Modelo de detección de aparcamientos libres y ocupados con visión artificial

Objetivo: Desarrollar un sistema de detección de aparcamientos libres y ocupados utilizando un modelo de visión artificial, que pueda detectar y localizar automáticamente con la mayor precisión posible plazas de aparcamiento libres en tiempo real.

Métodología:

• Recopilación de datos: Recopilar un conjunto de datos de imágenes y vídeos de aparcamientos con anotaciones de plazas de aparcamiento libres y ocupadas.
• Entrenamiento del modelo: Utilizar el conjunto de datos recopilados para entrenar el modelo de visión artificial.
• Evaluación del modelo: Evaluar el rendimiento del modelo utilizando métricas como la precisión, la recuperación y la puntuación F1.
• Despliegue: Implementar el modelo en un dispositivo como una cámara o un smartphone para detectar y localizar plazas de aparcamiento libres en tiempo real.

Resultados esperados:

Un modelo de visión artificial entrenado que pueda detectar y localizar con precisión plazas de aparcamiento libres y ocupadas en tiempo real con alta precisión y recuperación. Despliegue del modelo en un dispositivo que pueda ser utilizado en un escenario real.

Beneficios esperados:

• El modelo ayudará a los conductores a encontrar rápidamente plazas de aparcamiento libres, lo que reducirá la congestión del tráfico y la contaminación atmosférica causada por dar vueltas en busca de aparcamiento.
• El modelo también puede utilizarse en la planificación de ciudades inteligentes para optimizar la infraestructura de aparcamiento y reducir la necesidad de construir nuevos estacionamientos.

(English version)

Model for detection of free and occupied parking spaces with artificial vision.

Aim: To develop a free and occupied parking lot detection system using a machine vision model, which can automatically detect and locate free parking spaces as accurately as possible in real time.

Methodology:

• Data collection: Collect a dataset of parking lot images and videos with annotations of free and occupied parking spaces.
• Model training: Use the collected dataset to train the computer vision model.
• Model evaluation: Evaluate model performance using metrics such as accuracy, recall, and F1 score.
• Deployment: Implement the model on a device such as a camera or smartphone to detect and locate free parking spaces in real time.
• Expected results:

A trained machine vision model that can accurately detect and locate free and occupied parking spaces in real time with high accuracy and recall. Deployment of the model in a device that can be used in a real scenario.

Expected benefits:

• The model will help drivers quickly find free parking spaces, which will reduce traffic congestion and air pollution caused by circling around looking for parking.
• The model can also be used in smart city planning to optimize parking infrastructure and reduce the need to build new parking lots.