Abstract:
En el presente trabajo de titulación se realiza el diseño e implementación de un prototipo de sistema de seguridad integral con el fin monitorear el acceso de automóviles, utilizando visión artificial junto con la red neuronal detectNet; de esta manera se enmarca la zona de interés obteniendo el par de coordenadas (x, y), con las cuales se compara la posición para implementar un “sensor” por medio de visión artificial, permitiendo capturar la imagen al pasar por una zona delimitada. Por medio de la investigación previa y selección de componentes, se decidió utilizar: una luminaria led de luz blanca LEDVANCE OSRAM Floodlight 10W, seleccionada según la norma UNE EN-13201; junto con una cámara de seguridad IP Hikvision, que cuenta con varias configuraciones que permiten el correcto desarrollo del prototipo tales como: ajustes de imagen (brillo, contraste, saturación, nitidez), configuración de exposición, control día/noche (filtro ir, luz ir) y Compensación de Luces Altas (HLC). El uso del filtro infrarrojo junto con la luz infrarroja, permite que la luz viaje desde la cámara hasta la placa vehicular y rebote en el fondo retro reflectivo, obteniendo una imagen clara y de alta calidad; por su parte la Compensación de Luces Altas (HLC), permite detectar y revertir zonas en las que la luz que llega a la cámara distorsiona la imagen, eliminando destellos o reflejos. Además, se diseñaron dos bases de datos en un archivo SQLite: base de datos permanente utilizada para residentes (se registra por medio de teclado) y base de datos temporal utilizada para delivery y visitantes (se registra por medio de chatbot vía Telegram y se eliminan una hora después del registro). Los algoritmos se implementaron y compilaron con OpenCV en Python3, lo cual hizo posible el diseño de una interfaz gráfica bajo la norma ISO 9241, que cuenta con: verificación de usuario. clave, colores acromáticos, tipografía recomendada por la norma, tolerancia a errores, indicadores de órdenes, botones de acción, mensajes informativos y mensajes de error. Para finalizar, se realiza la validación de la hipótesis por el método de T-Student, afirmando que, el diseño e implementación de un prototipo de sistema de seguridad integral permite controlar y monitorear el ingreso de automóviles al conjunto residencial, utilizando visión artificial y chatbot con un porcentaje de transformaciones OCR afirmativas mayor o igual al 95%.
