Visión artificial para control de estacionamiento vehicular

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.

• 1. Verfasser: Aguilar Alvarado, Jonathan Victor (author)
• Weitere Verfasser: Rivas Asanza, Wilmer Braulio (author), Garcia Galarza, Karina Elizabeth (author)
• Format: article
• Veröffentlicht: 2021
• Schlagworte: INTELIGENCIA ARTIFICIAL; OPENCV; PARQUEO INTELIGENTE; VISIÓN ARTIFICIAL
• Online Zugang: http://repositorio.utmachala.edu.ec/handle/48000/19606