se producía cuando se utilizaban cámaras de velocidad normales en el mismo lugar. [72] Las primeras cámaras de velocidad media permanentes se instalaron en la A13 en 2002, poco después de que se redujera el límite de velocidad a 80 km/h (50 mph) para limitar el ruido y la contaminación del aire en la zona. [73] En 2007, las cámaras de velocidad media dieron lugar a 1,7 millones de multas por exceso de velocidad de un total de 9,7 millones. Según el Fiscal General de los Países Bajos, el número medio de infracciones de los límites de velocidad en los tramos de autopista equipados con cámaras de velocidad media se sitúa entre el 1 y el 2%, en comparación con el 10 o 15% en otros lugares. [74]

Reino Unido

Uno de los tramos más notables de cámaras de velocidad media en el Reino Unido se encuentra en la carretera A77 en Escocia, con 32 millas (51 km) monitoreadas entre Kilmarnock y Girvan . [75] En 2006 se confirmó que las multas por exceso de velocidad podrían evitarse potencialmente con las cámaras " SPECS " cambiando de carril y la Fundación RAC temió que la gente pudiera jugar a la "ruleta rusa" cambiando de un carril a otro para reducir sus probabilidades de ser atrapado; sin embargo, en 2007 el sistema se actualizó para su uso en varios carriles y en 2008 el fabricante calificó el "mito" como "categóricamente falso". [76] Existe evidencia de que la implementación de sistemas como SPECS tiene un efecto considerable en el volumen de conductores que viajan a velocidades excesivas; en el tramo de carretera mencionado anteriormente (A77 entre Glasgow y Ayr) se ha observado una "enorme caída" en las infracciones por exceso de velocidad desde la introducción de un sistema SPECS. [75]

Disuasión del delito

Las innovaciones recientes han contribuido a la adopción de ANPR para aplicaciones de seguridad perimetral y control de acceso en instalaciones gubernamentales. Dentro de los EE. UU., los esfuerzos de "seguridad nacional" para proteger contra supuestos "actos de terrorismo" han dado como resultado la adopción de ANPR para instalaciones sensibles como embajadas, escuelas, aeropuertos, puertos marítimos, edificios militares y federales, instalaciones gubernamentales y de aplicación de la ley y centros de transporte. ANPR se comercializa como capaz de implementarse a través de redes de cámaras de vigilancia basadas en IP que realizan "doble función" junto con el reconocimiento facial, el seguimiento de objetos y los sistemas de grabación con el fin de monitorear comportamientos sospechosos o anómalos, mejorar el control de acceso y comparar con listas de vigilancia. Los sistemas ANPR se instalan más comúnmente en puntos de sensibilidad significativa, entrada o salida. Las principales agencias estadounidenses como el Departamento de Seguridad Nacional, el Departamento de Justicia, el Departamento de Transporte y el Departamento de Defensa han comprado ANPR para aplicaciones de seguridad perimetral. [77] Se están instalando grandes redes de sistemas ANPR en ciudades como Boston, Londres y la ciudad de Nueva York para brindar protección a toda la ciudad contra actos de terrorismo y para brindar apoyo para reuniones públicas y espacios públicos. [78]

El Centro de Política Criminal Basada en Evidencias de la Universidad George Mason identifica los siguientes ensayos controlados aleatorios de tecnología de reconocimiento automático de matrículas como muy rigurosos. [79]

Seguridad y servicios empresariales

Además de las instalaciones gubernamentales, muchas industrias del sector privado con preocupaciones de seguridad de las instalaciones están comenzando a implementar soluciones ANPR. Los ejemplos incluyen casinos, hospitales, museos, estacionamientos y complejos turísticos. [80] En los EE. UU., las instalaciones privadas normalmente no pueden acceder a las listas de vigilancia del gobierno o la policía, pero pueden desarrollar y comparar con sus propias bases de datos para clientes, VIP, personal crítico o listas de "personas prohibidas". Además de proporcionar seguridad perimetral, el ANPR privado tiene aplicaciones de servicio para el reconocimiento de valet / clientes reconocidos y VIP, logística y seguimiento de personal clave, ventas y publicidad, gestión de estacionamiento y logística ( seguimiento de proveedores y vehículos de soporte ).

Control de tráfico

Peaje por vídeo en Schönberg , Austria

Muchas ciudades y distritos han desarrollado sistemas de control de tráfico para ayudar a supervisar el movimiento y el flujo de vehículos en la red vial. Esto normalmente implicaba examinar datos históricos, estimaciones, observaciones y estadísticas, como:

Las cámaras de CCTV pueden utilizarse para ayudar a los centros de control de tráfico proporcionándoles datos en directo, lo que permite tomar decisiones de gestión del tráfico en tiempo real. Al utilizar el sistema ANPR en estas imágenes, es posible supervisar el recorrido de cada vehículo, lo que proporciona automáticamente información sobre la velocidad y el flujo de las distintas rutas. Estos detalles pueden destacar las áreas problemáticas a medida que ocurren y ayudar al centro a tomar decisiones informadas sobre la gestión de incidentes.

Algunos condados del Reino Unido han trabajado con Siemens Traffic para desarrollar sistemas de monitoreo de tráfico para sus propios centros de control y para el público. [81] Proyectos como ROMANSE del Hampshire County Council [82] proporcionan un sitio web interactivo y en tiempo real que muestra detalles sobre el tráfico en la ciudad. [ ¿dónde? ] El sitio muestra información sobre estacionamientos, obras viales en curso, eventos especiales y filmaciones tomadas de cámaras CCTV. Los sistemas ANPR se pueden utilizar para proporcionar tiempos de viaje promedio de punto a punto a lo largo de rutas particulares, que se pueden mostrar en un cartel de mensaje variable (VMS) que brinda a los conductores la capacidad de planificar su ruta. ROMANSE también permite a los viajeros ver la situación actual utilizando un dispositivo móvil con una conexión a Internet (como WAP , GPRS o 3G ), lo que les permite ver imágenes CCTV del dispositivo móvil [83] dentro de la red de carreteras de Hampshire.

La empresa británica Trafficmaster utiliza el sistema ANPR desde 1998 para calcular la velocidad media del tráfico en carreteras que no son autopistas sin que los resultados se vean alterados por fluctuaciones locales provocadas por semáforos y similares. La empresa opera actualmente una red de más de 4000 cámaras ANPR, pero afirma que solo se identifican los cuatro dígitos más centrales y no se conservan los datos de las matrículas. [84] [85] [86]

La IEEE Intelligent Transportation Systems Society publicó algunos artículos sobre las tecnologías y aplicaciones de reconocimiento de números de matrícula. [ ¿Relevante? ]

Cobro electrónico de peaje

Autopistas de peaje

El sistema FasTrak en el condado de Orange, California , utiliza ANPR y transpondedores de radio .
Película que muestra la aproximación y el paso por una estación de peaje en Italia, utilizando un OBU Telepass. Observe las señales amarillas de carril y las marcas viales de Telepass y el sonido que emite el OBU al pasar por el carril.
Dos de las cuatro cámaras ANPR utilizadas para el cobro de peajes en el puente Hardanger en Noruega

La autopista 407 ETR de Ontario utiliza una combinación de ANPR y transpondedores de radio para cobrar peajes a los vehículos que entran y salen de la carretera. Las antenas de radio están ubicadas en cada cruce y detectan los transpondedores, registrando la identidad única de cada vehículo de la misma manera que lo hace el sistema ANPR. Sin el ANPR como segundo sistema, no sería posible monitorear todo el tráfico. Los conductores que optan por alquilar un transpondedor por CA$ 2,55 (US$ 1,92) por mes no pagan el "Peaje por Vídeo" de CA$ 3,6 (US$ 2,71) por usar la carretera, y los vehículos pesados ​​(aquellos con un peso bruto de más de 5.000 kg o 5,5 toneladas cortas) deben usar uno. Al usar cualquiera de los dos sistemas, los usuarios de la autopista son notificados de los cargos por uso por correo.

Existen muchas otras redes de cobro electrónico de peaje que utilizan esta combinación de identificación por radiofrecuencia y ANPR, entre ellas:

Portugal

Las carreteras portuguesas cuentan con autopistas antiguas con estaciones de peaje donde los conductores pueden pagar con tarjetas y también carriles donde hay sistemas de cobro electrónico. Sin embargo, la mayoría de las autopistas nuevas solo tienen la opción del sistema de cobro electrónico de peaje. El sistema de cobro electrónico de peaje consta de tres estructuras diferentes:

Cuando se instala la etiqueta inteligente en el vehículo, el vehículo se identifica rápidamente y se deduce automáticamente de la cuenta bancaria del propietario. Este proceso se realiza a cualquier velocidad hasta más de 250 km/h (160 mph). Si el vehículo no tiene la etiqueta inteligente, el conductor debe ir a una estación de pago para pagar los peajes entre el tercer y el quinto día después con un cargo adicional. Si no lo hace, el propietario recibe una carta a casa con una fuerte multa. Si no la paga, se quintuplica y, después, el vehículo se inserta en una base de datos policial para su incautación. Este sistema también se utiliza en algunas áreas de acceso limitado de las principales ciudades para permitir la entrada solo a los residentes previamente registrados. Está previsto implementarlo tanto en más carreteras como en la restricción de acceso/cobro de peajes en la entrada de la ciudad. Se considera que la eficacia del sistema es tan alta que es casi imposible que el conductor se queje.

Tasa de congestión en Londres

El sistema de peaje por congestión de Londres utiliza 230 cámaras y ANPR para ayudar a monitorear los vehículos en la zona de cobro.

La tasa de congestión de Londres es un ejemplo de un sistema que cobra a los automovilistas que entran en una zona de pago. Transport for London (TfL) utiliza sistemas ANPR y cobra a los automovilistas una tarifa diaria de £11,50 si entran, salen o se desplazan dentro de la zona de tasa de congestión entre las 7:00 a. m. y las 6:00 p. m., de lunes a viernes. Los propietarios de vehículos que se inscriban en el plan de deducción automática pagan una tarifa reducida de £10,50. [93] Las multas por viajar dentro de la zona sin pagar la tasa son de £65 por infracción si se paga antes de la fecha límite, duplicándose a £130 por infracción después de esa fecha.

Actualmente hay 1.500 cámaras que utilizan tecnología de reconocimiento automático de matrículas (ANPR). [94] También hay varias unidades de cámaras móviles que pueden desplegarse en cualquier lugar de la zona.

Se estima que alrededor del 98% de los vehículos que circulan por la zona son captados por cámaras. Las secuencias de vídeo se transmiten a un centro de datos situado en el centro de Londres, donde el software ANPR deduce la matrícula del vehículo. Un segundo centro de datos proporciona una ubicación de copia de seguridad para los datos de las imágenes.

Se registran tanto las matrículas delanteras como traseras de los vehículos que entran y salen de la zona, lo que da hasta cuatro oportunidades de registrar las matrículas de un vehículo que entra y sale de la zona. Esta lista se compara luego con una lista de vehículos cuyos propietarios u operadores han pagado para entrar en la zona; aquellos que no han pagado son multados. El propietario registrado de dicho vehículo se busca en una base de datos proporcionada por la DVLA. [95]

Sudáfrica

En Johannesburgo, Sudáfrica, se utiliza el sistema ANPR para el cobro de peajes. Los propietarios de automóviles que ingresan o salen del centro de la ciudad deben pagar una tarifa. La cantidad de peajes que se aplican depende de la distancia recorrida en la autopista en particular. Algunas de las autopistas con ANPR son la N12, la N3, la N1, etc.

Suecia

En Estocolmo , Suecia, el ANPR se utiliza para el impuesto de congestión de Estocolmo ; los propietarios de automóviles que ingresan o salen del centro de la ciudad deben pagar una tarifa, según la hora del día. Desde 2013, también se utiliza para el impuesto de congestión de Gotemburgo , que también incluye a los vehículos que pasan por la ciudad en las carreteras principales.

Uso privado

Varias empresas y agencias del Reino Unido utilizan sistemas ANPR, entre ellas, la Agencia de Servicios para Vehículos y Operadores (VOSA), [96] la Agencia de Licencias para Conductores y Vehículos (DVLA) [97] y Transport for London. [98]

Otros usos

Los sistemas ANPR también pueden utilizarse para/por:

Desafíos

Burla

Coche Volkswagen con matrícula con letras y números parcialmente ocultos. Rusia, 2021

Los propietarios de vehículos han utilizado diversas técnicas para intentar evadir los sistemas ANPR y las cámaras de control de las normas de tránsito en general. Un método aumenta las propiedades reflectantes de las letras y hace que sea más probable que el sistema no pueda localizar la matrícula o producir un nivel de contraste lo suficientemente alto como para poder leerla. Esto se hace típicamente utilizando una cubierta de matrícula o un aerosol, aunque las afirmaciones sobre la eficacia de este último son discutidas. En la mayoría de las jurisdicciones, las cubiertas son ilegales y están amparadas por las leyes existentes, mientras que en la mayoría de los países no hay ninguna ley que prohíba el uso de los aerosoles. [108] [109] Otros usuarios han intentado manchar su matrícula con tierra o utilizar cubiertas para ocultarla.

El 1 de septiembre de 2003, el Senado de Texas prohibió la colocación de marcos novedosos en las matrículas de vehículos de Texas , en virtud del proyecto de ley 439, porque causaban problemas con los dispositivos ANPR. Esa ley lo convirtió en un delito menor de Clase C (penable con una multa de hasta 200 dólares estadounidenses) o de Clase B (penable con una multa de hasta 2.000 dólares estadounidenses y 180 días de cárcel) si se puede demostrar que el propietario lo hizo para ocultar deliberadamente sus matrículas. [110] La ley se aclaró más tarde en 2007 para permitir los marcos novedosos.

Si un sistema ANPR no puede leer la matrícula, puede marcar la imagen para llamar la atención, y los operadores humanos comprobarán si pueden identificar los caracteres alfanuméricos. En 2013, los investigadores de Sunflex Zone Ltd crearon un marco para matrículas que utiliza luz infrarroja cercana para hacer que la matrícula sea ilegible para los sistemas de reconocimiento de matrículas. [111]

Controversia

La introducción de los sistemas ANPR ha generado temores de identificación errónea y de una mayor vigilancia al estilo de 1984. [112] En los Estados Unidos, algunos, como Gregg Easterbrook, se oponen a lo que ellos llaman "máquinas que emiten multas por exceso de velocidad y por pasar la luz roja" como el comienzo de una pendiente resbaladiza hacia un sistema de justicia automatizado:

“Una máquina clasifica a una persona como delincuente, y usted no puede confrontar a su acusador porque no hay acusador... ¿puede ser sensato establecer un principio según el cual cuando una máquina dice que usted hizo algo ilegal, se le presume culpable?” [113]

En otros países se han planteado críticas similares. Easterbrook también sostiene que esta tecnología se emplea para maximizar los ingresos del estado, en lugar de promover la seguridad. [113] El sistema de vigilancia electrónica produce multas que en los EE. UU. suelen superar los 100 dólares y que son prácticamente imposibles de impugnar ante un tribunal sin la ayuda de un abogado. [ cita requerida ] Los ingresos generados por estas máquinas se comparten generosamente con la corporación privada que las construye y las opera, lo que crea un fuerte incentivo para modificar el sistema para generar la mayor cantidad posible de multas.

Los sistemas más antiguos eran notoriamente poco fiables; en el Reino Unido, se sabe que esto ha dado lugar a que se presentaran cargos incorrectos y el propietario del vehículo tuviera que pagar 10 libras para obtener una prueba (o no) de la infracción. Las mejoras en la tecnología han reducido drásticamente los índices de error, pero las acusaciones falsas siguen siendo lo suficientemente frecuentes como para ser un problema.

Tal vez el incidente más conocido que involucra el abuso de una base de datos ANPR en América del Norte es el caso del periodista del Edmonton Sun Kerry Diotte en 2004. Diotte escribió un artículo crítico sobre el uso de cámaras de tráfico por parte de la policía de Edmonton para aumentar los ingresos y, en represalia, fue agregado a una base de datos ANPR de "conductores de alto riesgo" en un intento de monitorear sus hábitos y crear una oportunidad para arrestarlo. [114] [115] [116] El jefe de policía y varios oficiales fueron despedidos como resultado, y la Oficina del Comisionado de Privacidad de Canadá expresó su preocupación pública por el "creciente uso de tecnología por parte de la policía para espiar a los automovilistas". [117]

Otras preocupaciones incluyen el almacenamiento de información que podría utilizarse para identificar a las personas y almacenar detalles sobre sus hábitos de conducción y su vida diaria, lo que contraviene la Ley de Protección de Datos y otras leyes similares (véase información de identificación personal ). Las leyes del Reino Unido son estrictas para cualquier sistema que utilice imágenes de CCTV y pueda identificar a las personas. [118] [119] [120] [121] [122] [123] [124] [125]

También es motivo de preocupación la seguridad de los datos una vez extraídos, tras el descubrimiento de registros de vigilancia policial perdidos en una cuneta. [126] [127]

En el Reino Unido también se ha argumentado que el uso de cámaras ANPR es ilegal según la Ley de Regulación de los Poderes de Investigación de 2000. [ 128] Algunos afirman que la infracción se debe a que el ANPR se utiliza para controlar las actividades de ciudadanos respetuosos de la ley y trata a todos como a los presuntos delincuentes que se pretende vigilar en virtud de la Ley. Se sabe que la propia policía se refiere al sistema ANPR como una "base de datos de movimiento de tráfico 24 horas al día, 7 días a la semana", lo que supone una desviación de su finalidad prevista de identificar vehículos implicados en actividades delictivas. [129] El punto de vista opuesto es que, cuando se han clonado las matrículas, una "lectura" del vehículo de un automovilista inocente permitirá eliminar ese vehículo de una investigación mediante un examen visual de las imágenes almacenadas. Del mismo modo, los vehículos robados son leídos por los sistemas ANPR entre el momento del robo y el momento de la denuncia a la policía, lo que ayuda a la investigación.

En agosto de 2011, la Associated Press informó que los vehículos del Departamento de Policía de Nueva York y el equipo de rastreo de matrículas adquiridos con fondos federales de la HIDTA (High Intensity Drug Trafficking Area) se utilizaban para espiar a los musulmanes en las mezquitas y para rastrear los números de matrícula de los fieles. [130] La policía, en vehículos sin distintivos equipados con lectores electrónicos de matrículas, conducía por la calle y catalogaba automáticamente las matrículas de todos los que aparcaban cerca de la mezquita, acumulando una base de datos encubierta que se distribuiría entre los agentes y se utilizaría para elaborar perfiles de los musulmanes en público. [131]

En 2013, la Unión Estadounidense por las Libertades Civiles (ACLU, por sus siglas en inglés) publicó 26.000 páginas de datos sobre sistemas ANPR obtenidos de agencias locales, estatales y federales a través de leyes de libertad de información. "Los documentos pintan un cuadro alarmante de una tecnología implementada con muy pocas reglas que se está convirtiendo en una herramienta para el seguimiento y vigilancia rutinaria masiva de la ubicación", escribió la ACLU. La ACLU informó que en muchos lugares los dispositivos se estaban utilizando para almacenar información de ubicación en vehículos que no eran sospechosos de ningún delito en particular. "Las empresas privadas también están utilizando lectores de matrículas y compartiendo la información que recopilan con la policía con poca o ninguna supervisión o protección de la privacidad. La falta de regulación significa que las políticas que rigen el tiempo durante el cual se conservan nuestros datos de ubicación varían ampliamente", dijo la ACLU. [132] En 2012, la ACLU presentó una demanda contra el Departamento de Seguridad Nacional, que financia muchos programas ANPR locales y estatales a través de subvenciones, después de que la agencia no proporcionara acceso a los registros que la ACLU había solicitado bajo la Ley de Libertad de Información sobre los programas. [133]

A mediados de agosto de 2015, en Boston , se descubrió que los registros de matrículas de un millón de personas estaban en línea y sin protección. [134]

En abril de 2020, The Register UK, con la ayuda de investigadores de seguridad, descubrió nueve millones de registros ANPR que estaban abiertos en Internet. El sistema 3M Sheffield Council había estado en línea y sin protección desde 2013-2014 [135]

En Estados Unidos, los resultados inexactos han dado lugar a detenciones innecesarias de personas inocentes. El caso más notable fue el de una familia negra de Aurora (Colorado) en la que cuatro niños de entre 6 y 17 años fueron retenidos a punta de pistola y esposados. [136]

Inconsistencia de placas y diferencias jurisdiccionales

Muchos sistemas ANPR afirman ser precisos cuando están entrenados para hacer coincidir placas de una única jurisdicción o región, pero pueden fallar cuando intentan reconocer placas de otras jurisdicciones debido a variaciones en el formato, la fuente, el color, el diseño y otras características de la placa. [137] Algunas jurisdicciones (particularmente en los EE. UU.) ofrecen placas personalizadas o de afinidad, que pueden crear muchas variaciones dentro de una sola jurisdicción. [138]

De vez en cuando, los estados de EE. UU. realizan cambios significativos en su protocolo de matrículas que afectarán la precisión del OCR. Pueden agregar un carácter o agregar un nuevo diseño de matrícula. Los sistemas ALPR deben adaptarse a estos cambios rápidamente para ser efectivos. Otro desafío con los sistemas ALPR es que algunos estados tienen el mismo protocolo de matrículas. Por ejemplo, más de un estado usa las tres letras estándar seguidas de cuatro números. Por lo tanto, cada vez que suena la alarma del sistema ALPR, es responsabilidad del usuario asegurarse de que la matrícula que provocó la alarma coincida con el estado asociado con la matrícula que aparece en la computadora del automóvil. Para lograr la máxima efectividad, un sistema ANPR debe poder reconocer matrículas de cualquier jurisdicción y la jurisdicción a la que están asociadas, pero estas numerosas variables dificultan estas tareas.

Actualmente, al menos un proveedor de ANPR de EE. UU. ( PlateSmart ) afirma que su sistema ha sido revisado de forma independiente y que puede reconocer con precisión la jurisdicción de las matrículas de los estados de EE. UU., y un proveedor de ANPR europeo afirma que su sistema puede diferenciar todas las jurisdicciones de matrículas de la UE. [139] [140]

Precisión y medición del rendimiento del sistema ANPR

Algunos proveedores de software ANPR publican resultados de precisión basados ​​en comparaciones de imágenes. Estos resultados pueden variar según las imágenes que el proveedor haya elegido incluir en su prueba. En 2017, Sighthound informó una precisión del 93,6 % en una comparación de imágenes privada. [141] En 2017, OpenALPR informó tasas de precisión para su software comercial en el rango del 95-98 % en una comparación de imágenes pública. [142] Una investigación de abril de 2018 de la Universidad Federal de Paraná y la Universidad Federal de Minas Gerais de Brasil obtuvo una tasa de reconocimiento del 93,0 % para OpenALPR y del 89,8 % para Sighthound, ejecutándose ambas en el conjunto de datos SSIG; y una tasa del 93,5 % para un sistema de su propio diseño basado en el detector de objetos YOLO, que también utiliza el conjunto de datos SSIG. Al probar un "escenario más realista" que involucraba tanto la placa como el lector en movimiento, los investigadores obtuvieron tasas de menos del 70 % para los dos sistemas comerciales y del 78,3 % para el suyo propio. [143]

Véase también

Liza

Referencias

  1. ^ Du, Shan; Ibrahim, Mahmoud; Shehata, Mohamed; Badawy, Wael (11 de marzo de 2017). "Shan Du; IntelliView Technol., Inc., Calgary, AB, Canadá; Lakshman, M.; Shehata, M.; Badawy, Wael; Reconocimiento automático de matrículas (ALPR): una revisión del estado del arte". Transacciones IEEE sobre circuitos y sistemas para tecnología de vídeo . 23 (2): 311–325. CiteSeerX  10.1.1.352.2586 . doi :10.1109/TCSVT.2012.2203741. S2CID  206661467.
  2. ^ "Introducción al ANPR". Cctv-information.co.uk . Consultado el 11 de marzo de 2017 .
  3. ^ "Estás siendo rastreado" (PDF) . Unión Estadounidense por las Libertades Civiles . Julio de 2013.
  4. ^ "Historia de la ANPR". ANPR International . Consultado el 18 de diciembre de 2019 .
  5. ^ "Historia de ANPR". ANPR International . Consultado el 26 de octubre de 2020 .
  6. ^ "Método y aparato de seguimiento forense de personas". Google Patents. 7 de abril de 2005. Consultado el 22 de mayo de 2016 .
  7. ^ "La red de CCTV rastrea el coche que se escapa". BBC News . 21 de noviembre de 2005 . Consultado el 12 de agosto de 2013 .
  8. ^ Erez, Johanan; Cohen, Haim; Bergman, Gadi (2002). "Reconocimiento de matrículas de vehículos". Laboratorio de Ciencias de la Visión y la Imagen . Technion – Instituto Tecnológico de Israel . Consultado el 7 de enero de 2023 .
  9. ^ Erez, Johanan; Ron, Bar-Hen (2003). "Un sistema de reconocimiento de matrículas de vehículos en tiempo real (LPR)". Laboratorio de Ciencias de la Visión y la Imagen . Technion – Instituto Tecnológico de Israel . Consultado el 7 de enero de 2023 .
  10. ^ "Un enfoque para el reconocimiento de matrículas" (PDF) . Universidad de Calgary . 1996 . Consultado el 24 de enero de 2012 .[ enlace muerto permanente ]
  11. ^ Draghici, Sorin (1997). "Un sistema de visión artificial basado en redes neuronales para el reconocimiento de matrículas" (PDF) . Departamento de Ciencias de la Computación, Universidad Estatal de Wayne . Archivado desde el original (PDF) el 2 de noviembre de 2005. Consultado el 24 de enero de 2012 .
  12. ^ Kwaśnicka, Halina; Wawrzyniak, Bartosz (2002), "Localización y reconocimiento de matrículas en imágenes de cámaras" (PDF) , AI-METH 2002 – Artificial Intelligence Methods 13–15 de noviembre , Gliwice, Polonia , consultado el 13 de enero de 2014
  13. ^ Kahraman, Fatih; Gokmen, Muhittin (2003). "Segmentación de caracteres de matrículas basada en la transformada de Gabor y cuantificación vectorial" (PDF) . Archivado desde el original (PDF) el 20 de marzo de 2009. Consultado el 24 de enero de 2012 .
  14. ^ Martinsky, Ondrej (2007). "Principios algorítmicos y matemáticos de los sistemas de reconocimiento automático de matrículas" (PDF) . Universidad Tecnológica de Brno . Consultado el 24 de enero de 2012 .
  15. ^ "Un algoritmo de reconocimiento de matrículas para aplicaciones de sistemas de transporte inteligente". Universidad del Egeo y Universidad Técnica Nacional de Atenas . 2006. Archivado desde el original el 20 de abril de 2008. Consultado el 24 de enero de 2012 .
  16. ^ "Reconocimiento automático de matrículas". Cctv-information.co.uk . Consultado el 24 de enero de 2012 .
  17. ^ [1] Archivado el 18 de febrero de 2017 en Wayback Machine.
  18. ^ "eTendering - Vista detallada del aviso de adjudicación de contrato - 01092010RFT". Tenders.nsw.gov.au. Archivado desde el original el 23 de marzo de 2012. Consultado el 23 de abril de 2014 .
  19. ^ "Resumen del año" (PDF) .
  20. ^ Hoctor, Michelle (6 de junio de 2012). «Sistema de vigilancia masiva detecta conductores». Illawarra Mercury . Consultado el 23 de abril de 2014 .
  21. ^ "ANPR en Malinas". Bélgica.
  22. ^ "Blog de tecnología de privacidad: ¿Quién vigila por dónde conduces?". Oficina del Comisionado de Privacidad de Canadá. 13 de junio de 2017. Consultado el 17 de enero de 2020 .
  23. ^ "Dinamarca: la retención selectiva de datos ANPR se convirtió en vigilancia masiva". Derechos Digitales Europeos (EDRi) .
  24. ^ "Portiques écotaxe. Ils copient la plaque d'immatriculation de Hollande". Oeste de Francia . 20 de febrero de 2014 . Consultado el 21 de febrero de 2014 .
  25. ^ "Das Bundesverfassungsgericht" (en alemán). Bverfg.de. 3 de noviembre de 2008 . Consultado el 16 de febrero de 2009 .
  26. ^ "TraffiCapture". Jenoptic.com. 27 de abril de 2023.
  27. ^ "VÉDA Közúti Intelligens Kamerahálózat" (en húngaro). Országos Rendőr-főkapitányság . Consultado el 2 de septiembre de 2015 .
  28. ^ "Matrix Police". Hungría . Consultado el 24 de enero de 2012 .[ enlace muerto permanente ]
  29. ^ Matrículas de vehículos de Arabia Saudita
  30. ^ "Reconocimiento de matrículas árabes". Sourceforge. 2 de noviembre de 2014.
  31. ^ "Polisens nya vapen:" Terminator "-teknik". Suecia: Expressen.se. 28 de marzo de 2014.
  32. ^ "Ankara KGYS - Görüntüleme Sistemi". 12 de julio de 2012. Archivado desde el original el 12 de julio de 2012.
  33. ^ "Turk Telekom despliega un servicio de vigilancia del tráfico en Ankara". Telecompaper. 9 de diciembre de 2010. Consultado el 3 de agosto de 2012 .
  34. ^ "Control de vídeo". Ucrania: Ollie.com.ua.
  35. ^ "Acceso de la Policía Metropolitana a los datos de la cámara ANPR | Security Journal UK". 4 de agosto de 2022. Consultado el 11 de julio de 2023 .
  36. ^ "Reconocimiento automático de matrículas". POLICE.UK . Ministerio del Interior. Archivado desde el original el 18 de enero de 2020 . Consultado el 31 de enero de 2016 .
  37. ^ "ANPR". Colegio de Policía. 2013. Consultado el 31 de enero de 2016 .
  38. ^ "Código de prácticas para cámaras de vigilancia" (PDF) . Ministerio del Interior del Reino Unido. Junio ​​de 2013. pág. 5. Consultado el 1 de diciembre de 2013 .
  39. ^ "Estándares nacionales ANPR para la vigilancia policial: Parte 1 – Estándares de datos" (PDF) . Ministerio del Interior. Octubre de 2014. Consultado el 31 de enero de 2016 .
  40. ^ "Estándares nacionales ANPR para la vigilancia policial, parte 2: estándares de infraestructura" (PDF) . Ministerio del Interior. Octubre de 2014. Consultado el 31 de enero de 2016 .
  41. ^ "Estándares nacionales ANPR para la vigilancia policial, parte 3: estándares de acceso y gestión de datos" (PDF) . Ministerio del Interior. Octubre de 2014. Consultado el 31 de enero de 2016 .
  42. ^ "La empresa de rápido crecimiento Flock está construyendo un nuevo sistema de vigilancia masiva impulsado por inteligencia artificial". Unión Estadounidense por las Libertades Civiles . Consultado el 12 de abril de 2022 .
  43. ^ Guariglia, Jason Kelley y Matthew (14 de septiembre de 2020). "Cosas que debe saber antes de que su vecindario instale un lector automático de matrículas". Electronic Frontier Foundation . Consultado el 12 de abril de 2022 .
  44. ^ Matsakis, Louise. "¿Pueden los lectores de matrículas reducir realmente la delincuencia?". Wired . ISSN  1059-1028 . Consultado el 12 de abril de 2022 .
  45. ^ "¿Cómo están transformando las innovaciones tecnológicas la actuación policial?" (PDF) . Foro de investigación ejecutiva policial . Enero de 2012. Archivado desde el original (PDF) el 29 de enero de 2013.
  46. ^ "Se consideran cámaras para verificación de seguros". Tulsa World . 29 de noviembre de 2009.
  47. ^ "La tecnología de lectura de matrículas mejora la identificación y recuperación de vehículos robados". FBI . Septiembre de 2011.
  48. ^ Nakashima, Ellen (19 de febrero de 2014). "El Departamento de Seguridad Nacional cancela el plan nacional de seguimiento de matrículas". Washington Post .
  49. ^ Friedersdorf, Conor (19 de febrero de 2014). "La vigilancia masiva de todos los viajes en coche está a punto de llegar". The Atlantic .
  50. ^ Angwin, Julia y Jennifer Valentino-DeVries (29 de septiembre de 2012). "Nueva frontera de rastreo: sus matrículas". WSJ .
  51. ^ Balko, Radley (1 de diciembre de 2015). "Ha llegado la era del 'precrimen'". Washington Post .
  52. ^ "El Ayuntamiento de Los Ángeles considera enviar cartas de 'Querido John' a los hogares de hombres que solicitan servicios de prostitutas". cbslocal.com . CBS Los Ángeles. 26 de noviembre de 2015.
  53. ^ "Los Ángeles considera una campaña de cartas contra los clientes para frenar la prostitución". ABC13 Houston . Archivado desde el original el 28 de noviembre de 2015.
  54. ^ ab Belson, Ken (28 de febrero de 2010). "The Wired Repo Man: He's Not 'As Seen on TV'" (El hombre de los embargos de Wired: no es como se ve en la televisión). New York Times . Consultado el 24 de enero de 2012 .
  55. ^ "Los datos de matrículas no son sólo para la policía: las empresas privadas están rastreando su coche". NBC News . 19 de julio de 2013.
  56. ^ Legislaturas, Conferencia Nacional de Estados. "Lectores de matrículas automáticos | Estatutos estatales que regulan su uso". www.ncsl.org . Consultado el 27 de abril de 2018 .
  57. ^ Jackman, Tom (26 de abril de 2018). "La Corte Suprema de Virginia revive el desafío al almacenamiento policial de datos de lectores de matrículas". Washington Post . ISSN  0190-8286 . Consultado el 27 de abril de 2018 .Nota: El artículo dice incorrectamente que Arkansas tiene una política de retención de 3 años, pero es Colorado el que tiene dicha política.
  58. ^ "La ley de datos estatales aumenta las protecciones de privacidad para los virginianos". ACLU de Virginia . 5 de abril de 2019. Consultado el 15 de noviembre de 2019 .
  59. ^ "Los datos de matrículas capturados automáticamente por la policía son legales, dictamina la Corte Suprema de Virginia". WTOP . 23 de octubre de 2020 . Consultado el 25 de octubre de 2020 .
  60. ^ Nota, Caso reciente: La Corte Suprema Judicial de Massachusetts sostiene que el uso de lectores automáticos de matrículas puede constituir una búsqueda , 134 Harv. L. Rev. 2887 (2021).
  61. ^ Commonwealth v. McCarthy , 142 NE3d 1090 (Mass. 2020).
  62. ^ "Sección Control: 24.000 Raser angezeigt" (en alemán). Austria: ORF.at. 7 de junio de 2010. Archivado desde el original el 6 de julio de 2011. Consultado el 29 de julio de 2010 .
  63. ^ "Flitsers.net". Archivado desde el original el 3 de agosto de 2013. Consultado el 27 de julio de 2013 .
  64. ^ "Abu Dhabi revela tecnología de reconocimiento de matrículas". Arabian Business . 4 de septiembre de 2018.
  65. ^ "Ecco come funziona il Tutor in autostrada - Notizie brevi - Noticias - Informazione - ASAPS Il Portale della Sicurezza Stradale". Lo antes posible.it . Consultado el 3 de agosto de 2012 .
  66. ^ "Descripción del sistema" (en holandés). Fiscalía General de los Países Bajos. 31 de diciembre de 2009. Archivado desde el original el 17 de octubre de 2009. Consultado el 24 de enero de 2012 .
  67. ^ "Llegan los radares de velocidad media a España" (en español). Noticias.coches.com. 23 de septiembre de 2009 . Consultado el 24 de enero de 2012 .
  68. ^ "Nuevas cámaras punto a punto que entrarán en funcionamiento el 1 de febrero". 28 de enero de 2014. Consultado el 23 de mayo de 2017 .
  69. ^ ab "Preguntas frecuentes sobre Trajectcontrole" (en holandés). Fiscal General de los Países Bajos . Consultado el 24 de enero de 2012 .
  70. ^ "Autostrade SpA" (en italiano). Autostrade.it. 25 de mayo de 2008. Archivado desde el original el 16 de agosto de 2012. Consultado el 3 de agosto de 2012 .
  71. ^ "Autovelox come funzionano. Fissi mobili Tutor Bidirezionali". www.ztlmilano.it (en italiano) . Consultado el 19 de mayo de 2021 .
  72. ^ "Niemand rijdt meer te hard op de A2". Trouw (en holandés). 18 de octubre de 1997 . Consultado el 24 de enero de 2012 .
  73. ^ "Nummerborden lezen op de A13". Trouw (en holandés). 6 de mayo de 2002 . Consultado el 24 de enero de 2012 .
  74. ^ Kreling, Tom (28 de agosto de 2008). "Een duur foutje van de computer". NRC Handelsblad (en holandés) . Consultado el 24 de enero de 2012 .[ enlace muerto permanente ]
  75. ^ ab "SPECS - radares de velocidad media en SPECS". A77safetygroup.com. 14 de julio de 2005. Archivado desde el original el 11 de marzo de 2012. Consultado el 24 de enero de 2012 .
  76. ^ "Jeremy Clarkson lucha contra molinos de viento: evitar las cámaras de velocidad es un mito urbano". The Register . 21 de julio de 2008 . Consultado el 23 de enero de 2012 .
  77. ^ "La Marina de los EE. UU. selecciona PlateSmart® exclusivamente para ayudar con la seguridad y las investigaciones de la base". Defense Procurement News . 4 de marzo de 2013. Archivado desde el original el 5 de marzo de 2016. Consultado el 15 de enero de 2014 .
  78. ^ "Después de Boston: los pros y los contras de las cámaras de vigilancia". CNN Tech . 26 de abril de 2013.
  79. ^ "Matriz de vigilancia basada en evidencias" (Copia archivada). Archivado desde el original el 4 de agosto de 2016 . Consultado el 3 de junio de 2016 .
  80. ^ "Reconocimiento de matrículas, casinos tribales y personas excluidas" (PDF) . Indiangaming.com . Febrero de 2011. Archivado desde el original (PDF) el 10 de enero de 2016 . Consultado el 13 de septiembre de 2013 .
  81. ^ "Reconociendo una nueva forma de mantener el tráfico en movimiento". Siemenstraffic.com. Archivado desde el original el 17 de abril de 2005. Consultado el 24 de enero de 2012 .
  82. ^ "ROMANSE Traffic - Información de viaje en tiempo real para Hampshire" www.romanse.org.uk .
  83. ^ "Romanse Móvil". 18 de octubre de 2013. Archivado desde el original el 18 de octubre de 2013.
  84. ^ "PIPS suministra sistemas de medición de tiempos de viaje a Trafficmaster". Tecnología PIPS. Archivado desde el original el 24 de enero de 2009. Consultado el 24 de enero de 2012 .
  85. ^ "Motor de reconocimiento de matrículas BLURA". Blura.com. Archivado desde el original el 4 de enero de 2012. Consultado el 24 de enero de 2012 .
  86. ^ "Carreteras principales – PTFM". Trafficmaster.co.uk. Archivado desde el original el 7 de febrero de 2012. Consultado el 24 de enero de 2012 .
  87. ^ Hansen, Megan y Will Jason (27 de marzo de 2013). "El puente Golden Gate experimenta una transición fluida hacia peajes totalmente electrónicos". Marin Independent Journal . Consultado el 17 de mayo de 2013 .
  88. ^ "Puente del puerto de San Juan". Puente del puerto de San Juan . Consultado el 23 de abril de 2014 .
  89. ^ "Puente Golden Ears". Archivado desde el original el 4 de septiembre de 2010. Consultado el 2 de septiembre de 2010 .
  90. ^ "Primeros pasos". Gobierno de Nueva Gales del Sur.
  91. ^ "autopistacentral.cl (en español)". autopistacentral.cl. 22 de enero de 2014. Consultado el 23 de abril de 2014 .
  92. ^ "遠通電收". Fetc.net.tw. 10 de febrero de 2006 . Consultado el 23 de abril de 2014 .
  93. ^ "Pagos de la tasa de congestión". Transport for London . Consultado el 16 de octubre de 2017 .
  94. ^ "Met ha recibido datos de carga eléctrica en tiempo real". BBC . 17 de julio de 2007. Archivado desde el original el 13 de septiembre de 2007 . Consultado el 20 de septiembre de 2007 .
  95. ^ "Transporte para Londres". Cclondon.com. 17 de julio de 2011. Archivado desde el original el 12 de diciembre de 2007. Consultado el 24 de enero de 2012 .
  96. ^ "vosa.gov.uk". Archivado desde el original el 8 de septiembre de 2017 . Consultado el 31 de diciembre de 2018 .
  97. ^ "Agencia de licencias de conducción y vehículos". www.gov.uk . 2 de agosto de 2023.
  98. ^ "Congestion Charge". Transport for London . Archivado desde el original el 12 de diciembre de 2007. Consultado el 31 de marzo de 2005 .
  99. ^ "Control de secciones". Dossiers de Verkeershandhaving. Archivado desde el original el 12 de mayo de 2006. Consultado el 24 de enero de 2012 .
  100. ^ "Un sistema de alta tecnología ayuda a un agente de embargos a encontrar coches" Archivado el 14 de abril de 2010 en Wayback Machine . WFTV . 11 de noviembre de 2009.
  101. ^ "Vallas publicitarias del Reino Unido equipadas con cámaras espía para matrículas". TheNewspaper.com. 25 de septiembre de 2009. Consultado el 2 de julio de 2013 .
  102. ^ "Vallas publicitarias del Reino Unido equipadas con cámaras espía para matrículas". 25 de septiembre de 2009. Consultado el 2 de julio de 2013 .
  103. ^ "Extreme CCTV anuncia contrato para cámaras de tráfico en Estocolmo" (PDF) . Extremecctv.com. 22 de abril de 2004. Archivado desde el original (PDF) el 9 de abril de 2008 . Consultado el 24 de enero de 2012 .
  104. ^ Federico, Markus; Jehlicka, Prokop; Schlaich, Johannes (2008). "Reconocimiento automático de matrículas para el respeto del comportamiento de viaje". Universität Stuttgart Institut für Straßen und Verkehrswesen . Consultado el 2 de julio de 2013 .
  105. ^ Federico, Markus; Jehlicka, Prokop; Schlaich, Johannes (2008). "Reconocimiento automático de matrículas para el respeto del comportamiento de viaje" (PDF) . Octava Conferencia Internacional sobre Métodos de Encuesta en el Transporte: Armonización y Comparabilidad de Datos, mayo de 2008, Annecy, Francia . Universität Stuttgart Institut für Straßen und Verkehrswesen. Archivado desde el original (PDF) el 26 de marzo de 2012 . Consultado el 2 de julio de 2013 .
  106. ^ Basich, Melanie (1 de mayo de 2018). "Hazte a un lado o te espera algo". policemag.com . Archivado desde el original el 2 de mayo de 2018. Consultado el 25 de mayo de 2018 .
  107. ^ Jeffrey Brian Gerfen (28 de enero de 2002). «Sistema de modelado de emisiones a microescala» (PDF) . Universidad Politécnica Estatal de California . Archivado desde el original (PDF) el 4 de octubre de 2006. Consultado el 25 de mayo de 2018 , a través de la Junta de Recursos del Aire de California .
  108. ^ Sexton, Steve (3 de julio de 2003). "El aerosol para matrículas cubre las cámaras de tráfico". Washington Times . Consultado el 2 de julio de 2013 .
  109. ^ Sexton, Steve (3 de julio de 2003). «License-plate spray foils Traffic Cameras» (El aerosol para matrículas cubre las cámaras de tráfico). Washington Times . Archivado desde el original el 31 de julio de 2013. Consultado el 2 de julio de 2013 .
  110. ^ Wentworth, Jeff . "Las matrículas ocultas podrían ser motivo de multa para los automovilistas". Senado del estado de Texas. Archivado desde el original el 24 de marzo de 2005. Consultado el 5 de abril de 2005 .
  111. ^ "2x Stealth Anti-Tracking IR Infrared License Plate Blocker Privacy Frame, Anti-ALPR" (Marco de privacidad para bloquear la matrícula por infrarrojos, antirrastreo, antialpr) SunflexZone . Archivado desde el original el 20 de mayo de 2015 . Consultado el 19 de mayo de 2015 .
  112. ^ Mathieson, SA (19 de junio de 2003). "Manteniendo 1984 en el pasado". The Guardian . Reino Unido.
  113. ^ ab Easterbrook, Gregg (28 de febrero de 2005). "Daily Express - Lights, Camera, Action". The New Republic Online . Archivado desde el original el 3 de septiembre de 2005.(se requiere suscripción)
  114. ^ "Un agente de Edmonton es reprendido por investigar a un columnista de un periódico". CBC News. 14 de noviembre de 2005.
  115. ^ "CBC Edmonton - Features - Edmonton Police". CBC News. Archivado desde el original el 23 de octubre de 2007. Consultado el 2 de julio de 2013 .
  116. ^ "Oficial enfrenta suspensión por operación encubierta de horas extras". Edmonton Police Watch. 6 de septiembre de 2008. Archivado desde el original el 3 de agosto de 2012. Consultado el 24 de enero de 2012 .
  117. ^ "Canadá: el Comisionado de Privacidad está preocupado por el espionaje de matrículas". Thenewspaper.com. 3 de julio de 2007. Consultado el 24 de enero de 2012 .
  118. ^ Lettice, John (21 de febrero de 2003). "La zona de cobro de Londres, la Ley DP y MS .NET". The Register . Londres . Consultado el 24 de enero de 2012 .
  119. ^ "Estrategia ANPR para el Servicio de Policía 2005/2006". Grupo Directivo ANPR de la ACPO (Asociación de Jefes de Policía). 17 de marzo de 2005. Archivado desde el original el 20 de marzo de 2009. Consultado el 24 de enero de 2012 .
  120. ^ "Reducir la delincuencia" (PDF) . Londres: Ministerio del Interior del Reino Unido. 22 de octubre de 2004. Archivado desde el original (PDF) el 8 de enero de 2007. Consultado el 2 de julio de 2013 .
  121. ^ Constant, Mike. "ANPR". Información de CCTV. Archivado desde el original el 21 de marzo de 2005. Consultado el 30 de marzo de 2005 .
  122. ^ Hofman, Yoram. "Reconocimiento de matrículas: un tutorial". Archivado desde el original el 24 de marzo de 2005. Consultado el 28 de marzo de 2005 .
  123. ^ Lucena, Raul (24 de agosto de 2006). "Tutorial de reconocimiento automático de matrículas". ANPR-tutorial.com. Archivado desde el original el 31 de marzo de 2017. Consultado el 12 de agosto de 2010 .
  124. ^ Lettice, John (24 de marzo de 2005). "¿No hay escondite? Las cámaras de matrículas del Reino Unido se vuelven nacionales". The Register . Archivado desde el original el 28 de marzo de 2005. Consultado el 28 de marzo de 2005 .
  125. ^ "Reconociendo una nueva forma de mantener el tráfico en movimiento". Siemens Traffic. Archivado desde el original el 17 de abril de 2005. Consultado el 3 de abril de 2005 .
  126. ^ "Reino Unido: los datos de las cámaras de tráfico se han perdido en la cuneta". thenewspaper.com . Consultado el 24 de enero de 2012 .
  127. ^ Clements, Jon (11 de marzo de 2008). «Encuentran en una cuneta una memoria USB policial que contenía datos secretos». The Mirror (Reino Unido) . Consultado el 2 de julio de 2013 .
  128. ^ "Ley de regulación de los poderes de investigación de 2000". Legislación.gov.uk . Archivos Nacionales. 2000 . Consultado el 24 de enero de 2012 .
  129. ^ "Las cámaras de matrículas de la policía pueden infringir la RIPA - Comisionado". TheRegister.com. 17 de julio de 2006. Consultado el 24 de enero de 2012 .
  130. ^ "Dinero a cambio de nada: la guerra contra las drogas y la guerra contra los musulmanes". Privacy SOS . 10 de septiembre de 2012.
  131. ^ Green, Jonah (24 de febrero de 2012). "El Departamento de Policía de Nueva York defiende sus tácticas de espionaje a las mezquitas; los registros revelan nuevos detalles sobre la vigilancia musulmana". Huffington Post .
  132. ^ "ACLU plantea inquietudes sobre privacidad acerca de la tecnología policial que rastrea a los conductores - CNN.com". CNN . 18 de julio de 2013.
  133. ^ Klein, Allison (26 de septiembre de 2012). "ACLU presenta demanda por información sobre lectores de matrículas". The Washington Post .
  134. ^ Crockford, Kade (10 de septiembre de 2015). «La base de datos de lectores de matrículas de Boston estaba en línea en texto sin formato y sin protección por contraseña». ACLU de Massachusetts . Archivado desde el original el 30 de agosto de 2017. Consultado el 30 de mayo de 2018 .
  135. ^ "Nueve millones de registros de viajes por carretera de británicos se filtran en Internet desde el tablero de instrumentos de una cámara de matrícula sin contraseña". The Register . 28 de abril de 2020.
  136. ^ "Una familia negra esposada a punta de pistola por la policía demanda a Aurora, Colorado". NBC News . 25 de enero de 2021 . Consultado el 12 de abril de 2022 .
  137. ^ "Sistemas de reconocimiento automático de matrículas: políticas y orientación operativa para la aplicación de la ley" (PDF) . Departamento de Justicia de Estados Unidos, Instituto Nacional de Justicia . 2012. Archivado desde el original (PDF) el 13 de julio de 2018 . Consultado el 18 de octubre de 2013 .
  138. ^ "Nuevos avances en el ALPR". Revista de tecnología policial . 15 de febrero de 2011.
  139. ^ [2] [ enlace muerto ]
  140. ^ the license plateognition company (20 de octubre de 2004). "Algoritmos y tecnología de reconocimiento de matrículas". Platerecognition.info . Consultado el 23 de abril de 2014 .
  141. ^ Dehghan, Afshin; Zain Masood, Syed; Shu, Guang; Ortiz, Enrique G. (19 de febrero de 2017). "Reconocimiento de color, modelo y marca de vehículo independiente mediante red neuronal convolucional". Archivado desde el original el 30 de mayo de 2018. Consultado el 30 de mayo de 2018 a través de ResearchGate.
  142. ^ "OpenALPR Benchmarks". openalpr.com . 31 de octubre de 2017. Archivado desde el original el 31 de octubre de 2017 . Consultado el 30 de mayo de 2018 .
  143. ^ Laroca, Rayson; Severo, Evair; Zanlorensi, Luiz A.; Oliveira, Luis S.; Resende Gonçalves, Gabriel; Robson Schwartz, William; Menotti, David (28 de abril de 2018). Conferencia conjunta internacional sobre redes neuronales (IJCNN) de 2018 . págs. 1–10. arXiv : 1802.09567 . doi :10.1109/IJCNN.2018.8489629. ISBN 978-1-5090-6014-6.S2CID206919813  .​