Sistema de reconocimiento sobre la disponibilidad de zonas para parqueo mediante redes neuronales convolucionales con imágenes en tiempo real en el Campus Sur de la Universidad Politécnica Salesiana.
Para citar o enlazar este item, por favor use el siguiente identificador:
http://dspace.ups.edu.ec/handle/123456789/21305
Título : | Sistema de reconocimiento sobre la disponibilidad de zonas para parqueo mediante redes neuronales convolucionales con imágenes en tiempo real en el Campus Sur de la Universidad Politécnica Salesiana. |
Autor : | Arias Sampedro, Diego Paúl Álvarez Chamorro, Guíbed Paúl |
Director de Tesis: | Zapata Molina, Lina Patricia |
Resumen traducido: | The objective of this work was to develop an image recognition application about parking spot availability detection, based on convolutional neural networks. The neural network was implemented through mAlexnet architecture due its accuracy and response time the objective data set CNRPark-Ext. Parking zone images are extracted in real time through HIKVISION software, manufacturer of the surveillance cameras. Subsequently images are segmented, preprocessed, classified and stored in a database through algorithms codified in PYTHON. Finally, parallel computing was applied for parking spot classification through the PYTHON MULTIPROCESSING library. Output results from image classification showed a 97.37% accuracy with the dataset CNRPark+Ext and 95.91% with the target dataset. Performance tests with parallel computing allowed us to conclude that this approach only takes advantage from the sequential approach when the processing scenario possess a neural network with a long response time or a high amount of parking spots to process concurrently, this owing to the initialization time needed to begin a parallel execution |
Resumen : | El presente trabajo tiene como objetivo desarrollar una aplicación informática de reconocimiento de imágenes, sobre la disponibilidad de espacios de estacionamiento, de diferentes zonas o áreas, en base a redes neuronales convolucionales. En la red neuronal se implemento la arquitectura mAlexnet debido a su precisión y tiempo de respuesta sobre el set de datos objetivo CN- RPark+Ext. Las imágenes sobre las zonas de parqueo se extraen en tiempo real mediante el software que provee HIKVISION, fabricante de cámaras de monitoreo. Posteriormente las imágenes son segmentadas, pre procesadas, clasificadas y almacenadas en una base de datos a través de algoritmos codificados en PYTHON. Finalmente, se aplico programación en paralelo, para la clasificación de imágenes de los espacios de estacionamiento mediante la librería MULTIPROCESSING de Python. Los resultados obtenidos de la clasificación de imágenes fueron del 97.37% ´ de exactitud sobre el set de datos CNRPark+Ext y 95.91% sobre el set de datos local objetivo. Las pruebas de rendimiento en el procesamiento en paralelo permitieron concluir que este enfoque solo toma ventaja sobre el enfoque secuencial cuando se posee una red neuronal con un largo tiempo de respuesta o gran cantidad de espacios de estacionamiento por procesar a la vez, esto debido al tiempo de inicialización necesario para cada ejecución en paralelo. |
Palabras clave : | COMPUTACIÓN ANÁLISIS DE SISTEMAS SOFTWARE DE APLICACIÓN PARQUEADEROS UNIVERSIDADES REDES NEURONALES (COMPUTADORES) PROCESAMIENTO DE IMÁGENES |
Fecha de publicación : | nov-2021 |
URI : | http://dspace.ups.edu.ec/handle/123456789/21305 |
Idioma: | spa |
Pertenece a las colecciones: | Grado |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
UPS - TTS541.pdf | Texto completo | 4,94 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons