Loading...
Publication
Gestão inteligente de parque de estacionamento através de processamento de imagem
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 4.73 MB | Adobe PDF |
Authors
Abstract(s)
Nesta dissertação desenvolveu-se um sistema inteligente de gestão de parques de
estacionamento através de processamento de imagem. O algoritmo usado permite
a monitorização de lugares de estacionamento utilizando visão computacional para
detetar veículos em áreas definidas dentro de um vídeo capturado por um uma
câmera.
Este projeto foi implementado com base na arquitetura de rede neuronal
convolucional YOLOv8, utilizada para deteção de objetos em imagens. A utilização
do algoritmo baseado na YOLOv8 permite a deteção de veículos em lugares de
estacionamento, sendo que o algoritmo utiliza a teoria da região de interesse para
o mapeamento dos lugares em parques de estacionamento. Dentro do algoritmo
utilizam-se dois tipos de regiões de interesse: região de deteção de veículo e região
da vaga marcada, sendo que a sobreposição dessas regiões dita a ocupação da
vaga de estacionamento. Para complementar o algoritmo foi criada uma página web
para dar informação em tempo-real da disponibilidade dos lugares de
estacionamento aos automobilistas.
Para implementação do hardware foi utilizado um Raspberry Pi 4 e um 5, afim de
executar a deteção veículos e verificar a disponibilidade de lugares de
estacionamentos. O processo de construção do sistema começou na recolha de
imagens de veículos para o treino da máquina (responsável pela deteção), e
posteriormente a marcação dos lugares a serem monitorizados. Em seguida
passou-se à verificação das sobreposições das regiões (se o veículo detetado
estava dentro da vaga) e por fim ao envio em tempo-real para a página web do
estado de disponibilidade dos lugares.
Os resultados obtidos tanto na simulação quanto na implementação prática de
hardware foram satisfatórios com uma percentagem de exatidão na deteção de
veículos de 89.92% em condições climáticas e de luminosidade adversas,
considerando-se por isso o sistema eficiente na deteção de lugares de
estacionamento.
In this dissertation an intelligent parking management system was developed through image processing. The algorithm used creates a parking space monitoring system that uses computer vision to detect vehicles in defined areas within a video captured by a camera. This project was implemented based on the YOLOv8 convolutional neuronal network architecture, used for object detection in images. The use of an algorithm based on YOLOv8 allows the detection of vehicles in parking spaces, and the algorithm uses the region of interest theory for the mapping of parking spaces. Within the algorithm there are two types of regions of interest: a vehicle detection region and a marked space region), and the overlap of these regions dictates the occupancy of the parking space. To complement the algorithm, a web page was created to provide real-time information on the availability of parking spaces to motorists. For the hardware implementation, a Raspberry Pi 4 and a 5 were used in order to perform vehicle detection and to check the availability of parking spaces. In general, the process of building the system began with the collection of vehicle images for machine training (responsible for detection), and then the marking of the spaces to be monitored. This was followed by the verification of the overlaps of the regions (if the detected vehicle is within the space) and finally sending, in real-time, to the web page the availability status of the spaces. The results obtained both in simulation and in practical implementation were satisfactory, with an accuracy percentage for vehicle detection of 89.92%, in adverse weather and light conditions, thus creating an efficient system in the detection of free parking spaces.
In this dissertation an intelligent parking management system was developed through image processing. The algorithm used creates a parking space monitoring system that uses computer vision to detect vehicles in defined areas within a video captured by a camera. This project was implemented based on the YOLOv8 convolutional neuronal network architecture, used for object detection in images. The use of an algorithm based on YOLOv8 allows the detection of vehicles in parking spaces, and the algorithm uses the region of interest theory for the mapping of parking spaces. Within the algorithm there are two types of regions of interest: a vehicle detection region and a marked space region), and the overlap of these regions dictates the occupancy of the parking space. To complement the algorithm, a web page was created to provide real-time information on the availability of parking spaces to motorists. For the hardware implementation, a Raspberry Pi 4 and a 5 were used in order to perform vehicle detection and to check the availability of parking spaces. In general, the process of building the system began with the collection of vehicle images for machine training (responsible for detection), and then the marking of the spaces to be monitored. This was followed by the verification of the overlaps of the regions (if the detected vehicle is within the space) and finally sending, in real-time, to the web page the availability status of the spaces. The results obtained both in simulation and in practical implementation were satisfactory, with an accuracy percentage for vehicle detection of 89.92%, in adverse weather and light conditions, thus creating an efficient system in the detection of free parking spaces.
Description
Keywords
Processamento de imagem Deteção de lugares de estacionamento Algoritmo para reconhecimento de veículos Raspberry Pi Image processing Parking space detection Algorithm for vehicle recognition Engenharia Electrotécnica-Telecomunicações . Faculdade de Ciências Exatas e da Engenharia