estudio de requerimientos de un plan piloto para integrar un sistema
Anuncio
ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL CONSULTOR: ING. EDUARDO MASACHE P. ING. MAURICIO MASACHE H. ING. RICARDO YANEZ Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Resumen Ejecutivo .............................................................................................................................. 3 I. Introducción ................................................................................................................................ 4 A. Antecedentes .............................................................................................................................. 4 B. Descripción del Proyecto ............................................................................................................ 4 C. Metodología de Trabajo .............................................................................................................. 5 II. Problemática del Proyecto .......................................................................................................... 6 A. Objetivos ..................................................................................................................................... 6 B. Escenarios Actuales Definidos..................................................................................................... 6 III. Modelamiento de la Solución ................................................................................................. 8 A. Marco Teórico ............................................................................................................................. 8 ANÁLISIS DE IMÁGENES .............................................................................................................. 8 Imágenes vectoriales................................................................................................................... 8 RECONOCIMIENTO ÓPTICO DE CARACTERES (OCR) ................................................................. 12 IDENTIFICACIÓN POR RADIOFRECUENCIA (RFID)...................................................................... 20 B. Sistema Gestión y Control ......................................................................................................... 25 C. Dimensionamiento de la Red .................................................................................................... 32 IV. Conclusiones y Recomendaciones ........................................................................................ 34 V. Bibliografía ................................................................................................................................ 35 VI. ANEXOS ................................................................................................................................. 36 A. REPORTES DE TRABAJO EN CAMPO ...................................................................................... 36 B. IMÁGENES DE SOFTWARE OPERATIVO EN CAMPO .............................................................. 37 C. MANUAL DE USUARIO........................................................................................................... 38 Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Resumen Ejecutivo La presente consultoría comprende un “ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL” que incluye un sistema de software y hardware para análisis de placas y reconocimiento facial que ayudará a disminuir las irregularidades y falencias que hoy por hoy se presentan en los sistemas de gestión y control forestal. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL I. Introducción A. Antecedentes El Ministerio del Ambiente, a través de la Dirección Nacional Forestal, administra los Controles Móviles y Fijos, destinados para el control de los productos de la Madera en el territorio Ecuatoriano. Con el fin de apoyar estos controles se ha considerado el apoyo de la tecnología para implementar un plan piloto de un Sistema de Análisis de Imágenes para el Control Forestal, y mejorar el control de la movilización de la madera y por ende los procesos de la actividad forestal y que se suma a los esfuerzos que van en beneficio del manejo forestal sustentable y de la sociedad en general. Es por esto que el proyecto de Estadísticas Forestales y Control de la Madera necesita el uso de avanzada tecnología para el levantamiento de los requisitos previo a la implementación de un plan piloto de un Sistema de Análisis de Imágenes para el Control Forestal. Por lo tanto con fecha 8 de diciembre del 2010 se firma entre Ministerio del Ambiente a través de la Ing. Doris Reinoso Villalva Coordinadora General de la Unidad Coordinadora de Proyectos y el Ing. Julio Eduardo Masache Paredes, consultor ganador del proceso CDC-UCP-048C-2010, el contrato de consultoría para dar comienzo a los estudios de requerimientos. B. Descripción del Proyecto El presente proyecto enmarca la solución, que cumple con los requerimientos solicitados por el Coordinador y su equipo técnico para ayudar a la gestión y control forestal, que incluye los requerimientos para una infraestructura de manejo de imágenes para detección de placas y control con tarjetas de identificación por radiofrecuencia para controlar el transporte de madera por el país, disminuir las evasiones en los controles y el tráfico ilegal. Además de esto la solución cuenta con un sistema de reconocimiento facial para el monitoreo en los puestos fijos de control de los verificadores y de esta manera frenar los actos de corrupción que puedan suscitarse. El proyecto comienza a desarrollarse el 8 de diciembre del 2010 y a través de varias reuniones se coordinan los alcances, requerimientos y escenarios reales que deben ser tomados en cuenta para el desarrollo de la solución, y este culmina el 24 de enero del 2011 con la presentación de las demostraciones de funcionamiento. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL C. Metodología de Trabajo El trabajo fue realizado con el apoyo del Ministerio del Ambiente y registrando cada uno de los requerimientos para buscarles la mejor solución posible, se ensayaron distintos tipos y propuestas de soluciones, cada una discutida en reuniones entre el equipo de trabajo del consultor y el equipo de trabajo del Ministerio tomando las medidas necesarias para darles el mejor criterio. Se realizó trabajo de campo probando equipos, entre estos están cámaras, tarjetas de identificación y ensayando el software a utilizarse para dar el resultado más apegado a la realidad acerca de las especificaciones técnicas de los equipos y buscando aquellos que más se apeguen a la presentación más robusta de la solución. Se preparó una demostración física para que se conozcan las ventajas de los sistemas y software de gestión en donde se presentó en detalle los equipos de telecomunicaciones, infraestructura de red y física requerida, y se discutió y aceptó formalmente la solución. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL II. Problemática del Proyecto A. Objetivos Administrar los Controles Móviles y Fijos, destinados para el control de los productos de la Madera en el territorio Ecuatoriano. Con el fin de apoyar estos controles se ha considerado el apoyo de la tecnología para implementar un plan piloto de un Sistema de Análisis de Imágenes para el Control Forestal, y mejorar el control de la movilización de la madera y por ende los procesos de la actividad forestal y que se suma a los esfuerzos que van en beneficio del manejo forestal sustentable y de la sociedad en general. Determinar los objetos que serán analizados mediante técnicas de procesamiento de imágenes en relación al flujo de la madera movilizada dentro del país. Definir los estándares para el diseño del software y requerimientos de hardware, que permitan implementar un sistema de gestión y control del flujo de los recursos maderables movilizados dentro del país. B. Escenarios Actuales Definidos A continuación se detallan los escenarios actuales de control del sistema de gestión de movilización de madera en Ecuador: Dentro del sistema existen controles en puestos fijos, determinados en cada provincia y operativos en distintos puntos. Existen controles eventuales a través de patrulleros en camino. No hay supervisión sobre el procedimiento que se lleva en los puestos de control por el personal asignado para revisar documentación específica, llamándose a esto guías y control sobre otros datos como el volumen de madera que se transporta y rutas que deban coincidir con los permisos de movilización. La gestión y control de camiones autorizados para realizar el transporte de madera está basado únicamente en guías emitidas vía web, de manera que con los datos registrados en la misma no es posible conocer si el camión lleva sus placas legales, o estas han sido alteradas o cambiadas. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Se conoce de la existencia (casos) donde se han suscitado problemas de corrupción en las vías y puestos de control. No existe un mecanismo para controlar y eliminar este particular. No existe un procedimiento que permita establecer la ruta tomada por el camión y los puntos fijos de control que han sido visitados o que deberían haber sido visitados. Además de fechas y horas precisas de paso sobre estos puntos. Los protocolos asignados para el control de los transportistas, no se puede supervisar documentadamente (fotos o videos). No es posible supervisar y documentar (fotos o videos) el debido cumplimiento de los protocolos definidos para guardias forestales y verificadores en puestos de control. Se tiene falencias en los mecanismos de control en vías para los transportistas, rutas, tiempos de movilización, posibles desembarques en sitios para retornos por otras cargas no autorizadas, cambio de guías, etc. Se conoce que existe desvío de transportes para evadir puestos de control. No se dispone de un sistema adecuado de alertas a puestos de control y patrullas en casos en que se presenten irregularidades, sean estas en tiempos de transporte, adulteraciones de camiones y placas, retornos indebidos, etc. No existe control en detalle del trabajo de los guardias de puestos fijos y de esta manera evitar posibles intentos de coímas o hechos similares. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL III. Modelamiento de la Solución A. Marco Teórico Para cubrir correctamente los requerimientos realizados por el personal técnico del Ministerio del Ambiente sobre el proyecto se ha propuesto el análisis el uso de cámaras de alta velocidad y el análisis de imágenes como marco general de la solución, incluyendo en la misma el uso de tecnología de reconocimiento por radiofrecuencia. ANÁLISIS DE IMÁGENES El área de análisis de imágenes se define como la construcción de algoritmos para la extracción de información presente en las imágenes. Tipos de Imágenes Clasificar las imágenes es una tarea que puede realizarse basándose en múltiples criterios, se puede distinguir las imágenes de mapa de bits que se encuentran descompuestas en píxeles, es decir, pequeños cuadraditos de color que, al observarse todos en conjunto proporcionan la representación total de la imagen, mientras que las imágenes vectoriales son gráficos formados a base de curvas y líneas a través de elementos geométricos definidos como vectores y están descritos en base a fórmulas matemáticas que definen su relleno y contorno. La gran ventaja de las imágenes vectoriales es que no sufren pérdida de resolución al producirse una ampliación de los mismos. Este es el proceso utilizado para el análisis de placas y reconocimiento facial. Imágenes en mapa de bits Una imagen bitmap o mapa de bits, esta compuesta por pequeños puntos. Cada uno de estos puntos o cuadros, llamados píxeles poseen un valor cromático y de luminosidad, independiente del resto de los píxel que componen la imagen en su conjunto con unos valores de color y luminancia propios. El conjunto de esos pixeles componen la imagen total. Imágenes vectoriales Las imágenes vectoriales se componen de contornos y rellenos definidos vectorialmente mediante ecuaciones precisas que describen perfectamente cada ilustración. Esto posibilita que sean escalables y no altera su calidad cuando quieren reproducirse en un dispositivo de salida Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL adecuado. Esta característica adquiere especial relevancia en ilustraciones que contienen zonas con contornos curvados. Imagen vectorial con relleno y contorno perfectamente definidos. Este tipo de imágenes son adecuadas para ilustraciones que contienen zonas bien definidas con rellenos homogéneos de color y se utilizan dadas sus altas prestaciones a la hora de su reproducción. Logotipo vectorial. Esta imagen figura con la máxima nitidez, tanto en lo relativo a su color como a su forma, es decir, se necesita disponer de un formato gráfico que no altere la calidad ante las distintas transformaciones que debe sufrir la imagen. La imagen vectorial está especialmente indicada en estos casos. Admite que sea escalada sin que se produzca absolutamente ninguna pérdida en la precisión de su trazo, no importa a qué tamaño sea reproducida. Por otra parte, las imágenes vectoriales permiten que se modifique su contorno a voluntad con transiciones suaves entre las zonas de concavidad y convexidad, sin que afecte para nada a la calidad de la representación. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Manejadores de forma en los nodos de cambio de curvatura en una figura vectorial. Los gráficos vectoriales son más simples que los gráficos de mapas de bits, ya que en ellos las imágenes se almacenan y representan por medio de trazos geométricos controlados por cálculos y fórmulas matemáticas, tomando algunos puntos de la imagen como referencia para construir el resto. Un gráfico vectorial se define por la posición de sus puntos inicial y final y por una función que describe el camino entre ellos. Cada vector en un gráfico vectorial tiene una línea de contorno, con un color y un grosor determinados, y está relleno de un color a elegir. Las características de contorno y relleno se pueden cambiar en cualquier momento. Las imágenes vectoriales se almacenan como una lista que describe cada uno de sus vectores componentes, su posición y sus propiedades. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Curvas de Bézier Los principales elementos constituyentes de un vector son las denominadas curvas de Bézier, desarrolladas por Pierre Bézier por encargo de la empresa Renault, que buscaba una familia de curvas representables matemáticamente que permitieran representar las curvaturas suaves que deseaban dar a sus automóviles. Una curva Bézier queda totalmente definida por cuatro puntos característicos, los puntos inicial y final de la curva (nodos o puntos de anclaje) y dos puntos de control (puntos de control, manejadores o manecillas), invisibles en el gráfico final, que definen su forma. Para modificar su forma, basta cambiar de posición uno de sus nodos o uno de sus puntos de control. También son enormemente versátiles, pudiendo adoptar desde curvaturas muy suaves (casi líneas rectas) a curvaturas muy fuerte (curvas complejas), pasando por todos los valores intermedios. Pueden, incluso, cambiar de cóncavas a convexas alrededor de un punto. Ventajas y limitaciones de los gráficos vectoriales Las principales ventajas que ofrecen los gráficos vectoriales, derivadas de su naturaleza matemática, son: Almacenan las imágenes en archivos muy compactos, ya que sólo se requiere la información (fórmulas matemáticas) necesaria para generar cada uno de los vectores. dado que no se ha de almacenar información para definir cada punto de la pantalla, sino una serie de fórmulas matemáticas. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Permiten modificar el tamaño de las imágenes y de sus objetos componentes sin que se produzca pérdida de información, pues se actualizan de forma matemática todas las nuevas relaciones y posiciones de los elementos geométricos que las componen. Con ello, los cambios de tamaño de las imágenes vectoriales no afectan a la calidad de las mismas, apareciendo siempre con la misma nitidez. Cada objeto viene definido por sus propias fórmulas matemáticas y se maneja independientemente del resto, pudiendo escalarse, distorsionarse y cambiarse de forma o de posición sin afectar para nada los otros elementos del dibujo. Es posible un control independiente del color, tanto del contorno como del relleno, admitiendo la aplicación de texturas, degradados, transparencias, etc. Se puede controlar con gran precisión la forma, orientación y ordenación de los elementos. Se puede relacionar de diferentes formas con el resto de objetos del gráfico (agrupar, separar, recortar, intersectar, etc.). El principal inconveniente de las imágenes vectoriales es que tiene un aspecto más frío que los gráficos de mapa de bits, con su contorno demasiado perfecto, que los hace a veces poco naturales, aunque siempre es posible crear premeditadamente contornos un poco irregulares, para que se parezca algo más al dibujo natural. Otros inconvenientes de este tipo de gráficos son su falta de eficacia para representar imágenes de tipo fotográfico, la dificultad que presenta para tratar algunas efectos (sombras, luces, etc...) y que cuando son muy grandes o muy complejas pueden volverse extremadamente difíciles de manejar por los programas gráficos y por los medios de impresión. RECONOCIMIENTO ÓPTICO DE CARACTERES (OCR) El reconocimiento óptico de caracteres es el proceso de cambiar una imagen digitalizada en texto editable en el ordenador. Una imagen es un gráfico electrónico de texto, las imágenes no incorporan texto que se pueda editar directamente, sino que están definidas por píxeles que juntos forman un gráfico de texto. Para realizar OCR es necesario un software que permita reconocer los caracteres y convertirlos a texto informático. El software identifica automáticamente símbolos o caracteres que pertenecen a un determinado alfabeto, a partir de una imagen para almacenarla en forma de datos con los que Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL podremos interactuar a fin de poder automatizar la introducción de caracteres evitando la entrada por teclado, lo cual implica un importante ahorro de recursos y un aumento de la productividad. Fases del proceso En todo sistema de reconocimiento óptico de caracteres (OCR) se distinguen 4 etapas: 1. 2. 3. 4. Adecuación de la imagen (preproceso). Selección de la zona de interés (segmentación). Representación digital de la imagen (extracción de características). Distinción del carácter contenido en la imagen (reconocimiento). Para cada una de las cuatro etapas es posible aplicar multitud de técnicas ya existentes o desarrollar alguna específica en función de las condiciones en las que se presentan los datos de entrada, que en el caso de OCR se puede traducir por las imágenes de entrada. 1. PREPROCESAMIENTO Normalmente, las técnicas de OCR son útiles para digitalizar textos de algún libro (caracteres impresos) o formularios rellenados manualmente (caracteres manuscritos). Tanto en un caso como en el otro el desglose de los caracteres individuales es mucho más sencillo que en el caso de texto manuscrito continuo, para el que es necesario la aplicación de técnicas de preproceso y segmentación más complejas que en el caso de OCR. En esta fase de adecuación de la imagen el objetivo que se persigue es eliminar de la imagen de cualquier tipo de ruido o imperfección que no pertenezca al carácter, así como normalizar el tamaño del mismo. Además, para el caso de OCR, la normalización de la imagen también puede implicar un binarizado de la misma. Para la eliminación del ruido que puede aparecer en una imagen digital, bien provocado por manchas reales o grafías imperfectas, o bien por defectos técnicos en la adquisición o binarizado de la imagen, se utilizan diversos algoritmos: • Etiquetado: para la división de la imagen en regiones de componentes conectadas. • Erosión / expansión: para la eliminación de pequeños grupos de píxeles. • Umbralizado de histograma: para eliminar/seleccionar los objetos más brillantes o más oscuros de la imagen. 2. SEGMENTACIÓN Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Una vez preprocesada la imagen se deberá fragmentar o segmentar en las diferentes componentes conexas (parte de la imagen donde todos los píxeles son adyacentes entre sí que la componen. La fragmentación o segmentación de la imagen constituye una de las mayores dificultades del reconocimiento, y se hace necesaria para poder reconocer cada uno de los caracteres de la imagen binaria. La fragmentación o segmentación es la operación que permite la descomposición de un texto en diferentes entidades lógicas. Estas entidades deben ser lo suficientemente invariables, para ser independientes del escritor, y lo suficientemente significativas para su reconocimiento. Para reconocer caracteres es necesario, en primer lugar, su localización dentro del texto del documento, teniendo en cuenta, en esta operación el orden en el que se disponen en el mismo y los espacios en blanco y finales de línea, para que pueda recomponerse el texto tal y como se encontraba en el documento original. Existen tres magnitudes que determinan el orden de los caracteres dentro de un texto: los renglones de los que consta, las palabras de un renglón y las letras de una palabra. Una vez conocida la situación de los renglones y sus límites, se procede a aislar los caracteres. Como asumíamos inicialmente que no existiría solapamiento, se puede realizar una proyección vertical dentro de cada renglón para detectar los posibles caracteres. Esta proyección vertical (suma de los píxeles de cada línea con 1 para el píxel negro y 0 para el blanco) da un resultado nulo en las zonas donde no existe tinta, lo que representa la separación entre dos caracteres, y resultados no nulos que indican la presencia de caracteres. Los límites en altura, superior e inferior, se detectan analizando la vertical de cada carácter, desde la parte superior e inferior, respectivamente, del renglón que lo contiene. 3. EXTRACCIÓN DE CARACTERÍSTICAS Una vez realizada la segmentación, se tiene una imagen normalizada en la que se encuentra la información susceptible de ser “reconocida”. La información así representada, una matriz bidimensional de valores binarios, niveles de gris o color RGB, no codifica de forma óptima las características más discriminativas del objeto al que representa. Desde el punto de vista del reconocimiento de formas, la matriz bidimensional se ve como un vector de tantas dimensiones como componentes tiene la matriz. La dimensión de estos vectores (el número de componentes) es normalmente elevado, lo que supone un gran coste computacional a la hora de procesar el mismo. Y no solo eso, y más importante aún, es que está comprobado que al intentar clasificar vectores de este tamaño aparece un efecto, llamado maldición de la dimensionalidad, que provoca que los resultados, independientemente del método de clasificación utilizado, no sean satisfactorios. Por ello se han desarrollado multitud de Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL técnicas, denominadas “técnicas de selección y extracción de características”, mediante las cuales es posible obtener una representación del objeto a reconocer más eficiente. La extracción de las características es una de las fases más difíciles en los sistemas de reconocimiento de caracteres, puesto que es muy difícil escoger un conjunto de características óptimo. 4. RECONOCIMIENTO Una vez se tienen las características más importantes de la imagen a analizar hay que determinar el carácter correspondiente por medio de las técnicas de minería de datos que se explicarán a continuación. 4.1. KNN Para OCR, existe un método muy conveniente, no paramétrico y supervisado, que proporciona resultados muy adecuados para la aplicación que se está tratando, El algoritmo K-NN (K vecinos más próximos). Este método es muy popular debido a su sencillez y a cierto número de propiedades estadísticas bien conocidas que le proporcionan un buen comportamiento para afrontar diversos tipos de problemas de clasificación, siendo uno de ellos el de OCR. Dado un conjunto de objetos prototipo de los que ya se conoce su clase (es decir, dado un conjunto de caracteres de muestra) dado un nuevo objeto cuya clase no conocemos (imagen de un carácter a reconocer) se busca entre el conjunto de prototipos los “k” más parecidos a nuevo objeto. A este se le asigna la clase más numerosa entre los “k” objetos prototipo seleccionados. 4.2. Árboles de decisión Los árboles de decisión, al igual que el K-NN, es una técnica de minería de datos que se puede aplicar en el contexto de reconocimiento óptico de caracteres. Su aprendizaje es inductivo y no supervisado. Los patrones o atributos que se quieren evaluar de un carácter determinado constituyen los nodos del árbol, mientras que los resultados finales de los mismos se almacenarán en las hojas del mismo. Tras la construcción del árbol y dada la estructura del mismo, toda la evaluación de caracteres se puede tratar como una arquitectura IF-THENELSE, por lo que si el número de parámetros a evaluar es suficientemente grande para tener capacidad expresiva pero suficientemente pequeño para ser eficiente computacionalmente, el árbol resulta una estructura que favorece mucho la velocidad de cálculo, no como el algoritmo K-NN que aunque muy conveniente, puede llegar a ser muy costoso computacionalmente. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Durante el aprendizaje, el orden de evaluación de los parámetros es fundamental para alcanzar el ajuste óptimo del árbol. Para ello se emplean una serie de funciones de evaluación que a la vista de los datos, determinan la relevancia o la correlación de unos parámetros en función de los otros, definiendo una ganancia de información. La secuencia de aprendizaje del árbol se puede resumir en el siguiente diagrama: Una vez se tiene construido el árbol hay que detallar como recorrerlo. En definitiva, si durante el recorrido se llega a una hoja, esa serie de patrones responden a un carácter reconocido y por tanto se devuelve. Si en el recorrido y después de evaluar todo el árbol no se llega a una hoja, se deduce que esa característica no ha sido consignada en el árbol y por tanto se debe crear una nueva hoja para guardar el nuevo dato. Un esquema muy ilustrativo de cómo recorrer un árbol de decisión es el siguiente: Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL 4.3. Redes neuronales Las redes neuronales son esquemas de minería de datos que intentan imitar la arquitectura del cerebro. Se componen de una serie de unidades básicas, llamadas neuronas, que básicamente reciben una entrada, la multiplican por unos pesos y presentan una salida con una función de ajuste, que depende de la suma de salidas de la etapa anterior. Sirven para representar y ajustar muy eficazmente cualquier función que sería muy difícil de definir en términos algebraicos. En el caso que nos ocupa, las redes de neuronas son una muy buena alternativa para la etapa de reconocimiento de caracteres, ya que una vez se entrenan, si este entrenamiento ha sido adecuado, pueden usarse para reconocer los caracteres que recibe como imágenes. Un esquema funcional de una red de neuronas podría ser el siguiente: Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL La topología de las redes puede ser muy variada y según esta topología las redes se pueden clasificar en: • Feed Fordward: Red clásica, las salidas alimentan las entradas de la etapa siguiente, en la red no se permite la aparición de ciclos o realimentaciones • Feed Back: En esta versión si se permiten ciclos cerrados dentro de la red • Lateral: Adicionalmente, se permite la comunicación vertical entre neuronas de la misma capa, además de en la dirección horizontal, como en las redes clásicas. OCR se puede ejecutar de tres modos: Automático. OCR se ejecuta automáticamente cada vez que realiza una nueva digitalización, si no cambia los valores predeterminados de digitalización. Manual. Ejecute OCR manualmente para documentos digitalizados en otro programa. Indización. La creación de índices es un servicio del sistema que ayuda a encontrar rápidamente archivos en el equipo utilizando búsquedas de texto. Pero además del texto, estas técnicas pueden retener y recuperar otra serie de elementos que también están presentes en los documentos. Entre esos elementos se hallan los gráficos, en forma de fotografías, logotipos, líneas, y dibujos en general; el formato del texto, con los tipos de fuentes usados, y los atributos tipográficos (estilos y tamaño) ; y, finalmente, el formato de página, con la Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL estructura de columna, espaciado de párrafos, alineación de los mismos y hasta colocación de los gráficos . Aplicaciones Existe un gran número de aplicaciones para las técnicas de reconocimiento de caracteres (OCR). Reconocimiento de texto manuscrito Las dificultades que se pueden encontrar a la hora de reconocer un texto tipografiado, no se pueden comparar con las que aparecen cuando queremos reconocer un texto manuscrito. El reconocimiento de un texto manuscrito continúa siendo un desafío. Aunque el texto se compone básicamente de caracteres individuales, la mayoría de algoritmos OCR no consiguen buenos resultados, ya que la segmentación de las zonas de texto continuo es un procedimiento complejo. Reconocimiento de matrículas Una de las aplicaciones más claras en las que se puede encontrar el OCR es el reconocimiento de matrículas utilizada en los radares. Estos deben ser capaces de localizar una matrícula de un vehículo con condiciones de iluminación, perspectiva y entorno variables. En la etapa de segmentación de las zonas, se buscan texturas similares a la de una matrícula y se aísla el área rectangular que forma la matrícula. Finalmente, se aplica un proceso de clasificación múltiple sobre el conjunto de píxeles pertenecientes a la matrícula, proporcionando una cadena de caracteres que se tienen que ajustar a un modelo conocido: el formato de una matrícula. Si aparece algún error, es corregido. Procesado automático de facturas impresas Consiste en un tratamiento digital completo de los documentos con los que se trabaja en un servicio de gestión contable. El tratamiento de estos documentos se traduce en la exploración óptica de los mismos, la determinación de su tipo entre diversos modelos previamente registrados, localización y reconocimiento de los campos informativos, validación manual y finalmente la transferencia de la información obtenida. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL IDENTIFICACIÓN POR RADIOFRECUENCIA (RFID) RFID es un modo automático utilizado para recolectar datos de productos, lugar, tiempo o transacciones de manera rápida y fácil, sin intervención humana o error. La identificación por radiofrecuencia es una tecnología de identificación remota e inalámbrica mediante la cual un dispositivo lector o reader vinculado a un equipo de cómputo, se comunica a través de una antena con un transponder (también conocido como tag o etiqueta) mediante ondas de radio. Historia de RFID Esta tecnología existe desde los años 40, esta tecnología se utiliza para múltiples aplicaciones incluyendo casetas de peaje, control de acceso, identificación de ganado y tarjetas electrónicas de transporte. En 1946, Léon Theremin inventó una herramienta de espionaje para la Unión Soviética, que retransmitía ondas de radio incidentes con información de audio, el dispositivo de Theremin era un dispositivo de escucha secreto pasivo, no una etiqueta de identificación. Arquitectura El modo de funcionamiento de los sistemas RFID es simple. La etiqueta RFID, que contiene los datos de identificación del objeto al que se encuentra adherido, genera una señal de radiofrecuencia con dichos datos. Esta señal puede ser captada por un lector RFID, el cual se encarga de leer la información y pasarla en formato digital a la aplicación específica que utiliza RFID. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Un sistema RFID consta de los siguientes tres componentes: 1. Etiqueta RFID o transponder: compuesta por una antena, un transductor radio y un chip. El propósito de la antena es permitirle al chip, el cual contiene la información, transmitir la información de identificación de la etiqueta. Existen varios tipos de etiquetas. El chip posee una memoria interna con una capacidad que depende del modelo. Existen varios tipos de memoria: Solo lectura: el código de identificación que contiene es único y es personalizado durante la fabricación de la etiqueta. De lectura y escritura: la información de identificación puede ser modificada por el lector. Anticolisión. Se trata de etiquetas especiales que permiten que un lector identifique varias al mismo tiempo (habitualmente las etiquetas deben entrar una a una en la zona de cobertura del lector). 2. Lector de RFID o transceptor: compuesto por una antena, un transceptor y un decodificador. El lector envía periódicamente señales para ver si hay alguna etiqueta en sus inmediaciones. Cuando capta una señal de una etiqueta (la cual contiene la información de identificación de esta), extrae la información y se la pasa al subsistema de procesamiento de datos. 3. Subsistema de procesamiento de datos o Middleware RFID: proporciona los medios de proceso y almacenamiento de datos. Tipos de etiquetas de RFID Las etiquetas de RFID vienen en tres variedades generales: pasivas, activas o semi-pasivas. Las etiquetas pasivas no requieren una fuente de energía interna (sólo están activas cuando un lector Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL está cerca para potenciarlas), mientras que las etiquetas semi-pasivas y activas requieren una fuente de energía, generalmente se trata de una batería pequeña. Pasivas: Requieren alimentación de energía del lector. La respuesta es necesariamente breve, apenas un número de identificación GUID (Globally Unique Identifier) Distancia de lectura entre unos 10 milímetros hasta 6 metros dependiendo del tamaño de la antena, la potencia y frecuencia en la que opera el lector. Tamaño 0.4 milímetros × 0.4 milímetros, y más fino que una hoja de papel. Semi-Pasivas: Incorporan además una pequeña batería. Elimina la necesidad de diseñar una antena para recoger potencia de una señal entrante. Responden más rápidamente, son más fuertes en el ratio de lectura comparadas con las etiquetas pasivas. Activas: Contienen una fuente de alimentación interna Capacidad de poder almacenar información adicional enviada por el transmisor-receptor. Tamaño aproximado de una moneda Alcance de 60 cm. a 13 m. Duración de batería de hasta varios años Clasificación Los sistemas RFID se clasifican dependiendo del rango de frecuencias que usan: Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Regulación y Estándares No hay ninguna corporación público global que gobierne las frecuencias usadas para RFID. En principio, cada país puede fijar sus propias reglas. Las principales corporaciones que gobiernan la asignación de las frecuencias para RFID son: EE.UU.: FCC (Federal Communications Commision) Canadá: DOC (Departamento de la Comunicación) Europa: ERO, CEPT, ETSI y administraciones nacionales. Las administraciones nacionales tienen que ratificar el uso de una frecuencia específica antes de que pueda ser utilizada en ese país Japón: MPHPT (Ministry of Public Management, Home Affairs, Post and Telecommunication) China: Ministerio de la Industria de Información Australia: Autoridad Australiana de la Comunicación (Australian Communication Authority) Nueva Zelanda: Ministerio de desarrollo económico de Nueva Zelanda (New Zealand Ministry of Economic Development México: COFETEL (Comisión Federal de Telecomunicaciones) Algunos estándares que se han desarrollado en relación a la tecnología RFID son: – ISO 10536. Mapas de Identificación – ISO 14443. Define una tarjeta de proximidad usada para identificación – ISO 15693. Tarjetas de Vecindad (Vicinity Cards), Tarjetas que pueden ser leídas desde una mayor distancia que las tarjetas de proximidad. – ISO 18000. Para las Etiquetas (Tags de RFID) Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL – EPCGlobal – Código Electrónico de Producto. Este es el estándar que tiene una mayor probabilidad de convertirse en la base de un estándar a nivel mundial. Ventajas Proveedor de identificación y localización de artículos en la cadena de suministro más inmediato, automático y preciso de cualquier compañía, en cualquier sector y en cualquier parte del mundo. Lecturas más rápidas y más precisas (eliminando la necesidad de tener una línea de visión directa). Mejora el flujo de caja y la reducción potencial de los gastos generales. Reducción de roturas de stock. Capacidad de informar al personal o a los encargados de cuándo se deben reponer las estanterías o cuándo un artículo se ha colocado en el sitio equivocado. Ayuda a conocer exactamente qué elementos han sido sustraídos y, si es necesario, dónde localizarlos. Integrándolo con múltiples tecnologías -vídeo, sistemas de localización, etc.- con lectores de RFID en estanterías ayudan a prevenir el robo en tienda. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL B. Sistema Gestión y Control El sistema consiste en la identificación de los camiones por tags de RFID, cámaras y software de gestión que en conjunto realizaran la tarea de activar las alertas a los operadores, verificadores y organismos de control que se está dando una eventual irregularidad en el proceso que se está realizando. 1 Esquema del Sistema (Cámaras y Sotware de Control y Gestión) Dentro del sistema se propone utilizar el software de gestión. El modulo web deberá correr sobre un servidor independiente para mantener la seguridad de la información, estará conectado a la DMZ de la red, se deberá poder seleccionar y controlar que usuarios ingresan desde la web y donde acceden; a que cámaras, con qué resolución y que compresión. Permitirá generar permisos para ver / gestionar dispositivos basado en autenticación, sitio y/o horario. La aplicación debe estar desarrollada con una arquitectura abierta orientada a objetos, permitiendo la programación del sistema por el usuario, para automatizaciones o eventos/reacciones de los objetos de los módulos del sistema. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Cuenta con el modulo SDK para poder realizar un sistema a medida entre la aplicación y sistemas existentes. Se ha propuesto el uso del análisis de imágenes para realizar el reconocimiento de placas en los camiones, a través de cámaras, que van a registrar los eventos que ocurran en carretera o puntos fijos. Este módulo de reconocimiento de placas usa un algoritmo de LPR (Licence Plate Recognition), que no solo es OCR, sino que realiza una vectorización en las imágenes basada en algoritmos de inteligencia artificial o redes neuronales y por esta razón esta solución de placas es educable, y que además se alimenta con las reglas de negocio de cada país y múltiples formatos de placas por país, lo q le permite diferenciar placas de un país y otro. FUNCIONES PRINCIPALES Proveerá una alta capacidad de reacción y la notificara automáticamente al operador basándose en el reconocimiento de la placa y la comparación de la información con la de la base de datos del Ministerio del ambiente, y se integrará con equipos y dispositivos de terceros: barreras, radares, puertas automáticas, sistemas automáticos de cálculos, y nuestro sistema RFID. Esto se realiza con la finalidad de que a través de la comparativa entre la base de datos del Ministerio del Ambiente y el registro que se envía se evite la evasión en los controles por adulteraciones de placas, adulteración en colores del vehículo, paso irregular o adulteraciones en guías en el caso de la revisión física y reducir estas posibles incidencias dentro de las operaciones. Métrica Velocidad limite del vehículo hasta 150 km/h Precisión en el reconocimiento a la luz del día y con luz artificial superior a los 50 lux mayores al 95% Precisión en el reconocimiento a la noche sin iluminación artificial (iluminación inferior a los 50 lux) mayor al 60% Área controlada por una sola cámara ancho: 4m / largo: 20m Intervalo permitido entre vehículos en movimiento (detrás de un auto o detrás de un camión) 1.5m / 4m Distancia desde la cámara hasta la placa del auto max 75m / óptima de 4 a 12m Volumen de información sobre vehículos almacenados por el sistema (con 100GB HDD) no menos de 5 millones de registros Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Tiempo de búsqueda de la información en la base de datos (para una base de datos con 10 millones de registros) Menos de 0.2 segundos Ángulo de visibilidad de la cámara hacia la matrícula (vertical / horizontal) +-40° / +-30° 2 Reconocimiento de Placas Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL 3 Esquema de Reconocimiento de Placas Dentro de los controles fijos se utilizarán además cámaras que harán uso del reconocimiento facial el cual no requiere ningún contacto físico entre el usuario y el sistema. Un rostro puede ser reconocido con la persona en movimiento sin detenerse en la zona de reconocimiento. Reconoce simultáneamente a todas las personas que aparecen en el campo visual de la cámara incluso si las características faciales han cambiado como por ejemplo envejecimiento, vello facial, el color de la piel, etc. Se adapta a diferentes condiciones de iluminación y usa diversos tipos de imágenes para la identificación: fotos, grabaciones de vídeo, etc. Posee una alta precisión para la identificación por Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL comparación de dos o más caras simultáneamente y registra automáticamente a todas las personas que pasan por la zona de control Puede prevenir el acceso a zonas restringidas, colocando a las personas en una “lista de bloqueo”. Proporciona información en tiempo real para la búsqueda o seguimiento de las personas permisos de acceso, restricciones, derechos y privilegios a las personas en las áreas protegidas crea una base de datos del personal y visitantes con de datos tales como fecha, hora, a dónde se dirige, etc, asociados a su imagen facial. Posee una avanzada capacidad de reacción, que incluye un planificador de tareas programadas, umbrales ajustables y las diferentes posibilidades de alarma. Esto ayudará a disminuir el índice de corrupción en puestos fijos, evitando y registrando, en el caso de darse, coimas al agente verificador. También registrará el correcto seguimiento a los protocolos de verificación de los vehículos 4 Reconocimiento Facial Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Los sistemas de RFID que se propone utilizar son sistemas de almacenamiento y de lectura/escritura por radiofrecuencia. La función del RFID es transmitir la identidad de un objeto, aunque también podemos transmitir sus características, es decir, podemos transmitir todo lo que hayamos almacenado, para este caso se transmitirá directo a a labase de datos los datos de fecha y hora del evento El dispositivo RFID que se sugiere adoptar es una tarjeta (tag) Será de tecnología activa, ya que tienen una fuente autónoma de energía (micro-baterías que duran años), estos RFID son más fiables ya que no dependen de que otro le proporcione energía, y a parte su alcance es mayor que los pasivos. El alcance se estima que debe ser de al menos 100 metros, calculando una máxima de velocidad de un transporte pesado de 100 km/h que nos daría 3,6seg para pasar por el sitio de control. Además de proveer del punto de activación para registro y de las cámaras lo que reducirá el dimensionamiento del almacenamiento. 5 Esquema de funcionamiento de RFID Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL Los datos de alertas que son recopilados, deben ser enviados tanto al centro de control como las PDA’s que tenga cada verificador y estos datos podrán ser revisados por el administrador, al igual que todos los datos del sistema en cada punto donde son almacenados localmente. 6 Arquitectura de Red del Sistema de Control y Gestión Se propone utilizar túneles en Redes Virtuales Privadas VPN para que los datos estén cifrados desde el momento que entran a la VPN hasta que salen de ella y, por lo tanto, son incomprensibles para cualquiera que no se encuentre en uno de los extremos de la VPN, como si los datos viajaran a través de un túnel. En una VPN de dos equipos, el cliente de VPN es la parte que cifra y descifra los datos del lado del usuario y el servidor VPN (comúnmente llamado servidor de acceso remoto) es el elemento que descifra los datos del lado de la organización. De esta manera, cuando un usuario necesita acceder a la red privada virtual, su solicitud se transmite sin cifrar al sistema de pasarela, que se conecta con la red remota mediante la infraestructura de red pública como intermediaria; luego transmite la solicitud de manera cifrada. El equipo remoto le proporciona los datos al servidor VPN en su red y éste envía la respuesta cifrada. Cuando el cliente de VPN del usuario recibe los datos, los descifra y finalmente los envía al usuario. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL 7 Topología VPN's C. Dimensionamiento de la Red PUNTO DE CONTROL FIJO PUNTO AUTOPISTA EQUIPOS EQUIPOS - 1 SecurOs Video Server - 1 Plate recognition - 1 Face recongnition - 3 cámaras Bosch - 1 codificador de video - 1 equipo AEC – 6920 - 1 solución RFID, con antena y lector - 1 modem de telecomunicaciones - 1 SecurOs Video Server - 1 Plate recognition - 1 cámara Bosch - 1 codificador de video - 1 equipo AEC – 6920 - 1 solución RFID, con antena y lector - 1 modem de telecomunicaciones OFICINA CENTRAL Mínimo 512 Kbps Mínimo 512 Kbps Operadores Nube de Telecomunicaciones M ín i m o 1 E1 - Server de Administración y Gestión de Video - Storage – Servidor de Almacenamiento de Eventos 8 Esquema de dimensionamiento de la Red Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL La transmisión de video, datos, imágenes y reportes se realizará por medio de Internet o enlaces de redes definidos por el Ministerio al igual que la gestión vía remota donde el mínimo requerimiento de velocidad para la transmisión será de 512kbps entre los puntos de control y al menos 1 E1 o 2048kbps entre estos y la oficina central. Los equipos que se deberán usarse y su especificación técnica se encuentran mejor detallados de manera adjunta a este informe. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL IV. Conclusiones y Recomendaciones El reconocimiento de madera en camiones tapados no es viable por lo que se considera como método alternativo el registro de todos los camiones en operaciones de vigilancia. De esta manera se podrán generar listas blancas y listas negras que ayudaran a reducir la incidencia de camiones con transporte ilegal en las vías. Puede realizarse reconocimiento de placas en camiones que transportan madera, tapados o descubiertos por lo que esta solución se vuelve operativa y permite el registro de los camiones, además de su control mediante la comparativa de elementos en base de datos para evitar adulteraciones de placas, colores de vehículos y pasos irregulares Para realizar el reconocimiento de placas estas deben estar reguladas y en un lugar visible del camión, esto debe tomarse en cuenta para implementarse como marco regulatorio dentro del Ministerio del Ambiente para sus correctos controles El uso de tags RFID reducirá el tamaño de almacenamiento de la información al activar o desactivar las cámaras para registro de la información y otorga controles de paso, con fecha y hora, para conocer o esquematizar las rutas más usuales de transportistas. El tag RFID permite realizar una comparativa entre la identificación del vehículo, que será única, y sus parámetros de reconocimiento en base de datos aportando un extra al control realizado por las cámaras El control en los puestos fijos con reconocimiento facial permitirá reducir los índices de corrupción y gestionar de una manera más eficaz el procedimiento que realizan los verificadores, mejorando el trato con el transportista así como su eficiencia en campo. La solución se apega a los requerimientos y es aceptada. El demo físico, con equipos reales, en lugar de la maqueta permitió una visualización más palpable de la solución contribuyendo con esto a que se generen mejores resultados y mayores inquietudes y requerimientos para obtener un sistema más robusto. Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL V. Bibliografía http://office.microsoft.com/es-hn/help/reconocimiento-optico-de-caracteres-ocrHP003081255.aspx http://www.idg.es/macworld/content.asp?idart=30730 http://www.it.uc3m.es/jvillena/irc/practicas/08-09/09.pdf http://www.egomexico.com/tecnologia_rfid.htm http://es.datamars.com/default.aspx?menuitemid=258&menugroup=_Front&AspxAut oDetectCookieSupport=1 http://digitales.itam.mx/Cursos/TecEmer/TrabajosDeAlumnos/RFID.pdf http://es.wikipedia.org/wiki/RFID http://artegami.com/imagenes-vectorizadas-y-mapa-de-bits/ http://www.grimaldos.es/cursos/imgdig/tipos.html http://www.desarrolloweb.com/articulos/1806.php http://www.digitalfotored.com/imagendigital/tiposimagenes.htm http://es.wikipedia.org/wiki/SEXTANTE_(SIG) Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL VI. ANEXOS A. REPORTES DE TRABAJO EN CAMPO Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL B. IMÁGENES DE SOFTWARE OPERATIVO EN CAMPO Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador ESTUDIO DE REQUERIMIENTOS DE UN PLAN PILOTO PARA INTEGRAR UN SISTEMA DE ANÁLISIS DE IMÁGENES PARA EL APOYO DE LA GESTIÓN Y CONTROL FORESTAL C. MANUAL DE USUARIO Av. Granda Centeno OE5-70 y Vasco de Contreras Telefs: 2279430 / 2256909 Quito-Ecuador
