Análise de Desempenho de um Sistema de Estacionamento Inteligente por Meio de reconhecimento Facial Através da Reutilização de um Sistema de Câmeras de Segurança Pré-Existente no Ambiente

Abstract

Este trabalho trata sobre o desenvolvimento de uma aplicação voltada para um sistema de estacionamento inteligente de baixo custo por meio de reconhecimento facial utilizando a biblioteca baseada em dlib Face Recognition. Esta aplicação foi construída em Python e utiliza um sistema de segurança com câmeras analógicas Intelbras, já existentes no ambiente para aquisição das imagens faciais dos usuários. O sistema de comparação e reconhecimento dos rostos dos usuários é feito utilizando funções existentes na biblioteca Face Recognition, através de cálculos de Distância Euclidiana. Como prova de conceito, propõe-se um protótipo funcional, utilizando sensores para representar uma cancela de um estacionamento real. A aplicação obteve uma taxa de acerto em cerca de 96 das 100 amostras existentes no dataset quando comparado à similaridade entre dois indivíduos na primeira tentativa e uma taxa de acerto em cerca de 98 de 100 amostras na segunda tentativa durante a simulação em um teste sintético fechado de acurácia.

This work tackles the development of an application aimed at a low-cost parking lot system through the use of face recognition using the dlib-based library Face Recognition. The application was built in Python and uses a security system with preexisting Intelbras analog cameras to acquire facial images from the users. The system of comparison and recognition of the users' faces is made using functions that exists in the Face Recognition library, through Euclidean Distance method calculations. As a proof of concept, a functional prototype is proposed, using sensors to represent a real parking gate. The application obtained a hit rate in about 96 of the 100 samples existing in the dataset when compared to the similarity between two individuals at the first try, at the second try the application obtained a hit rate in about 98 of the 100 samples during the simulation in a closed synthetic accuracy test