SEGMENTACIÓN DE LUGARES DISPONIBLES EN ESTACIONAMIENTOS HACIENDO USO DE REDES NEURONALES PULSO-ACOPLADAS (PARKING SLOTS SEGMENTATION USING PULSE-COUPLED NEURAL NETWORKS)

Víctor Romero Bautista, Aldrin Barreto Flores, Salvador Eugenio Ayala Raggi, Verónica Edith Bautista López, José Francisco Portillo Robledo

Resumen


Resumen
Algunos de los principales retos en los sistemas de asistencia a estacionamientos basados en visión artificial que están dedicados a la segmentación de lugares disponibles, son las diferentes afectaciones que se pueden presentar, como por ejemplo las variaciones de luz, generación de sombras, así como las diferentes tonalidades de color que presentan los automóviles; los cuales pueden afectar la detección. En este trabajo se propone un algoritmo de identificación basado en el análisis y procesamiento de imágenes en el espacio de color HSV, haciendo uso de un algoritmo de redes neuronales pulso-acopladas (PCNN) en su forma simplificada a través del modelo de intersección cortical (ICM). El algoritmo propuesto está dividido en tres partes, análisis de la imagen en HSV, segmentación y detección, el cual se evaluó haciendo uso de diferentes imágenes capturadas en un estacionamiento. Se obtuvieron los valores de los parámetros de la red ICM para el proceso de segmentación. Los resultados obtenidos muestran que el algoritmo propuesto permite reducir la susceptibilidad a los efectos de tonalidad que presentan los automóviles, así como los cambios ligeros de iluminación, consiguiendo así la detección de automóviles con diferentes colores bajo las condiciones del día.
Palabra(s) Clave: Estacionamiento, reconocimiento, redes neuronales pulso-acopladas, segmentación.

Abstract
The main challenges in parking lots assistant systems based on artificial vision, which are dedicated to the segmentation of available places into parking lots, are the different effects that can occur such as, changes in luminosity, shadows produced by cars, as well as different color hues that can affect detection. In this work, an identification algorithm based on the analysis and processing of images in the HSV color space is proposed, using pulse-coupled neural networks (PCNN) algorithm in its simplified form, the intersection cortical model (ICM). The proposed algorithm is divided in three parts, HSV image analysis, segmentation, and detection, which was evaluated using different images captured in parking lot. The ICM network parameter values were obtained for the segmentation process. The results show that proposed algorithm allows to reduce the susceptibility presented by cars, as well as slight changes in lighting, thus achieving the detection of cars with different colors under daytime conditions.
Keywords: Parking lot, pulse-coupled neural networks, survey, segmentation.

Texto completo:

655-667 PDF

Referencias


Cai, Y. B., Alvarez, R., Sit, M., Duarte, F. y Ratti, C. (2019). Deep learning-based video system for accurate and real-time parking measurement. IEEE Internet of Things Jorunal, 6(5):7693-7701.

Cuevas E., Zaldivar, D., y Pérez, M. (2013). Procesamiento digital de imágenes con MATLAB y Simulink. México: Alfaomega.

Ganesan, P., Raijini, V., Sathish, B.S. y Shaik, K. B. (2014). HSV Color Space Based Segmentation of Region of Interest in Satellite Images. IEEE International Conference on Control, Instrumentation, Communication and Computational Technologies, 101-105.

Huang, C., Tai, Y. y Wang, S. (2013). Vacant parking space detection based on plane-based hierarchical framework. IEEE Transactions on Circuits and Systems for Video Technology, 23(9):1598-1610.

Lindblad, T., Kinser, J. y Taylor, JG. (2013). Image processing using pulse-coupled neural networks. Springer.

Ma, Y., Zhan, K. y Wang, Z. (2010). Applications of pulse coupled neural networks. Springer: Berlin.

Otsu, N. (1979). A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man, and Cybernetics. 9(1): 62-66.

Rodríguez, M. R. y Sossa, A. J. H. (2011). Procesamiento y análisis digital de imágenes. México: Alfaomega.

Suhr, J. K., y Ho, G. J. (2012). Fully-automatic recognition of various parking slot markings in around view monitor (avm) image sequences. International IEEE Conference on Intelligent Transportation Systems, 1294-1299.

Tatulea, P., Calin, F., Brad, R., Brâncovean, L. y Greavu, M. (2019). An image feature method for parking lot occupancy. Future Internet, 11(8):169.

Wazarkar, S. Keshavamurthy, B. N. y Hussian, A. (2018). Region-based segmentation of social images using soft knn algorithm. 125:93-98.






URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es

Barra de separación

Licencia Creative Commons    Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada.    

TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA

Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México

Tel. 461 61 17575 Ext 5450 y 5146

pistaseducativas21@gmail.com

http://itcelaya.edu.mx/ojs/index.php/pistas