Diseño e implementación del prototipo de un sistema de estacionamiento inteligente

Abstract

A lo largo de este trabajo se detalla el procedimiento utilizado para desarrollar un prototipo de estacionamiento inteligente, basado en algoritmos de OCR mediante redes neuronales. Para el desarrollo del algoritmo de OCR se utilizaron dos redes neuronales: la principal procesa una imagen de una patente y estima los caracteres, mientras que la secundaria es un detector clasificador que procesa la fotograf´ıa y entrega la imagen de la patente. El prototipo contempla un servidor web y un sistema embebido que se instala en las entradas/salidas de un establecimiento. El sistema embebido cuenta con un sensor ultras´onico y una c´amara USB. Con la finalidad de analizar costos se propusieron dos prototipos: una versi´on que es capaz de procesar las im´agenes de forma local, basada en NVIDIA Jetson TX1, denominado como SL, y una versi´on simplificada que captura la imagen y la env´ıa al servidor para posteriormente ser procesada en la Raspberry Pi 3B+, llamado SL mini. El servidor web cuenta con una arquitectura de microservicios y fue dise˜nado para que sea f´acilmente escalable. Este permite almacenar la informaci´on que recolectan los sistemas SL, adicionalmente los administradores pueden acceder a la informaci´on, y adem´as pueden configurar los sistemas SL desde la web. Finalmente, ya con el prototipo funcional, se realizaron ensayos a las distintas partes del sistema, con la finalidad de obtener su capacidad actual de procesamiento y sus limitaciones.

This work details the procedure used to develop a smart parking prototype th- roughout this thesis, based on OCR algorithms using neural networks. For the OCR algorithm development, two neural networks were employed: the main network processes an image of a license plate and estimates the characters, while the secondary one is a classifier detector that processes the photograph and provides the license plate image. The prototype includes a web server and an embedded system that is installed at the entrances/exits of a facility. The embedded system features an ultrasonic sensor and a USB camera. In order to analyze costs, two prototypes were proposed: one version capable of processing images locally based on NVIDIA Jetson TX1, referred to as SL, and a simplified version that captures the image and sends it to the server for later processing based on Raspberry Pi 3B+, called SL mini. The web server employs a microservices architecture and was designed to be easily scalable. It allows storing the information collected by the SL systems, and administrators can access this information and configure the SL systems through the web. Finally, with the functional prototype in place, tests were conducted on different parts of the system to determine its current processing capacity and limitations.