Implementaci?n de una red neuronal artificial convolucional para la detecci?n y conteo de veh?culos en una secci?n del estacionamiento de la Universidad Ricardo Palma

Abstract

En esta tesis se implement? un sistema de detecci?n y conteo de veh?culos en una secci?n del estacionamiento de la Universidad Ricardo Palma, con el objetivo de obtener el n?mero de espacios disponibles y reducir el tiempo de consulta de espacios para el personal de seguridad; para esto, se propuso dos redes neuronales convolucionales (CNN): You Only Look Once v5 (YOLO v5) y Faster Region-based Convolutional Neural Network (Faster RCNN). Adem?s, se opt? por aplicar Transfer Learning a dichas CNN. Para ello se construy? un dataset de 460 im?genes conformado por im?genes de internet y autos estacionados en la universidad. Asimismo, para la operaci?n del conteo de autos se utilizaron los m?todos de limitaci?n de espacios, por l?nea de inter?s (LOI) y regi?n de inter?s (ROI), optando por el segundo m?todo debido a ser el m?s adecuado para delimitar espacios de estacionamiento y evitar resultados err?neos al contabilizar. Para la interfaz gr?fica de usuario (GUI), se utiliz? la librer?a Tkinter, creando una ventana interactiva, visualizando num?ricamente los autos detectados y espacios disponibles. Finalmente, para la implementaci?n del sistema en tiempo real, se eligi? la red YOLO, despu?s de evaluar ciertos par?metros (mAP, FPS, porcentaje de error y falsos positivos) en ambas CNN, modific?ndose los umbrales de detecci?n y las ROI a trav?s de una tabla comparativa. Asimismo, se instal? un tel?fono m?vil sobre la garita de la puerta 3 de la Universidad Ricardo Palma, utilizando la red de internet de la propia universidad, el cual se conect? a la laptop con la red YOLO, concluyendo la efectividad de la red seleccionada, la implementaci?n del contador y la interfaz GUI