Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.utmachala.edu.ec/handle/48000/19606| Título : | Visión artificial para control de estacionamiento vehicular |
| Autor : | Aguilar Alvarado, Jonathan Victor Rivas Asanza, Wilmer Braulio Garcia Galarza, Karina Elizabeth |
| Palabras clave : | INTELIGENCIA ARTIFICIAL;OPENCV;PARQUEO INTELIGENTE;VISIÓN ARTIFICIAL |
| Fecha de publicación : | 2021 |
| Citación : | Aguilar, J. (2021, Sept. 20) Visión artificial para control de estacionamiento vehicular. Polo del conocimiento, Volumen (6), No 9, Septiembre 2021, pp. 2134-2154 |
| Descripción : | En la actualidad una de causales por el aumento de congestión vehicular es la falta de disponibilidad de parqueo vehicular. La presente investigación se centra en el desarrollo de un sistema capaz de identificar plazas de estacionamiento disponibles mediante el análisis de imágenes y videos de parqueaderos usando la librería de visión artificial Open CV y el lenguaje de programación Python. Consiste en identificar y definir las coordenadas de la región de interés del espacio de estacionamiento (ROI). Usando visión artificial se realiza la detección de plaza libre u ocupada mediante la técnica de desenfoque gaussiano, luego convertir las imágenes de RGB a escala de grises. Posteriormente, se evalúa los ROI originales y el ROI de la imagen convertida y finalmente, calcular si la desviación estándar y el promedio son mayor y menor a un umbral. La última actividad del presente trabajo de investigación se basa en la elaboración de cinco pruebas en diferentes entornos. A cada prueba se aplicó la matriz de confusión como herramienta de evaluación de testeo y las métricas: Exactitud (Accuracy), Sensibilidad (Recall) y Precisión (Precisión). La evidencia obtenida indica que el modelo propuesto permite detectar el estado de las plazas dentro de un parqueadero, con un grado de exactitud del 92%, precisión del 80% y una sensibilidad del 79% como promedio de las cinco pruebas realizadas. Estos resultados también evidenciaron que el éxito del modelo depende del ángulo de la cámara y factores de luz. |
| Resumen : | Currently one of the causes for the increase in traffic congestion is the lack of availability of vehicle parking. This research focuses on the development of a system capable of identifying available parking spaces by analyzing parking images and videos using the Open CV computer vision library and the Python programming language. It consists of identifying and defining the coordinates of the parking space region of interest (ROI). Using artificial vision, the detection of free or occupied space is carried out using the Gaussian blur technique, then converting the images from RGB to grayscale. Subsequently, the original ROI and the ROI of the converted image are evaluated and finally, calculate if the standard deviation and the average are greater and less than a threshold. The last activity of this research work is based on the development of five tests in different settings. The confusion matrix was applied to each test as a test evaluation tool and the metrics: Accuracy (Accuracy), Sensitivity (Recall) and Precision (Precision). The evidence obtained indicates that the proposed model allows detecting the state of the parking spaces within a parking lot, with a degree of accuracy of 92%, precision of 80% and a sensitivity of 79% as an average of the five tests carried out. These results also showed that the success of the model depends on the camera angle and light factors. |
| URI : | http://repositorio.utmachala.edu.ec/handle/48000/19606 |
| ISSN : | 2550-682X |
| Aparece en las colecciones: | Carrera de Enfermería |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Jonathan Victor Aguilar Alvarado.pdf | Articulo | 240,66 kB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
