ES2401324T3 - Procedure for the recognition of registration and categorization of vehicle tolls - Google Patents

Procedure for the recognition of registration and categorization of vehicle tolls Download PDF

Info

Publication number
ES2401324T3
ES2401324T3 ES09450175T ES09450175T ES2401324T3 ES 2401324 T3 ES2401324 T3 ES 2401324T3 ES 09450175 T ES09450175 T ES 09450175T ES 09450175 T ES09450175 T ES 09450175T ES 2401324 T3 ES2401324 T3 ES 2401324T3
Authority
ES
Spain
Prior art keywords
vehicle
fingerprint
license plate
lpocr
fpref
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES09450175T
Other languages
Spanish (es)
Inventor
Christian Öhreneder
Herbert Ramoser
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kapsch TrafficCom AG
Original Assignee
Kapsch TrafficCom AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kapsch TrafficCom AG filed Critical Kapsch TrafficCom AG
Application granted granted Critical
Publication of ES2401324T3 publication Critical patent/ES2401324T3/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07BTICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
    • G07B15/00Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
    • G07B15/06Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/017Detecting movement of traffic to be counted or controlled identifying vehicles

Landscapes

  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Collating Specific Patterns (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)
  • Traffic Control Systems (AREA)

Abstract

Procedimiento para el reconocimiento automático de matrícula de un vehículo, en particular para elcobro de peaje en sistemas de peaje viario, con los pasos: a) poner a disposición una base de datos (DB) para asignar (5) posibles resultados de lectura de matrícula(LPOCR,mem) a matrículas de vehículo (LP) y huellas digitales de referencia (FPref) asignadas a éstas , b) realizar la lectura OCR de la matrícula (LP) del vehículo (2) como resultado de lectura de matrícula actual (LPOCR),con previamente o posteriormente c) realizar la detección por sensor de características del vehículo (2) como una huella digital actual (FP) del vehículo,d) determinar un resultado de lectura de matrícula (LPOCR,mem) igual al resultado de lectura de matrícula actual(LPOCR) en la base de datos (DB) y todas las huellas digitales de referencia (FP) asignadas a éste como huellasdigitales de candidato (FPref,cand), e) comparar la similitud de la huella digital actual (FP) con las huellas digitales de candidato (FPref,cand) paradeterminar la huella digital de candidato más similar, y f) dar salida a la matrícula de vehículo (LP) asignada a la huella digital de candidato (FPref,cand) más similar comoresultado del reconocimiento automático de matrícula, determinándose manualmente la matrícula de vehículo (LP) para el resultado de lectura de matrícula actual (LPOCR)si en el paso d) no se puede determinar un resultado de lectura de matrícula (LPOCR,mem) igual, o en el paso e) no sepuede determinar una huella digital de candidato (FPref,cand) más similar o ninguna huella digital de candidato(FPref,cand) similar, y asignándose en estos casos a la matrícula de vehículo (LP) en la base de datos (DB) elresultado de lectura de matrícula actual (LPOCR) como resultado de lectura de matrícula nuevo o adicional(LPOCR,mem), caracterizado porque la asignación nueva o adicional se lleva a caso sólo si el resultado de lectura de matrículaactual (LPOCR) alcanza una frecuencia mínima y/o una calidad mínima.Procedure for automatic vehicle registration recognition, in particular for toll collection in road tolling systems, with the steps: a) make available a database (DB) to assign (5) possible registration reading results (LPOCR, mem) to vehicle license plates (LP) and reference fingerprints (FPref) assigned to them, b) perform the OCR reading of the vehicle license plate (LP) (2) as a result of current license plate reading (LPOCR ), with previously or subsequently c) perform the detection by vehicle characteristics sensor (2) as a current fingerprint (FP) of the vehicle, d) determine a license plate reading result (LPOCR, mem) equal to the reading result of current enrollment (LPOCR) in the database (DB) and all reference fingerprints (FP) assigned to it as candidate digital fingerprints (FPref, cand), e) compare the similarity of the current fingerprint (FP) with fingerprints s of candidate (FPref, cand) to determine the most similar candidate fingerprint, and f) output the vehicle registration (LP) assigned to the most similar candidate fingerprint (FPref, cand) as the result of automatic registration recognition, manually determining the vehicle registration (LP) for the current license plate reading result (LPOCR) if in step d) an equal license plate reading result (LPOCR, mem) cannot be determined, or in step e) no It is possible to determine a more similar candidate fingerprint (FPref, cand) or no similar candidate fingerprint (FPref, cand), and in these cases being assigned to the vehicle registration (LP) in the database (DB) of the result of Current license plate reading (LPOCR) as a result of new or additional license plate reading (LPOCR, mem), characterized in that the new or additional assignment is carried out only if the current license plate reading result (LPOCR) reaches a frequency minimum and / or minimum quality.

Description

Procedimiento para el reconocimiento de matrícula y la categorización de peaje de vehículos Procedure for the recognition of registration and categorization of vehicle tolls

La presente invención se refiere a un procedimiento para el reconocimiento automático de matrícula de un vehículo, en particular para el cobro de peaje en sistemas de peaje viario, según el preámbulo de la reivindicación 1. The present invention relates to a method for automatic vehicle registration recognition, in particular for toll collection in road toll systems, according to the preamble of claim 1.

Un procedimiento de este tipo es conocido por el documento US2007/008179A1. Such a procedure is known from US2007 / 008179A1.

Los sistemas de peaje viario, que se basan en un reconocimiento automático de matrícula mediante imágenes tomadas del vehículo, se identifican también como sistemas de vídeo peaje. A este respecto, los vehículos se graban con una o varias cámaras al pasar por una estación de recaudación de peaje. Las cámaras graban una imagen de la parte frontal y/o de la parte trasera del vehículo, en la que la matrícula se pueda leer mejor. A partir de la imagen se lee la matrícula del vehículo mediante métodos de reconocimiento automático de matrícula (optical character recognition, OCR, reconocimiento óptico de caracteres). En una base de datos de la central de peaje se gestiona para cada vehículo una cuenta de vehículo con la matrícula de vehículo. El paso del vehículo se asigna a aquella cuenta de vehículo, cuya matrícula coincida con el resultado de lectura de matrícula OCR. Road toll systems, which are based on automatic license plate recognition through images taken from the vehicle, are also identified as video toll systems. In this regard, vehicles are recorded with one or more cameras when passing through a toll collection station. The cameras record an image of the front and / or the rear of the vehicle, in which the license plate can be read better. From the image, the license plate of the vehicle is read by means of automatic license recognition methods (optical character recognition, OCR, optical character recognition). In a database of the toll exchange, a vehicle account with the vehicle registration is managed for each vehicle. The passage of the vehicle is assigned to that vehicle account, whose registration coincides with the result of the OCR registration reading.

Si por una estación de cobro de peaje pasan vehículos de diferentes países o de diferentes estados federados, como en el caso de los EE.UU., es necesario a menudo reconocer también, además de la matrícula, el país que ha emitido la placa de matrícula, el escudo del estado o del país o el tipo de placa de matrícula a fin de posibilitar una asignación única de la matrícula leída a una cuenta de vehículo. If vehicles from different countries or different federated states pass through a toll collection station, as in the case of the US, it is often necessary to recognize, in addition to the registration, the country that issued the license plate. registration, the state or country shield or the type of license plate in order to enable a unique assignment of the license plate read to a vehicle account.

Un problema de los procedimientos conocidos es la alta tasa de errores del reconocimiento de matrícula OCR. Las matrículas con una lectura errónea se tienen que corregir manualmente y asignar a una cuenta de vehículo. En el peor de los casos puede ocurrir que una matrícula no leída correctamente se confunda con una matrícula de otro vehículo y el paso se cargue a la cuenta de este vehículo. A problem with known procedures is the high error rate of OCR registration recognition. License plates with an erroneous reading must be manually corrected and assigned to a vehicle account. In the worst case, it can happen that an unread license plate is confused with a license plate of another vehicle and the pass is charged to the account of this vehicle.

Por tanto, ya se han propuesto mejoras para asignar la imagen de matrícula actual a una cuenta de vehículo y estas mejoras tienen en cuenta a la vez también, además de la propia matrícula, el aspecto de la placa de matrícula. A tal efecto, se extraen características esenciales de una imagen de matrícula actual. Las características esenciales deben representar de forma única el aspecto de la placa de matrícula y se denominan "fingerprint" (de matrícula). De manera adicional a la matrícula se almacena también una huella digital de referencia en cada cuenta de vehículo de la base de datos. Mediante la comparación de la huella digital actual con la huella digital de referencia de la base de datos, el vehículo se asigna a una cuenta de vehículo. Therefore, improvements have already been proposed to assign the current license plate image to a vehicle account and these improvements also take into account, in addition to the license plate itself, the appearance of the license plate. For this purpose, essential characteristics of a current license plate image are extracted. The essential features must uniquely represent the appearance of the license plate and are called "fingerprint". In addition to the registration, a reference fingerprint is also stored in each vehicle account in the database. By comparing the current fingerprint with the reference fingerprint of the database, the vehicle is assigned to a vehicle account.

Dado que las huellas digitales se calculan a partir de las imágenes tomadas en diferentes condiciones lumínicas y atmosféricas y la posición relativa entre la matrícula y la cámara varía también durante el paso por una estación de peaje, las huellas digitales registradas de un mismo vehículo son ligeramente distintas en la mayoría de las casos, lo que dificulta la comparación. Además, las huellas digitales comprenden muchas características, es decir, se asemejan a vectores altamente dimensionales, provocando así que la búsqueda de huellas digitales similares requiera una gran capacidad de cálculo y no resulte posible ilimitadamente, incluso mediante las técnicas de las bases de datos, sobre todo si las bases de datos contienen muchos registros, como ocurre en los sistemas de vídeo peaje. Since the fingerprints are calculated from the images taken in different light and atmospheric conditions and the relative position between the license plate and the camera also varies during the passage through a toll station, the registered fingerprints of the same vehicle are slightly different in most cases, making comparison difficult. In addition, fingerprints comprise many features, that is, they resemble highly dimensional vectors, thus causing the search for similar fingerprints to require a large computing capacity and not be unlimitedly possible, even through database techniques, especially if the databases contain many records, as in video toll systems.

La invención tiene el objetivo de crear procedimientos para el reconocimiento automático de matrícula y la categorización de peaje que tengan una tasa de errores menor y una fiabilidad mayor que los procedimientos conocidos y se puedan implementar con rapidez y facilidad. The invention aims to create procedures for automatic license plate recognition and toll categorization that have a lower error rate and greater reliability than known procedures and can be implemented quickly and easily.

Este objetivo se consigue mediante un procedimiento para el reconocimiento automático de matrícula con las características de la reivindicación 1. This objective is achieved by means of a procedure for automatic registration recognition with the characteristics of claim 1.

El procedimiento de la invención se basa en el uso de resultados de lectura de matrícula OCR y de huellas digitales, así como en el conocimiento de que los errores de las lecturas OCR no están distribuidos aleatoriamente, sino que en la misma matrícula se producen reiteradamente las mismas lecturas erróneas. Así, por ejemplo, puede ocurrir que una matrícula ABC123 se lea casi siempre correctamente y que a veces, sin embargo, se lea como ABCI23 o A8C123. Si el reconocimiento automático de matrícula lee entonces ABC123, es conveniente considerar sólo aquellas cuentas de vehículo, cuya placa de matrícula se lea a veces como ABC123, para asignar el paso de peaje con ayuda de la comparación de huella digital. En este sentido, el procedimiento de la invención propone almacenar en la base de datos una lista de posibles resultados de lectura del reconocimiento automático de matrícula que contenga sólo aquellas variantes conocidas de resultados de lectura de matrícula para la identificación del vehículo que cumplan los requisitos mínimos de calidad o cantidad. The process of the invention is based on the use of OCR registration and fingerprint reading results, as well as on the knowledge that the errors of the OCR readings are not randomly distributed, but that the same registration repeatedly occurs. same erroneous readings. Thus, for example, it can happen that an ABC123 license plate is almost always read correctly and sometimes, however, is read as ABCI23 or A8C123. If automatic license plate recognition then reads ABC123, it is convenient to consider only those vehicle accounts, whose license plate is sometimes read as ABC123, to assign the toll step with the help of fingerprint comparison. In this regard, the method of the invention proposes to store in the database a list of possible reading results of the automatic license plate recognition containing only those known variants of license plate reading results for vehicle identification that meet the minimum requirements. of quality or quantity.

Por consiguiente, el procedimiento de la invención tiene en cuenta los errores de lectura, seleccionados hasta ahora, del reconocimiento automático de matrícula OCR para cada matrícula individual y proporciona así mejores resultados: Therefore, the method of the invention takes into account the reading errors, selected so far, of the automatic recognition of OCR registration for each individual registration and thus provides better results:

--
En la base de datos de vehículos se encuentran menos candidatos asignables.  There are fewer assignable candidates in the vehicle database.

--
Es mayor la probabilidad de que la cuenta de vehículo correcta aparezca en la lista de candidatos asignables.  The probability that the correct vehicle account appears in the list of assignable candidates is greater.

En una realización ventajosa, la lista de asignación n:n de posibles resultados de lectura de matrícula y matrículas de vehículo se elabora sucesivamente durante el funcionamiento del sistema de peaje. Las nuevas cuentas de vehículo creadas han registrado sólo la matrícula correcta en la lista de posibles resultados de lectura de matrícula. Siempre que se produce una lectura errónea, el resultado de la lectura se comprueba manualmente, se asigna a una cuenta de vehículo y se registra en la lista de posibles resultados de lectura de matrícula. Sólo será necesario procesar una vez cada variante de lectura de la matrícula y registrarla en la cuenta de vehículo. In an advantageous embodiment, the n: n assignment list of possible vehicle and license plate reading results is successively elaborated during the operation of the toll system. The new vehicle accounts created have registered only the correct registration in the list of possible registration results. Whenever an erroneous reading occurs, the reading result is checked manually, assigned to a vehicle account and recorded in the list of possible license plate reading results. It will only be necessary to process once each variant of the license plate reading and register it in the vehicle account.

Por consiguiente, la invención según la reivindicación 1 se caracteriza porque si en el paso d) no se puede determinar un resultado de lectura de matrícula igual o en el paso e) no se puede determinar una huella digital de candidato más similar o ninguna huella digital de candidato similar, la matrícula de vehículo se determina manualmente para el resultado de lectura de matrícula actual. Accordingly, the invention according to claim 1 is characterized in that if in step d) an equal enrollment reading result cannot be determined or in step e) a more similar candidate fingerprint or no fingerprint cannot be determined As a similar candidate, vehicle registration is determined manually for the current license plate reading result.

En estos casos, a la matrícula de vehículo se asigna en la base de datos el resultado de lectura de matrícula actual como resultado de lectura de matrícula nuevo o adicional y se le asigna preferentemente también la huella digital actual como huella digital de referencia nueva o adicional si el resultado de lectura de matrícula actual alcanza una frecuencia mínima y/o una calidad mínima. In these cases, the vehicle registration result is assigned in the database the result of the current license plate reading as a result of the reading of new or additional registration and the current fingerprint is also preferably assigned as a new or additional reference fingerprint If the result of the current license plate reading reaches a minimum frequency and / or a minimum quality.

Preferentemente también en los casos, en los que Preferably also in the cases, in which

--
la comparación de la huella digital actual con la huella o las huellas digitales de referencia, asignadas a la matrícula de vehículo, falla y la huella digital actual presenta una mejor calidad o más información que las huellas digitales almacenadas, la huella digital actual se asigna a la matrícula de vehículo como huella digital de referencia nueva o adicional; o en los que -ninguna huella digital de referencia está almacenada para la matrícula de vehículo y la huella digital actual cumple los requisitos mínimos de calidad, ésta se asigna a la matrícula de vehículo como huella digital de referencia nueva.  the comparison of the current fingerprint with the fingerprint or the reference fingerprints, assigned to the vehicle registration, failure and the current fingerprint has a better quality or more information than the stored fingerprints, the current fingerprint is assigned to vehicle registration as a new or additional reference fingerprint; or in which - no reference fingerprint is stored for vehicle registration and the current fingerprint meets the minimum quality requirements, it is assigned to the vehicle registration as a new reference fingerprint.

Una asignación se elimina preferentemente también de la base de datos si no se usa en un período de tiempo predefinido. An assignment is also preferably removed from the database if it is not used in a predefined period of time.

En caso de que la lectura de matrícula OCR determine diferentes variantes de lectura de la matrícula, resulta útil también usar las variantes de lectura en el paso d) durante la búsqueda de las cuentas de vehículo o de las huellas digitales asignadas y/o almacenarlas como posibles resultados de lectura de una matrícula durante la elaboración de la lista de asignación. If the OCR license plate reading determines different variants of the license plate reading, it is also useful to use the reading variants in step d) during the search of the vehicle accounts or assigned fingerprints and / or store them as possible results of reading a license plate during the preparation of the assignment list.

La huella digital se puede generar en sí de cualquier forma conocida en la técnica. Es especialmente ventajoso que la detección por sensor se lleve a cabo mediante una cámara que toma una imagen de la matrícula y/o del vehículo, extrayéndose las características de esta imagen y calculándose a partir de esto la huella digital. De manera alternativa o adicional, la detección por sensor se puede llevar a cabo mediante barreras de luz, escáneres láser, bucles de inducción, sensores de peso o medios de comunicación vía radio que detectan características particulares del vehículo, a partir de las que se calcula la huella digital. The fingerprint can be generated in any way known in the art. It is especially advantageous for the sensor detection to be carried out by means of a camera that takes a picture of the license plate and / or the vehicle, taking away the characteristics of this image and calculating the fingerprint from this. Alternatively or additionally, sensor detection can be carried out by light barriers, laser scanners, induction loops, weight sensors or radio communication means that detect particular characteristics of the vehicle, from which it is calculated The fingerprint.

Las investigaciones realizadas por el solicitante han demostrado que una gran parte de los registros en la lista de resultados de lectura de matrícula se refiere sólo a una cantidad muy pequeña de matrículas de vehículo. Esto puede deberse a que hay matrículas individuales especialmente difíciles de diferenciar. Así, por ejemplo, las matrículas ABC123 y ABCI23 podrían estar disponibles con una realización muy similar. Por tanto, otro aspecto de la invención consiste en de manera adicional a cada registro en la lista de posibles resultados de lectura de matrícula se almacene información para diferenciar las huellas digitales de las matrículas de vehículo asignadas. Si, por ejemplo, tanto la matrícula ABC123 como ABCI23 se leen como ABCI23, es conveniente evaluar o ponderar con un rango superior especialmente la región, en la que se diferencian ambas matrículas ("I" y "1"). Esta "información sobre las diferencias relevantes" de dos o más matrículas, que se podrían confundir debido al reconocimiento automático de matrícula, se almacena en la lista de posibles resultados de lectura de matrícula como ponderación para las huellas digitales asignadas. The investigations carried out by the applicant have shown that a large part of the records in the list of results of the license plate reading refers only to a very small amount of vehicle license plates. This may be due to the fact that there are particularly difficult individual license plates. Thus, for example, license plates ABC123 and ABCI23 could be available with a very similar embodiment. Therefore, another aspect of the invention consists in addition to each record in the list of possible license plate reading results information is stored to differentiate the fingerprints of the assigned vehicle license plates. If, for example, both the license plate ABC123 and ABCI23 are read as ABCI23, it is convenient to evaluate or weigh with a higher range especially the region, in which both license plates ("I" and "1") differ. This "information on the relevant differences" of two or more license plates, which could be confused due to automatic license plate recognition, is stored in the list of possible registration reading results as a weighting for the assigned fingerprints.

Esto resulta conveniente en particular, porque las matrículas se diferencian a menudo sólo ligeramente, pero, por la otra parte, se pueden originar grandes variaciones de la huella digital para un mismo vehículo debido a la suciedad, los reflejos de la luz o similar. Estas influencias, significativas en determinadas circunstancias, pueden provocar que no se tengan en cuenta lo suficiente las pequeñas diferencias locales al compararse las huellas digitales. This is particularly convenient, because the license plates often differ only slightly, but, on the other hand, large variations of the fingerprint can be caused for the same vehicle due to dirt, light reflections or the like. These influences, significant in certain circumstances, may cause small local differences to be sufficiently taken into account when comparing fingerprints.

Por consiguiente, otra realización preferida de la invención se caracteriza porque para cada resultado de lectura de matrícula, preferentemente para cada asignación individual del mismo a una matrícula de vehículo, se almacenan en la base de datos ponderaciones para regiones individuales de las huellas digitales de referencia asignadas, que se tienen en cuenta en la comparación de similitud. Estas ponderaciones constituyen la mencionada "información sobre las diferencias relevantes". Accordingly, another preferred embodiment of the invention is characterized in that for each registration reading result, preferably for each individual assignment thereof to a vehicle registration, weightings for individual regions of the reference fingerprints are stored in the database assigned, which are taken into account in the comparison of similarity. These weights constitute the aforementioned "information on the relevant differences".

En los sistemas de peaje existe a menudo también el problema de que los vehículos, no sujetos a peaje, se clasifican como vehículos sujetos a peaje. Un ejemplo es la clasificación de un turismo grande no sujeto a peaje (por ejemplo, un van) como furgoneta pequeña sujeta a peaje. Esta clasificación errónea se debe a mediciones inexactas en el sistema sensor de clasificación o está condicionada simplemente por el hecho de que algunas clases de vehículo no se pueden delimitar por medio de características externas definidas. En estos casos se tiene que corregir manualmente el error de clasificación. A menudo, la corrección en un mismo vehículo se ha de realizar durante cada paso del vehículo. La aplicación del procedimiento según la invención puede resultar útil también en estos casos si en la lista de vehículo se almacena un registro para el vehículo, en el que se ha indicado que el vehículo no está sujeto a peaje. El problema aquí radica en que de este modo se crea un registro para un vehículo no sujeto a peaje. Tal procedimiento puede violar la normativa sobre la protección de datos en dependencia de la situación jurídica. Para solucionar este problema, el procedimiento presentado se puede usar también en una realización ventajosa de manera que los resultados de lectura de matrícula se codifiquen antes de almacenarse en la lista. In toll systems there is often the problem that vehicles, not subject to tolls, are classified as vehicles subject to tolls. An example is the classification of a large tourism not subject to tolls (for example, a van) as a small van subject to tolls. This misclassification is due to inaccurate measurements in the classification sensor system or is conditioned simply by the fact that some vehicle classes cannot be delimited by means of defined external characteristics. In these cases, the classification error must be corrected manually. Often, the correction in the same vehicle must be performed during each step of the vehicle. The application of the method according to the invention may also be useful in these cases if a vehicle record is stored in the vehicle list, in which it has been indicated that the vehicle is not subject to tolls. The problem here is that in this way a record is created for a vehicle not subject to tolls. Such a procedure may violate the regulations on data protection depending on the legal situation. To solve this problem, the procedure presented can also be used in an advantageous embodiment so that the results of the license plate reading are coded before being stored in the list.

Por consiguiente, una realización preferida de la invención consiste en que los resultados de lectura de matrícula se almacenan codificados en la base de datos y el resultado de lectura de matrícula actual para la búsqueda de igualdad en el paso d) se codifica del mismo modo. Accordingly, a preferred embodiment of the invention is that the license plate reading results are stored coded in the database and the current license plate reading result for the search for equality in step d) is coded in the same way.

De manera adicional, el procedimiento de la invención se puede usar preferentemente para la categorización de peaje del vehículo, ya que en la base de datos se asigna también una categoría de peaje a cada huella digital de referencia y, si esta huella digital de referencia se define como la huella digital de candidato más similar, se le da salida a la vez a su categoría de peaje asignada. Additionally, the method of the invention can preferably be used for the toll categorization of the vehicle, since in the database a toll category is also assigned to each reference fingerprint and, if this reference fingerprint is defined as the most similar candidate fingerprint, it is output at the same time to its assigned toll category.

Otros objetivos, características y ventajas de la invención se derivan de la siguiente descripción de sus realizaciones preferidas con referencia a los dibujos adjuntos. Muestran: Other objects, features and advantages of the invention derive from the following description of its preferred embodiments with reference to the accompanying drawings. They show:

Fig. 1 un diagrama de flujo del procedimiento según la invención para el reconocimiento automático de matrícula; y Fig. 2 un diagrama de flujo del procedimiento según la invención para la categorización de peaje. Fig. 1 a flow chart of the method according to the invention for automatic license plate recognition; and Fig. 2 a flow chart of the method according to the invention for toll categorization.

La figura 1 muestra el procedimiento para el reconocimiento automático de matrícula por medio de una imagen 1 de un vehículo 2 con una matrícula de vehículo LP en el marco de un sistema de peaje viario. El término "vehículo" usado aquí abarca cualquier vehículo terrestre, aéreo y marino, tanto autopropulsado como accionado por fuerza ajena. Figure 1 shows the procedure for automatic license plate recognition by means of an image 1 of a vehicle 2 with an LP vehicle registration within the framework of a road toll system. The term "vehicle" used here encompasses any land, air and marine vehicle, both self-propelled and driven by outside force.

En un primer paso (b) se realiza una lectura OCR de la matrícula LP del vehículo 2 a partir de la imagen 1 para obtener un resultado de lectura de matrícula actual LPOCR, por ejemplo, "ABC123". In a first step (b) an OCR reading of the LP license plate of the vehicle 2 is carried out from the image 1 to obtain a result of the current LPOCR license plate reading, for example, "ABC123".

En un paso (c) anterior, paralelo o ulterior se detectan por sensor una o varias características particulares del vehículo 2 para a partir de éstas obtener una llamada "huella digital actual" FP del vehículo 2. Tales características particulares son, por ejemplo, el aspecto de la matrícula, el color del vehículo, el aspecto de la parte frontal del vehículo que pueden servir para verificar la identidad del vehículo, y/o las dimensiones del vehículo, la forma del vehículo, la presencia de un remolque, etc., que se pueden tener en cuenta también, por ejemplo, para el cobro del peaje. In a previous, parallel or subsequent step (c), one or more particular characteristics of the vehicle 2 are detected by sensor to obtain a so-called "current fingerprint" FP of the vehicle 2. From these particular characteristics are, for example, the appearance of the license plate, the color of the vehicle, the appearance of the front of the vehicle that can be used to verify the identity of the vehicle, and / or the dimensions of the vehicle, the shape of the vehicle, the presence of a trailer, etc., which can also be taken into account, for example, for toll collection.

La huella digital FP se puede extraer, por ejemplo, directamente de la imagen fotográfica 1, por ejemplo, al determinarse zonas de claro-oscuro significativas, zonas de parámetros de la imagen, como el contraste, las sumas horizontales, etc., a saber, tanto de todo el vehículo 2 como de partes del vehículo 2. En particular es posible que la huella digital FP se forme de este modo a partir de la imagen de la propia matrícula de vehículo LP. The FP fingerprint can be extracted, for example, directly from photographic image 1, for example, by determining significant light-dark areas, areas of image parameters, such as contrast, horizontal sums, etc., namely , both of the entire vehicle 2 and parts of the vehicle 2. In particular it is possible that the FP fingerprint is formed in this way from the image of the LP vehicle registration itself.

De manera alternativa o adicional, la huella digital FP se determina a partir de otras imágenes o más imágenes 1 del vehículo 2 y a partir de datos de sensores, como los escáneres láser, las barreras de luz, los bucles de inducción, las videocámaras, los sensores de peso, las instalaciones de radio, por ejemplo, consultas a un transpondedor RFID, etc. A este respecto, se pueden combinar también distintos datos de sensor en una misma huella digital FP. Alternatively or additionally, the FP fingerprint is determined from other images or more images 1 of the vehicle 2 and from sensor data, such as laser scanners, light barriers, induction loops, camcorders, Weight sensors, radio installations, for example, inquiries to an RFID transponder, etc. In this regard, different sensor data can also be combined in the same FP fingerprint.

En un paso (d) se consulta el resultado de lectura de matrícula LPOCR en una base de datos DB del sistema de peaje viario. En la realización mostrada, la base de datos DB contiene una primera lista 3 con resultados de lectura de matrícula almacenados LPOCR,men y una segunda lista 4 con todas las matrículas de vehículo LP registradas en el sistema de peaje viario y todas las huellas digitales de referencia FPref asignadas a éstas. Entre las listas 3, 4 hay una asignación relacional n:n (n E N) de los resultados de lectura de matrícula LPOCR,mem a las matrículas de vehículo LP, por una parte, o a sus huellas digitales de referencia FPref, por la otra parte, como aparece representado con las líneas 5. Un resultado de lectura de matrícula LPOCR,mem puede hacer referencia a una o varias matrículas de vehículo LP o a sus huellas digitales de referencia FRref.; y para una matrícula de vehículo LP (o una huella digital de referencia FPref) pueden estar almacenados uno o varios posibles resultados de lectura de matrícula LPOCR,mem. In a step (d) the result of reading LPOCR registration is consulted in a DB database of the road toll system. In the embodiment shown, the DB database contains a first list 3 with LPOCR stored license plate reading results, a second list 4 with all LP vehicle registrations registered in the road toll system and all fingerprints of FPref reference assigned to these. Among lists 3, 4 there is a n: n (n EN) relational assignment of the LPOCR license plate reading results, mem to LP vehicle license plates, on the one hand, or to their FPref reference fingerprints, on the other hand , as represented by lines 5. An LPOCR license plate reading result, mem can refer to one or more LP vehicle license plates or their FRref reference fingerprints; and for one LP vehicle license plate (or an FPref reference fingerprint) one or more possible LPOCR license plate reading results, mem.

Por tanto, en el paso de consulta (d) se puede consultar el resultado de lectura de matrícula actual LPOCR directamente en la lista 3 de los resultados de lectura de matrícula almacenados LPOCR,mem, pues para cada resultado de lectura de matrícula posible LPOCR sólo hay un único registro igual LPOCR,mem en la lista 3. Esto facilita y acelera significativamente la implementación. Therefore, in the query step (d) the current LPOCR license plate reading result can be consulted directly in list 3 of the LPOCR stored license plate reading results, mem, because for each possible LPOCR license plate reading result only there is a single record equal LPOCR, mem in list 3. This facilitates and significantly accelerates the implementation.

En un paso siguiente (e), todas la huellas digitales de referencia FPref, asignadas al resultado de lectura de matrícula actual LPOCR mediante las listas 3, 4, de las matrículas de vehículo LP en cuestión se determinan como "huellas digitales de candidato" FPref,cand y se comparan respectivamente con la huella digital actual FP. Esta comparación es una comparación de similitud, en la que se determina la huella digital de candidato "más similar" FPref,cand; la matrícula de vehículo LP asignada a esta huella digital se le da salida como resultado del procedimiento de reconocimiento de matrícula (paso f). In a next step (e), all FPref reference fingerprints, assigned to the current LPOCR license plate reading result by lists 3, 4, of the LP vehicle license plates in question are determined as "candidate fingerprints" FPref , cand and are compared respectively with the current FP fingerprint. This comparison is a comparison of similarity, in which the "most similar" candidate fingerprint is determined FPref, cand; LP vehicle registration assigned to this fingerprint is output as a result of the registration recognition procedure (step f).

Para determinar la huella digital de candidato "más similar" se pueden predefinir los criterios de similitud más diversos, por ejemplo, el valor máximo de una medida de similitud calculada numéricamente y/o la superación de una medida de similitud mínima, etc. Al determinarse la huella digital de candidato "más similar" se puede comprobar también si los criterios de similitud no se aplican a ninguna otra huella digital de candidato y, por tanto, si la huella digital de candidato "más similar" está determinada de manera única, es decir, si sólo se ha usado una huella digital de candidato inequívocamente más similar para el procesamiento ulterior. To determine the "most similar" candidate fingerprint, the most diverse similarity criteria can be predefined, for example, the maximum value of a numerically calculated similarity measure and / or the overcoming of a minimum similarity measure, etc. When determining the "most similar" candidate fingerprint, it is also possible to verify whether the similarity criteria do not apply to any other candidate fingerprint and, therefore, if the "most similar" candidate fingerprint is uniquely determined. , that is, if only one unequivocally more similar candidate fingerprint has been used for further processing.

En la lista 4 de la base de datos DB pueden estar almacenadas también varias huellas digitales de referencia FPref para una matrícula de vehículo LP. Así, por ejemplo, para una misma matrícula LP se pueden calcular huellas digitales de referencia FPref a partir de distintas imágenes que muestran la placa de matrícula del vehículo 2 en condiciones lumínicas o ángulos de observación diferentes. En la comparación de similitud de huella digital del paso (e), las comparaciones de similitud de la huella digital actual FP se pueden combinar con todas las huellas digitales de candidato FPref,cand de una misma matrícula LP para obtener un valor de similitud común, por ejemplo, mediante suma, selección del valor máximo, etc. In list 4 of the DB database, several FPref reference fingerprints can also be stored for an LP vehicle registration. Thus, for example, for the same LP license plate, reference fingerprints FPref can be calculated from different images showing the license plate of the vehicle 2 under different lighting conditions or viewing angles. In the fingerprint similarity comparison of step (e), similarity comparisons of the current FP fingerprint can be combined with all FPref candidate fingerprints, cand of the same LP license plate to obtain a common similarity value, for example, by sum, selection of the maximum value, etc.

Si en el paso (d) no se puede determinar un resultado de lectura de matrícula igual LPOCR,mem en la lista 3 o en el paso (e) no se puede determinar una huella digital de candidato más similar o ninguna huella digital de candidato similar FPref,cand, se ejecuta un paso (g), en el que la matrícula LP es determinada por un operario manualmente, en particular visualmente, a partir de la imagen 1 o del resultado de lectura de matrícula actual LPOCR y a partir de esto se genera un nuevo registro para la base de datos DB. A la matrícula de vehículo LP determinada manualmente se asigna entonces el resultado de lectura de matrícula actual LPOCR como resultado de lectura de matrícula nuevo o adicional LPOCR,mem y/o se le asigna la huella digital actual FP como huella digital de referencia nueva o adicional FPref. En este sentido se comprueba también si el resultado de lectura de matrícula actual LPOCR o la huella digital actual FP alcanza una frecuencia mínima y/o una calidad mínima que lo califican para ser registrado en la base de datos DB. If in step (d) an equal LPOCR license plate reading result cannot be determined, mem in list 3 or in step (e) a more similar candidate fingerprint or similar candidate fingerprint cannot be determined FPref, cand, a step (g) is executed, in which the LP license plate is determined by an operator manually, in particular visually, from the image 1 or the result of the current LPOCR license plate reading and from this it is generated A new record for the DB database. The manually determined LP vehicle registration result is then assigned the LPOCR current license plate reading result as a result of the new or additional LPOCR license plate reading, mem and / or the current FP fingerprint is assigned as a new or additional reference fingerprint FPref. In this sense, it is also checked whether the current LPOCR license plate reading result or the current FP fingerprint reaches a minimum frequency and / or a minimum quality that qualifies it to be registered in the DB database.

Se prevén preferentemente también criterios para volver a eliminar asignaciones de resultados de lectura de matrícula LPOCR,mem a matrículas LP de la lista 3 de la base de datos DB, por ejemplo, si no se accede a éstas durante un período de tiempo prolongado debido, por ejemplo, a que la placa de matrícula se renovó y se puede leer mejor ahora, por lo que ya no aparecen determinados resultados de lectura de matrícula. Preference is also given to criteria for eliminating assignments of LPOCR license plate reading results, mem to LP license plates in list 3 of the DB database, for example, if they are not accessed for a prolonged period of time, for example, that the license plate was renewed and can be read better now, so that certain registration reading results no longer appear.

En un paso (h) se pueden establecer opcionalmente también ponderaciones WT para huellas digitales de referencia FPref y almacenarlas en la base de datos DB, por ejemplo, para cada asignación LPOCR,mem a una matrícula LP, teniéndose en cuenta estas ponderaciones WT en la comparación de huella digital del paso (e) a fin de situarlas en zonas especialmente distintivas o relevantes de las huellas digitales FP y FPref,cand que se van a comparar. In a step (h), WT weights can also be optionally established for FPref reference fingerprints and stored in the DB database, for example, for each LPOCR assignment, mem to an LP license plate, taking into account these WT weights in the fingerprint comparison of step (e) in order to place them in especially distinctive or relevant areas of the FP and FPref fingerprints, which are to be compared.

Es posible también que para determinadas matrículas de vehículo LP o determinados resultados de lectura de matrícula LPOCR, si en estos se produjeran errores de asignación cada vez más frecuentes, se tengan que cumplir requisitos elevados respecto a la comparación de similitud de huella digital en el paso (e) o se prescinda por completo de una asignación automática de los mismos. It is also possible that for certain LP vehicle license plates or certain LPOCR license plate reading results, if there are increasingly frequent allocation errors, high requirements have to be met with respect to comparing fingerprint similarity in the step (e) or an automatic assignment of them is completely dispensed with.

Algunos procedimientos para el reconocimiento de matrícula OCR proporcionan varios resultados de lectura de matrícula alternativos, calificándose uno de estos como el resultado más probable en la mayoría de los casos, mientras que los demás resultados representan variantes posibles, pero menos probables. Los resultados de lectura de matrícula alternativos se pueden usar de manera eficaz en el paso (d) y en el paso (g). En el paso (d), los resultados de lectura alternativos se pueden consultar asimismo en la lista 3 de resultados de lectura de matrícula almacenados LPOCR,mem y las huellas digitales de referencia asignadas FPref se pueden usar para la comparación de huella digital. En el paso (g) se pueden registrar todas las posibles variantes de lectura de la matrícula en la base de datos DB. Some procedures for the recognition of OCR registration provide several alternative enrollment reading results, one of these being rated as the most likely outcome in most cases, while the other results represent possible, but less likely, variants. The alternative enrollment reading results can be used effectively in step (d) and step (g). In step (d), the alternative reading results can also be consulted in the list 3 of stored license plate reading results LPOCR, mem and the assigned reference fingerprints FPref can be used for fingerprint comparison. In step (g) all possible variants of the license plate reading can be registered in the DB database.

Como se acaba de explicar, los resultados de lectura de matrícula LPOCR,mem almacenados en la lista 3 pueden estar codificados. El resultado de lectura de matrícula actual LPOCR se codifica entonces de la misma forma para la comparación de igualdad en el paso (d), siendo innecesario así usar, transmitir o guardar en texto legible los resultados de lectura de matrícula en la base de datos DB o en el marco del presente procedimiento. As just explained, the LPOCR license plate reading results, mem stored in list 3 may be encoded. The current LPOCR license plate reading result is then coded in the same way for the equality comparison in step (d), thus it is unnecessary to use, transmit or save in a legible text the license plate reading results in the DB database. or within the framework of this procedure.

La codificación se puede llevar a cabo mediante cualquier procedimiento conocido que garantice un acceso autorizado a los resultados de lectura de matrícula LPOCR, LPOCR,mem. En realidad, en el caso del procedimiento presentado aquí no es necesario conocer el resultado de lectura de matrícula en texto legible o volverlo a descodificar, es decir, se puede usar una codificación irreversible. Es suficiente que la codificación sea una función inyectiva en el sentido matemático y que, por tanto, cada resultado de codificación se genere sólo exactamente a partir de un resultado de lectura de matrícula, pues el procedimiento se basa en comparar un resultado de lectura de matrícula actual con una lista de resultados de lectura de matrícula almacenados y en buscar coincidencias exactas y no matrículas únicamente similares. Sin embargo, esta búsqueda de una coincidencia exacta se puede realizar también si tanto el resultado de lectura de matrícula actual LPOCR como el resultado de lectura de matrícula almacenado LPOCR,mem están codificados de la misma forma. The coding can be carried out by any known procedure that guarantees authorized access to the results of license plate reading LPOCR, LPOCR, mem. In fact, in the case of the procedure presented here it is not necessary to know the result of reading the license plate in readable text or re-decoding it, that is, irreversible coding can be used. It is sufficient that the coding is an injective function in the mathematical sense and that, therefore, each coding result is generated only exactly from a registration reading result, since the procedure is based on comparing a registration reading result current with a list of stored tuition reading results and looking for exact matches and not just similar enrollments. However, this search for an exact match can also be performed if both the current LPOCR license plate reading result and the LPOCR stored license plate reading result, mem are coded in the same way.

La codificación es ventajosamente una llamada "función unidireccional", es decir, una función difícil de invertir, por ejemplo, una codificación asimétrica con clave pública y clave privada. La clave privada, que se necesitaría para la descodificación, se puede destruir, por lo que nadie puede deducir el resultado de lectura de matrícula real a partir del resultado de lectura de matrícula codificado. The coding is advantageously a so-called "unidirectional function", that is, a difficult function to reverse, for example, an asymmetric coding with public key and private key. The private key, which would be required for decoding, can be destroyed, so no one can deduct the actual license plate reading result from the coded license plate reading result.

La codificación de los resultados de lectura de matrícula permite también aplicar el procedimiento en sistemas de control de tramos, sistemas de aparcamiento u otros sistemas cerrados que aplican requisitos especialmente estrictos respecto a la protección de datos. En este caso se ha de diferenciar entre sistemas cerrados, en los que un paso de vehículo al salir del sistema cerrado se asigna a un paso de vehículo al entrar en el sistema cerrado, y sistemas con usuarios registrados, en los que los pasos de vehículo se asignan a una cuenta de vehículo. En los sistemas cerrados (sin registro) no tiene sentido almacenar una lista de posibles resultados de lectura de matrícula. No obstante, en estos sistemas se puede hacer también una preselección de huellas digitales por medio del resultado de lectura de matrícula, y especialmente en estos casos de aplicación puede resultar necesario codificar los resultados de lectura de matrícula por razones relativas a la protección de datos. The coding of the results of the license plate reading also allows the procedure to be applied in section control systems, parking systems or other closed systems that apply especially strict requirements regarding data protection. In this case, a distinction must be made between closed systems, in which a vehicle passage when leaving the closed system is assigned to a vehicle passage when entering the closed system, and systems with registered users, in which the vehicle passes are assigned to a vehicle account. In closed systems (without registration) it makes no sense to store a list of possible enrollment results. However, in these systems, a fingerprint preselection can also be done by means of the registration reading result, and especially in these application cases it may be necessary to encode the registration reading results for reasons related to data protection.

Una variante muy ventajosa del procedimiento descrito consiste en usar también el lugar y la hora de un paso de vehículo al identificarse los vehículos para así plausibilizar la asignación de los pasos de vehículo a cuentas de vehículo. En este caso se comprueba, por ejemplo, a partir de varias detecciones de vehículo, si un vehículo puede estar realmente en un lugar determinado a la hora indicada. A very advantageous variant of the described procedure consists in also using the place and time of a vehicle crossing when identifying the vehicles in order to plausibilize the assignment of the vehicle passes to vehicle accounts. In this case it is checked, for example, from several vehicle detections, if a vehicle can actually be in a certain place at the indicated time.

La figura 2 muestra otra realización ventajosa de la invención, en la que, de manera adicional al reconocimiento automático de matrícula, se ejecuta también una categorización automática de peaje de un vehículo, y específicamente sobre la base de la comparación de huellas digitales que se ha explicado, pudiendo contener la huella digital características que permiten verificar también las propiedades del vehículo. Con este fin, en la base de datos DB se asignan también una o varias categorías de peaje MK a la huella o las huellas digitales de referencia FPref de un vehículo identificado con una identificación ID, por ejemplo, su matrícula de vehículo LP. Si la huella digital actual FP del paso de vehículo se asemeja lo más posible a una de las huellas digitales de candidato FPref,cand determinadas de la forma mencionada arriba, se aplica también la categoría de peaje correspondiente MK de la base de datos DB y se le da salida en el paso (f) (véase también figura 1). Figure 2 shows another advantageous embodiment of the invention, in which, in addition to the automatic license plate recognition, an automatic toll categorization of a vehicle is also executed, and specifically based on the comparison of fingerprints that have been explained, the fingerprint may contain characteristics that allow to verify the properties of the vehicle. To this end, one or more MK toll categories are also assigned to the fingerprint or FPref reference fingerprints of a vehicle identified with an ID identification, for example, its LP vehicle registration. If the current FP fingerprint of the vehicle passage is as close as possible to one of the FPref candidate fingerprints, as determined in the manner mentioned above, the corresponding toll category MK of the DB database is also applied and Outputs it in step (f) (see also figure 1).

El siguiente ejemplo ilustra una posible variante de este procedimiento. The following example illustrates a possible variant of this procedure.

En un primer paso del vehículo, un van pasa por una estación de peaje. El sistema sensor, por ejemplo, un escáner láser instalado en la estación de peaje, detecta el vehículo y lo clasifica (erróneamente) como una furgoneta pequeña. Dado que el van paga sólo por la categoría de peaje (inferior) "van", se crea una contradicción. En el primer paso del vehículo, que genera una contradicción, se realiza un procesamiento manual, durante el que se corrige la contradicción y se clasifica correctamente el van con la categoría de peaje "van". Al corregirse la contradicción, la huella digital se almacena en la cuenta de vehículo junto con la categoría de peaje fijada por el operario. In a first step of the vehicle, a van passes through a toll station. The sensor system, for example, a laser scanner installed at the toll station, detects the vehicle and classifies it (erroneously) as a small van. Since the van pays only for the toll category (lower) "van", a contradiction is created. In the first step of the vehicle, which generates a contradiction, a manual processing is carried out, during which the contradiction is corrected and the van is correctly classified with the "van" toll category. When the contradiction is corrected, the fingerprint is stored in the vehicle account together with the toll category set by the operator.

Si al volver a pasar el mismo vehículo se produce nuevamente una contradicción, la huella digital del paso actual se compara con la huella digital de referencia almacenada en la cuenta de vehículo. Si ambas huellas digitales coinciden (es decir, la medida de similitud supera un valor umbral predefinido), se aplica la categoría de peaje fijada por el operario en el primer paso y se corrige así automáticamente la contradicción. If a contradiction occurs once again in the same vehicle, the fingerprint of the current step is compared with the reference fingerprint stored in the vehicle account. If both fingerprints match (that is, the similarity measure exceeds a predefined threshold value), the toll category set by the operator in the first step is applied and the contradiction is automatically corrected.

El procedimiento se basa en el conocimiento de que un mismo vehículo, que no ha cambiado su forma exterior, se puede volver a asignar a la misma categoría de peaje. A este respecto, en un primer paso se lleva a cabo la identificación del vehículo o la asignación a una cuenta de vehículo, por ejemplo, con ayuda del procedimiento para el reconocimiento automático de matrícula descrito anteriormente. En un segundo paso se garantiza mediante la comparación de huella digital que se reconocen cambios en el vehículo y que sólo se aplica la categoría de peaje almacenada en la cuenta de vehículo si el vehículo no ha cambiado externamente. Como ejemplos de estos cambios en el vehículo se pueden mencionar la renovación del vehículo (por ejemplo, la misma matrícula en un vehículo nuevo) o, por ejemplo, la presencia de un remolque o una caravana. The procedure is based on the knowledge that the same vehicle, which has not changed its exterior shape, can be reassigned to the same toll category. In this regard, in a first step the identification of the vehicle or the assignment to a vehicle account is carried out, for example, with the aid of the automatic registration recognition procedure described above. In a second step, it is guaranteed by comparing the fingerprint that changes are recognized in the vehicle and that the toll category stored in the vehicle account is only applied if the vehicle has not changed externally. Examples of these changes in the vehicle can be mentioned the renewal of the vehicle (for example, the same registration number in a new vehicle) or, for example, the presence of a trailer or a caravan.

Por consiguiente, los procedimientos, que comprueban si se pagó la categoría de peaje correcta, usan sólo los datos medidos por los sensores para determinar la categoría de peaje en base a un procedimiento de clasificación idéntico para todos los vehículos. Por consiguiente, el procedimiento de categorización presentado aquí es capaz de almacenar características de vehículos individuales y de volverlas a usar en una decisión de categorización posterior. Therefore, the procedures, which check whether the correct toll category was paid, use only the data measured by the sensors to determine the toll category based on an identical classification procedure for all vehicles. Therefore, the categorization procedure presented here is capable of storing individual vehicle characteristics and reusing them in a subsequent categorization decision.

Como se observa en la base de datos de la figura 2, a un vehículo con una identificación determinada ID o LP se pueden asignar también distintas huellas digitales de referencia FPref para su aspecto en diferentes configuraciones K con categorías de peaje correspondientes MK, por lo que es posible categorizar y cobrar el peaje automáticamente a un mismo vehículo en distintas configuraciones K, por ejemplo, con y sin remolque. As can be seen in the database of Figure 2, a vehicle with a specific ID or LP identification can also be assigned different FPref reference fingerprints for its appearance in different K configurations with corresponding MK toll categories, so It is possible to categorize and charge the toll automatically to the same vehicle in different K configurations, for example, with and without a trailer.

En una realización simplificada del procedimiento se pueden almacenar como huella digital de referencia FPref, por ejemplo, sólo las dimensiones exteriores del vehículo; la presencia de un remolque se puede reconocer también fácilmente, por ejemplo, a partir de un gran cambio en la longitud. In a simplified embodiment of the procedure, only the external dimensions of the vehicle can be stored as an FPref reference fingerprint; The presence of a trailer can also be easily recognized, for example, from a large change in length.

Otra realización muy ventajosa consiste en almacenar remolques como vehículos propios en la base de datos DB con una huella digital de referencia propia. Durante el paso se identifican por separado el vehículo tractor y el remolque y se verifican opcionalmente las propiedades del vehículo tractor y del remolque. La categoría de peaje determinada MK se deriva de una combinación de las categorías del vehículo tractor y del remolque. Another very advantageous embodiment consists in storing trailers as their own vehicles in the DB database with their own reference fingerprint. During the passage, the tractor vehicle and the trailer are identified separately and the properties of the tractor vehicle and the trailer are optionally verified. The determined toll category MK is derived from a combination of the categories of the towing vehicle and the trailer.

La determinación de la categoría de peaje MK con ayuda de las huellas digitales FP se puede llevar a cabo sobre la base del procedimiento para el reconocimiento de matrícula presentado aquí por medio de resultados de lectura de matrícula OCR LPOCR, en cuyo caso se puede usar directamente su matrícula LP como identificación de vehículo ID. Alternativamente se podría usar también cualquier otra procedimiento conocido para la identificación de vehículo, por ejemplo, una identificación de vehículo mediante un tag electrónico fijado en el vehículo, tal como un chip transpondedor RFID o una unidad de a bordo (onboard unit, OBU) para la recaudación electrónica de peaje. The determination of the MK toll category with the help of FP fingerprints can be carried out on the basis of the registration recognition procedure presented here by means of the OCR LPOCR license plate reading results, in which case it can be used directly Your LP license plate as vehicle identification ID. Alternatively, any other known method for vehicle identification could also be used, for example, vehicle identification by means of an electronic tag attached to the vehicle, such as an RFID transponder chip or an onboard unit (OBU) for electronic toll collection.

La figura 2 muestra esquemáticamente los componentes del procedimiento para la categorización automática de peaje con ayuda de huellas digitales y otros componentes del sistema que intervienen en el mismo, de la siguiente manera: Figure 2 schematically shows the components of the procedure for automatic toll categorization with the help of fingerprints and other system components involved in it, as follows:

--
un componente "vehicle identification", que ejecuta el paso (b), identifica el vehículo y lo asigna a una cuenta de vehículo; a "vehicle identification" component, which executes step (b), identifies the vehicle and assigns it to a vehicle account;

--
un componente "retrieve reference sensor fingerprint", que ejecuta el paso (d), descarga la huella o las huellas digitales de referencia asignadas como huellas digitales de candidato desde la cuenta de vehículo del vehículo identificado y desde los registros asignados de la base de datos DB;  a "retrieve reference sensor fingerprint" component, which executes step (d), downloads the fingerprint or reference fingerprints assigned as candidate fingerprints from the vehicle account of the identified vehicle and from the assigned database records DB;

--
un componente "generate sensor fingerprint", que ejecuta el paso (c), calcula la huella digital actual del paso de vehículo;  a "generate sensor fingerprint" component, which executes step (c), calculates the current fingerprint of the vehicle passage;

--
un componente "fingerprint comparison", que ejecuta el paso (e), compara la huella digital actual con una o varias huellas digitales de candidato y da como resultado si y con cuál huella digital de candidato hay una coincidencia; y - otro componente "enforcement decision" usa el resultado de la comparación de huella digital junto con el resultado de una clasificación por separado ("automatic classification") y una categoría de peaje ("claimed class") indicada por el usuario del vehículo y comprueba si hay una contradicción.  a "fingerprint comparison" component, which executes step (e), compares the current fingerprint with one or more candidate fingerprints and results in whether and with which candidate fingerprint there is a match; and - another component "enforcement decision" uses the result of the fingerprint comparison together with the result of a separate classification ("automatic classification") and a toll category ("claimed class") indicated by the vehicle user and Check if there is a contradiction.

La invención no está limitada a los ejemplos de realización representados, sino que comprende todas las variantes y modificaciones que entran en el marco de las reivindicaciones adjuntas. The invention is not limited to the embodiments shown, but includes all variants and modifications that fall within the scope of the appended claims.

Claims (9)

REIVINDICACIONES 1. Procedimiento para el reconocimiento automático de matrícula de un vehículo, en particular para el cobro de peaje en sistemas de peaje viario, con los pasos: 1. Procedure for the automatic recognition of registration of a vehicle, in particular for toll collection in road toll systems, with the steps: a) poner a disposición una base de datos (DB) para asignar (5) posibles resultados de lectura de matrícula (LPOCR,mem) a matrículas de vehículo (LP) y huellas digitales de referencia (FPref) asignadas a éstas , b) realizar la lectura OCR de la matrícula (LP) del vehículo (2) como resultado de lectura de matrícula actual (LPOCR), con previamente o posteriormente c) realizar la detección por sensor de características del vehículo (2) como una huella digital actual (FP) del vehículo, d) determinar un resultado de lectura de matrícula (LPOCR,mem) igual al resultado de lectura de matrícula actual (LPOCR) en la base de datos (DB) y todas las huellas digitales de referencia (FP) asignadas a éste como huellas digitales de candidato (FPref,cand), e) comparar la similitud de la huella digital actual (FP) con las huellas digitales de candidato (FPref,cand) para determinar la huella digital de candidato más similar, y f) dar salida a la matrícula de vehículo (LP) asignada a la huella digital de candidato (FPref,cand) más similar como resultado del reconocimiento automático de matrícula, a) make available a database (DB) to assign (5) possible license plate reading results (LPOCR, mem) to vehicle license plates (LP) and reference fingerprints (FPref) assigned to them, b) perform OCR reading of the license plate (LP) of the vehicle (2) as a result of the current license plate reading (LPOCR), with previously or subsequently c) perform the detection by vehicle characteristics sensor (2) as a current fingerprint (FP ) of the vehicle, d) determine a license plate reading result (LPOCR, mem) equal to the current license plate reading result (LPOCR) in the database (DB) and all reference fingerprints (FP) assigned to it as candidate fingerprints (FPref, cand), e) compare the similarity of the current fingerprint (FP) with candidate fingerprints (FPref, cand) to determine the most similar candidate fingerprint, and f) output the vehicle registration (LP) assigned to the hu her digital candidate (FPref, cand) more similar as a result of automatic enrollment recognition, determinándose manualmente la matrícula de vehículo (LP) para el resultado de lectura de matrícula actual (LPOCR) si en el paso d) no se puede determinar un resultado de lectura de matrícula (LPOCR,mem) igual, o en el paso e) no se puede determinar una huella digital de candidato (FPref,cand) más similar o ninguna huella digital de candidato (FPref,cand) similar, y asignándose en estos casos a la matrícula de vehículo (LP) en la base de datos (DB) el resultado de lectura de matrícula actual (LPOCR) como resultado de lectura de matrícula nuevo o adicional (LPOCR,mem), caracterizado porque la asignación nueva o adicional se lleva a caso sólo si el resultado de lectura de matrícula actual (LPOCR) alcanza una frecuencia mínima y/o una calidad mínima. manually determining the vehicle registration (LP) for the current license plate reading result (LPOCR) if in step d) an equal license plate reading result (LPOCR, mem) cannot be determined, or in step e) no a more similar candidate fingerprint (FPref, cand) or no similar candidate fingerprint (FPref, cand) can be determined, and in these cases the vehicle registration (LP) in the database (DB) is assigned the Current license plate reading result (LPOCR) as a result of new or additional license plate reading (LPOCR, mem), characterized in that the new or additional assignment is carried out only if the current license plate reading result (LPOCR) reaches a frequency minimum and / or minimum quality.
2. 2.
Procedimiento según la reivindicación 1, caracterizado porque si la comparación de la huella digital actual (FP) con la huella o las huellas digitales de referencia (FPref) asignadas a la matrícula de vehículo (LP) falla y la huella digital actual (FP) presenta una mejor calidad o más información que las huellas digitales de referencia (FPref) almacenadas, la huella digital actual (FP) se asigna a la matrícula de vehículo (LP) como huella digital de referencia (FPref) nueva o adicional. Method according to claim 1, characterized in that if the comparison of the current fingerprint (FP) with the fingerprint or the reference fingerprints (FPref) assigned to the vehicle registration (LP) fails and the current fingerprint (FP) presents better quality or more information than stored reference fingerprints (FPref), the current fingerprint (FP) is assigned to the vehicle registration (LP) as a new or additional reference fingerprint (FPref).
3. 3.
Procedimiento según la reivindicación 1 ó 2, caracterizado porque si ninguna huella digital de referencia está almacenada para la matrícula de vehículo (LP) y la huella digital actual (FP) cumple los requisitos mínimos de calidad, esta huella digital se asigna a la matrícula de vehículo (LP) como nueva huella digital de referencia (FPref). Method according to claim 1 or 2, characterized in that if no reference fingerprint is stored for the vehicle registration (LP) and the current fingerprint (FP) meets the minimum quality requirements, this fingerprint is assigned to the license plate vehicle (LP) as a new reference fingerprint (FPref).
4. Four.
Procedimiento según una de las reivindicaciones 1 a 3, caracterizado porque una asignación (5) se elimina de la base de datos (DB) si no se usa en un período de tiempo predefinido. Method according to one of claims 1 to 3, characterized in that an assignment (5) is removed from the database (DB) if it is not used in a predefined period of time.
5. 5.
Procedimiento según una de las reivindicaciones 1 a 4, caracterizado porque la detección por sensor se lleva a cabo mediante una cámara que toma una imagen (1) de la matrícula (LP) y/o del vehículo (2), extrayéndose las características de esta imagen y calculándose a partir de esto la huella digital (FP). Method according to one of the claims 1 to 4, characterized in that the sensor detection is carried out by means of a camera that takes a picture (1) of the license plate (LP) and / or the vehicle (2), extracting the characteristics of this image and calculating from this the fingerprint (FP).
6. 6.
Procedimiento según una de las reivindicaciones 1 a 5, caracterizado porque la detección por sensor se lleva a cabo mediante barreras de luz, escáneres láser, bucles de inducción, sensores de peso o medios de comunicación vía radio que detectan características particulares del vehículo (2), a partir de las que se calcula la huella digital (FP). Method according to one of claims 1 to 5, characterized in that the sensor detection is carried out by means of light barriers, laser scanners, induction loops, weight sensors or radio communication means that detect particular characteristics of the vehicle (2) , from which the fingerprint (FP) is calculated.
7. 7.
Procedimiento según una de las reivindicaciones 1 a 6, caracterizado porque para cada resultado de lectura de matrícula (LPOCR,mem), preferentemente para cada asignación individual del mismo a una matrícula de vehículo (LP), se almacenan en la base de datos (DB) ponderaciones (WT) para regiones individuales de las huellas digitales de referencia (FPref) asignadas, que se tienen en cuenta en la comparación de similitud. Method according to one of claims 1 to 6, characterized in that for each registration reading result (LPOCR, mem), preferably for each individual assignment thereof to a vehicle registration (LP), they are stored in the database (DB ) weights (WT) for individual regions of the assigned reference fingerprints (FPref), which are taken into account in the comparison of similarity.
8. 8.
Procedimiento según una de las reivindicaciones 1 a 7, caracterizado porque los resultados de lectura de matrícula (LPOCR,mem) se almacenan codificados en la base de datos (DB) y el resultado de lectura de matrícula actual (LPOCR) para la búsqueda de igualdad en el paso d) se codifica del mismo modo. Method according to one of claims 1 to 7, characterized in that the registration reading results (LPOCR, mem) are stored encoded in the database (DB) and the current registration reading result (LPOCR) for the search for equality in step d) it is coded in the same way.
9. 9.
Procedimiento según una de las reivindicaciones 1 a 8 adicionalmente para la categorización de peaje del vehículo, caracterizado porque en la base de datos (DB) a cada huella digital de referencia (FPref) se asigna también una categoría de peaje (MK) y, si esta huella digital de referencia (FPref) se determina como la huella digital de candidato más similar (FPref,cand), se da salida, junto con la misma, a la categoría de peaje asignada (MK). Method according to one of claims 1 to 8 additionally for the categorization of vehicle tolls, characterized in that a toll category (MK) is also assigned to each reference fingerprint (DB) and, if This reference fingerprint (FPref) is determined as the most similar candidate fingerprint (FPref, cand), along with it, the assigned toll category (MK) is output.
REFERENCIAS CITADAS EN LA DESCRIPCIÓN  REFERENCES CITED IN THE DESCRIPTION Esta lista de referencias citadas por el solicitante es únicamente para la comodidad del lector. No forma parte del documento de la patente europea. A pesar del cuidado tenido en la recopilación de las referencias, no se pueden 5 excluir errores u omisiones y la EPO niega toda responsabilidad en este sentido. This list of references cited by the applicant is solely for the convenience of the reader. It is not part of the European patent document. Despite the care taken in the collection of references, errors or omissions cannot be excluded and the EPO denies all responsibility in this regard. Documentos de patente citados en la descripción10 US2007008179A1 [0001] Patent documents cited in description10 US2007008179A1 [0001]
ES09450175T 2009-09-18 2009-09-18 Procedure for the recognition of registration and categorization of vehicle tolls Active ES2401324T3 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP09450175A EP2320384B1 (en) 2009-09-18 2009-09-18 Method of licence plate recognition and categorisation of vehicles for toll purposes

Publications (1)

Publication Number Publication Date
ES2401324T3 true ES2401324T3 (en) 2013-04-18

Family

ID=41727411

Family Applications (1)

Application Number Title Priority Date Filing Date
ES09450175T Active ES2401324T3 (en) 2009-09-18 2009-09-18 Procedure for the recognition of registration and categorization of vehicle tolls

Country Status (6)

Country Link
EP (1) EP2320384B1 (en)
DK (1) DK2320384T3 (en)
ES (1) ES2401324T3 (en)
PL (1) PL2320384T3 (en)
PT (1) PT2320384E (en)
SI (1) SI2320384T1 (en)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011053052B3 (en) 2011-08-26 2013-02-28 Jenoptik Robot Gmbh Method and device for identifying motor vehicles for traffic monitoring
CN104123844A (en) * 2014-08-12 2014-10-29 陈昊 Information processing module for distinguishing true and false (fake) licence plates
DE102014225804A1 (en) 2014-12-15 2016-06-16 Bayerische Motoren Werke Aktiengesellschaft Assistance in driving a vehicle
US10235332B2 (en) 2015-04-09 2019-03-19 Veritoll, Llc License plate distributed review systems and methods
EP3869396A1 (en) 2020-02-24 2021-08-25 Toll Collect GmbH Method and system for adjusting a label
CN114694385B (en) * 2020-12-25 2023-04-28 富联精密电子(天津)有限公司 Parking management method, device, system, electronic equipment and storage medium

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2385049T3 (en) * 2005-06-10 2012-07-17 Accenture Global Services Limited Electronic vehicle identification

Also Published As

Publication number Publication date
EP2320384B1 (en) 2012-12-12
DK2320384T3 (en) 2013-03-18
PT2320384E (en) 2013-03-12
SI2320384T1 (en) 2013-03-29
PL2320384T3 (en) 2013-05-31
EP2320384A1 (en) 2011-05-11

Similar Documents

Publication Publication Date Title
ES2401324T3 (en) Procedure for the recognition of registration and categorization of vehicle tolls
US10950124B2 (en) License plate recognition
ES2397995T3 (en) Electronic vehicle identification
RU2210110C2 (en) Road inspection device for checking vehicle-mounted instrument for correct road tall
US8094887B2 (en) Method and system for analyzing image identifications to identify an entity
US10255804B2 (en) Method for generating a digital record and roadside unit of a road toll system implementing the method
KR100218851B1 (en) Vehicle specific system
US20150104073A1 (en) Delayed vehicle identification for privacy enforcement
ES2316015T3 (en) SYSTEM AND PROCEDURE FOR THE DETECTION OF THE MEDIUM SPEED OF VEHICLES FOR TRAFFIC CONTROL.
CN110826356B (en) Non-motor vehicle violation detection system, method and server
US20180107892A1 (en) Dual embedded optical character recognition (ocr) engines
WO2008061894A1 (en) An apparatus and a method for correcting erroneous image identifications generated by an ocr device
US11875582B2 (en) Vehicle number identification device, vehicle number identification method, and program
JP2011113440A (en) Number plate recognition program and number plate recognition device
JP6818626B2 (en) Vehicle type discrimination device, vehicle type discrimination method, and vehicle type discrimination system
KR101987671B1 (en) License plate matching system by using learning algorithm and method thereof
JP7225993B2 (en) Same vehicle determination device, same vehicle determination method and program
ES2387753T3 (en) Procedure to detect the passage of vehicles
JP2011070339A (en) Vehicle access management system
ES2939697T3 (en) detection system
US20160358462A1 (en) Method and system for vehicle data integration
KR20040071479A (en) A license plate recognition system and the cars administration method thereof
ES2427163T3 (en) Procedure to validate a toll transaction
WO2017169012A1 (en) Identification information determination device, identification information determination system, computer program, and identification information determination method
JP2012083996A (en) Vehicle number recognition device, illegal vehicle discrimination and notification system provided with the same, vehicle verification method and illegal vehicle discrimination and notification method applying the same