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]
El ANPR a veces se conoce con otros términos:
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 baratos y fáciles 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]
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.
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 complejos 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]
Durante la década de 1990, se produjeron importantes avances tecnológicos que permitieron que los sistemas de reconocimiento automático de matrículas (ANPR) 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.
Hay siete algoritmos principales que el software requiere para identificar una matrícula:
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.
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.
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.
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 junto a él) 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 1 ⁄ 1000 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 1 ⁄ 500 de segundo pueden hacer frente al tráfico que se mueve hasta 65 km/h (40 mph) y 1 ⁄ 250 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. Exceder los ángulos de incidencia límite entre la lente de la cámara y la matrícula 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.
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]
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 incluidos en las " 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]
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]
La técnica está siendo probada por la policía danesa y se utiliza de forma permanente desde mediados de 2016. [23]
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]
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]
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 velocidad, el control de 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 la matrícula 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.
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]
La técnica está siendo probada por la Autoridad Policial Sueca en nueve lugares diferentes de Suecia. [31]
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).
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.
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]
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.
Las leyes varían entre los estados con respecto a la recopilación y retención de información de matrículas. A partir de 2019 [actualizar], 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]
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 extensas, en lugar de fomentar el frenado brusco al acercarse a ubicaciones específicas de las cámaras y la posterior aceleración hasta alcanzar velocidades ilegales. [69]
En las autopistas italianas existe un sistema de monitorización llamado Tutor (dispositivo) 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]
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]
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]
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]
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 ).
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 ANPR en estas imágenes, es posible supervisar el recorrido de vehículos individuales, lo que proporciona automáticamente información sobre la velocidad y el flujo de varias 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? ]
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 controlar todo el tráfico. Los conductores que optan por alquilar un transpondedor por 2,55 dólares canadienses (1,92 dólares estadounidenses) al mes no pagan el "peaje por vídeo" de 3,6 dólares canadienses (2,71 dólares estadounidenses) por utilizar la carretera, y los vehículos pesados (aquellos con un peso bruto de más de 5.000 kg o 5,5 toneladas cortas) deben utilizar uno. Con cualquiera de los dos sistemas, los usuarios de la autopista reciben una notificación 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:
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 multiplica por cinco y después de eso, el vehículo se inserta en una base de datos de la policía 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 que se implemente 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.
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]
En Johannesburgo, Sudáfrica, se utiliza el sistema ANPR para el cobro de peajes. Los propietarios de vehículos que entran 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.
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.
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]
Los sistemas ANPR también pueden utilizarse para/por:
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, gracias a la ley 439, ya que 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]
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:
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 desprotegidos. [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]
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]
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 ambos 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]
