Desarrollo de un Sistema de Acceso para Parqueaderos y Cobro Tarifario Utilizando Reconocimiento de Patrones.

El trabajo de investigación de desarrollo de un sistema de accesos para parqueadero y cobro tarifario mediante reconocimiento de patrones tiene como objetivo automatizar y mejorar las condiciones de servicio de parqueaderos disminuyendo tiempos de registro y tarifando valores justos en la Facultad de Informática y Electrónica perteneciente a la Escuela Superior Politécnica de Chimborazo. Mediante análisis documental fueron evaluadas redes neuronales de aprendizaje supervisado y se escogió la red neuronal de retropropagación como más apta para el trabajo. El sistema se desarrolló bajo el sistema operativo Linux-Ubuntu, usando como compilador QT Creator y para visión artificial las librerías de OpenCV, el lenguaje de programación fue C++. Se codificó la red neuronal y se escogieron muestras para su entrenamiento. Se diseñó el sistema de segmentación y clasificación. Se construyó un modelo a escala de un parqueadero, donde se instalaron dos cámaras IP conectadas en red con el computador. Los resultados por el sistema de reconocimiento de siete caracteres obtenidos fueron favorables con un porcentaje de 99.256% clasificando caracteres de placas vehiculares. Así mismo el tiempo de procesamiento fue relativamente bajo con un valor medio de 156.21ms. Se concluye que la red de retropropagación posee un alto desempeño clasificando caracteres y manejando grandes volúmenes de datos. Se ven reducidos los tiempos de ingreso y salida del parqueadero mediante el sistema creado. Se recomienda a los investigadores de la Facultad de Informática y Electrónica que tomen este trabajo como referencia para trabajar con redes neuronales artificiales.This research is a development of an accessing system for parking and charging through recognizing prompts, It aims to automatize and better the conditions of service of parking, decreasing register time and charging the correct price in the Faculty of Informatics and Electronics at Superior Polytechnic of Chimborazo. Using documental analysis neuronal networks of supervising learning were assessed and the most appropriate neural network of Retro-propagation was chosen for work. The system took into consideration the operative system Linux-Ubuntu by using QT Creator as compiler and for artificial vision the bookstores of OpenCV, programming language was C++. Neural network was coded and samples were chosen for its entertainment. The system of segmentation and classification was designed. A scale model of parking was build including two cameras IP on line with the computer. The results were positive in 99.256% classifying license plates. Processing time was relatively low with a medium value of 156.21ms. It is also taken into account that retro-propagation network has a high development classifying characteristics and management of big data volumes. Entering and leaving parking time have been reduced because of the new system. It is recommended to researches of the Faculty of Informatics and Electronics to consider this work to keep studying neuronal artificial networks