Detección de estacionamientos no autorizados y reservados, mediante uso de tecnicas de deep learning.
| dc.contributor.advisor | Pérez Venegas, Francisco Germán | es |
| dc.contributor.author | Opazo Flores, Sergio Nicolás | es |
| dc.date.accessioned | 2026-01-12T15:23:54Z | |
| dc.date.available | 2026-01-12T15:23:54Z | |
| dc.date.issued | 2025 | |
| dc.description | Tesis presentada para optar al título de Ingeniero/a Civil en Telecomunicaciones. | es |
| dc.description.abstract | Este proyecto aborda el desarrollo de modelos, utilizando visión por computador, basado en aprendizaje profundo para la detección automática de patentes chilenas y de detección de espacios de estacionamientos. El constante aumento del parque automotriz en nuestro país ha generado desafíos en la gestión del tránsito y el control de zonas de estacionamiento, lo que motivó la creación de una solución capaz de identificar vehículos y su disposición en espacios públicos o privados. Se implementó un modelo de detección usando la arquitectura de YOLOv8, entrenado y optimizado mediante el uso de técnicas de aumento de datos, preprocesamiento y validación de patentes chilenas. En el caso de las patentes, se integró un sistema de reconocimiento óptico de caracteres, el cual nos ayuda a reconocer formatos válidos para nuestro país, el que consiste en 2 letras y 4 números o 4 letras y 2 números, ignorando caracteres irrelevantes como lo son los reparadores, en el caso de puntos, estrellas y diversos textos institucionales. Para el modelo de espacios de estacionamiento, se entrenó un modelo separado capaz de detectar los espacios libres y ocupados, en ambos casos se consideraron variables como iluminación, clima, altura, ángulos y distancia como factores principales. El sistema fue evaluado utilizando diversas métricas como Precisión, Recall, F1-score, curvas Precisión vs Recall y curva ROC y también, mediante la evaluación humana, observando el desempeño optimo en la detección de patentes en condiciones normales alcanzando un área bajo la curva ROC (AUC) de 0.69, lo que indica una buena capacidad del modelo para distinguir, mientras que el modelo de estacionamientos mostró un máximo más bajo (0.53), lo que evidencia un comportamiento más errático, pero con mucho margen de mejora. | es |
| dc.description.abstract | This project addresses the development of models using computer vision based on deep learning for the automatic detection of Chilean license plates and parking space occupancy. The continuous increase in the number of vehicles in our country has generated challenges in traffic management and parking zone control, which motivated the creation of a solution capable of identifying vehicles and their placement in public or private spaces. A detection model was implemented using the YOLOv8 architecture, trained and optimized through data augmentation techniques, preprocessing, and validation with Chilean license plates. For license plate recognition, an optical character recognition (OCR) system was integrated to identify valid formats in Chile, consisting of 2 letters and 4 numbers or 4 letters and 2 numbers, while ignoring irrelevant characters such as dots, stars, and institutional texts. For the parking space model, a separate model was trained to detect free and occupied spaces. In both cases, variables such as lighting, weather, height, angles, and distance were considered key factors. The system was evaluated using various metrics such as Precision, Recall, F1-score, Precision vs Recall curves, and ROC curves. Additionally, a qualitative evaluation was performed through human inspection. The license plate detection model showed optimal performance under normal conditions, achieving an Area Under the ROC Curve (AUC) of 0.69, indicating a good ability to distinguish between classes. In contrast, the parking space detection model reached a lower AUC of 0.53, reflecting more erratic behavior but with significant room for improvement. | en |
| dc.description.campus | Concepción | es |
| dc.description.departamento | Departamento de Ingeniería Eléctrica | es |
| dc.description.facultad | Facultad de Ingeniería | es |
| dc.identifier.uri | https://repositorio.udec.cl/handle/11594/13563 | |
| dc.language.iso | es | es |
| dc.publisher | Universidad de Concepción | es |
| dc.rights | CC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 International | en |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Zonas de estacionamiento | es |
| dc.subject | Tránsito urbano | es |
| dc.subject | Deep learning (Machine learning) | es |
| dc.title | Detección de estacionamientos no autorizados y reservados, mediante uso de tecnicas de deep learning. | es |
| dc.type | Thesis | en |