UNIVERSIDAD POLITÉCNICA DE TULANCINGO

PROYECTO: RECONOCIMIENTO DE PLACAS

U VEHICULARES
por

Cruz Vargas Dania Nayelli

Gomez Ortiz Ana Laura
Ortiz Macías Yayatzy

P Ingeniería en Sistemas Computacionales

Asignatura:

Nombre del Catedrático:

Gabriela García Velazco

T Tulancingo de Bravo, Hidalgo

Mayo-Agosto 2018

Contenido

Introducción .................................................................................................................................. 2
CAPITULO 1. PLANTEAMIENTO DEL PROBLEMA ........................................................................... 3
1.1 Objetivo general .................................................................................................................. 3
1.2 Objetivos específicos ........................................................................................................... 3
1.3 Hipótesis .............................................................................................................................. 3
1.4 Preguntas de Investigación ................................................................................................. 4
1.5 Justificación ......................................................................................................................... 4
CAPITULO 2. MARCO TEÓRICO...................................................................................................... 4
2.1 Antecedentes de Procesamiento Digital de Imágenes ....................................................... 5
2.2 Inteligencia Artificial............................................................................................................ 5
2.3 Clasificación de la inteligencia artificial............................................................................... 5
2.4 Reconocimiento de imágenes ............................................................................................. 7
CAPITULO 3. ESTADO DEL ARTE .................................................................................................... 7
3.1 Proyectos desarrollados ...................................................................................................... 8
Fichas de investigación................................................................................................................ 11
CAPITULO 4. PROYECTO .............................................................................................................. 14
4.1 Metodología ...................................................................................................................... 14
4.2 Representación del modelo .............................................................................................. 14
4.3 Ontología ........................................................................................................................... 15
4.4 Descripción del proyecto................................................................................................... 15
Referencias .................................................................................................................................. 16

Commented [MGGV1]: DOCUMENTACIÓN:

Introducción FICHAS ARTICULOS: 1/1
3/5

El actual escenario mundial requiere de soluciones tecnológicas cada vez más EXPOSICION DEL TEMA: 3/3
DOMINIO DEL TEMA: 1/1
integrales, desarrollando mecanismos que repliquen las funciones cognitivas de
CALIFICACION: 8.0
la mente humana, con la finalidad de optimizar recursos y reducir la carga de
trabajo. Así mismo en los últimos años, un incremento notable el número de
vehículos presente en las principales ciudades del mundo ha originado la
necesidad de implementar sistemas que permitan la gestión y el análisis
automático del flujo vehicular.
Por tal motivo se propone el desarrollo de un sistema que automatice el acceso
y control de vehículos mediante análisis de imágenes digitales para el
reconocimiento de placas vehiculares. Esto mediante tecnologías de
reconocimientos de imágenes e inteligencia artificial.
El sistema agilizará el ingreso de vehículos donde se requiera medidas de
seguridad esto con el fin de permitir el acceso solo a vehículos autorizados. Este
proceso pretende eliminar errores humanos y brindar información relacionada a
los vehículos para beneficiar el control de estos.

CAPITULO 1. PLANTEAMIENTO DEL PROBLEMA

1.1 Objetivo general Commented [MGGV2]: CAPITULO 1. PLANTEAMIENTO

DEL PROBLEMA
Desarrollar un sistema que permita el control y acceso de vehículos mediante el 1.1 OBJETIVO
procesamiento digital de imágenes y tecnologías de la información para agilizar 1.2 HIPOTESIS
el proceso que se lleva a cabo en estacionamientos institucionales. 1.3 PREGUNTAS DE INVESTIGACION
1.4 JUSTIFICACION
…

1.2 Objetivos específicos

 Analizar los procesos actuales de acceso vehicular a estacionamientos
mediante recopilación de información para realizar un sistema más
adaptable, ágil y eficaz a los sistemas existentes.
 Aplicar un algoritmo de reconocimiento de imágenes mediante
herramientas de software para la lectura de placa vehiculares.
 Utilizar el procesamiento de imágenes para eliminar reflejos que impida la
lectura de matrículas mediante programas especializados en el uso de
imágenes.
 Desarrollar un sistema de información para optimizar el trabajo realizado
por estacionamientos institucionales mediante recursos tecnológicos.

1.3 Hipótesis Commented [MGGV3]: LA IMPLEMENTACION DE UNS

SISTEMA INTELIGENTE DE RECONOCIMIENTO OPTICO,
La implementación de un sistema inteligente de acceso vehicular al DISMINUIRA EL ROBO DE VEHICULOS EN LOS
estacionamiento a través de reconocimiento óptico de placas sustentado por una ESTACIONAMIENTOS
base de datos que contenga información de los usuarios de un área de
estacionamientos disminuirá la cantidad de robos e inseguridad en el mismo; por
lo tanto, menos personas verán afectados sus recursos.
1.4 Preguntas de Investigación
1. ¿En qué beneficiará a la sociedad la implantación de un sistema de
reconocimiento de placas vehiculares?

2. ¿En que ayudarÁel reconocer las placas vehiculares de quienes deseen

al estacionamiento?

3. ¿Qué sistemas existen actualmente con el mismo objetivo?

4. ¿Qué tecnologías respecto a la inteligencia artificial se utilizan para el

reconocimiento de patrones?

1.5 Justificación Commented [MGGV4]: CUAL SERA EL BENEFICIO

TANGIBLE DE LA IMPLEMENTACION
Con un sistema de verificación de placas se agilizará el acceso al área de
estacionamiento así como la seguridad del mismo.
En la actualidad el procesamiento digital permite realizar análisis sobre cualquier
tipo de información incluyendo el de las imágenes digitales. Los avances
tecnológicos y las técnicas de procesamiento de imágenes que se han
desarrollado en los últimos años permiten brindar solución a diversos problemas.
Durante los últimos años se ha incrementado el número de vehículos en
circulación, dando como resultado más puntos de cobro, estacionamientos,
casetas, etc., así como el robo de estos. Debido a esto es indispensable el
monitoreo de los flujos vehiculares para tener un control sobre las zonas con
mayor índice de uso vehicular, principalmente estacionamientos. Una
problemática que es hoy en día una de las más perjudiciales para el
reconocimiento de imágenes, es debido a que ciertas placas tienen una mica
que la recubre, dando como resultado un reflejo a la hora de que se toma una
foto a la placa. Por ello surge la idea de implementar un sistema de
reconocimiento de placas vehiculares que, con técnicas ópticas, procesamiento
digital de imágenes y tecnologías de inteligencia artificial permita solventar las
problemáticas mencionadas.

CAPITULO 2. MARCO TEÓRICO

2.1 Antecedentes de Procesamiento Digital de Imágenes
En las décadas de los 50’s y 60’s comenzó el desarrollo de técnicas de
procesamiento de manera más formal debido a que fueron necesarias para la
transmisión y procesamiento de imágenes desde satélite.
Durante la década de los sesenta se financiaron proyectos de investigación para
el desarrollo de técnicas que pudieran estudiar los mecanismos de la visión y
que pudieran analizar las imágenes digitales. Muchas entidades empezaron a
utilizar dichas técnicas en diversos campos como lo son: [2]
 En la investigación de imágenes de rayos X
 Micros copia óptica y electrónica
 Robótica
 Medicina
 Biología
 Geología
A partir de ahí, nuevos conceptos emergen, conceptos como técnicas de
procesamiento de imágenes digitales, técnicas para el análisis de imágenes
digitales y técnicas de visión por computadora o visión mediante el robot.
En los años 80 las técnicas comenzaron a perfeccionarse y a emplearse en
muchas aplicaciones comerciales. Marr surgió en la línea de marcado por el
MIT, dándose las mayores contribuciones en el desarrollo de algoritmos para la
detección de características como bordes, líneas y texturas que ayudan a definir
lo que le llamo el esbozo primitivo, así como el desarrollo de técnicas globales
de segmentación que permiten dividir una imagen en regiones. [3]

2.2 Inteligencia Artificial Commented [MGGV5]: CAPITULO 2. MARCO TEORICO

2.1 ANTECEDENTES
 El término Inteligencia Artificial es acuñado en 1956, comenzó como el resultado 2.2 INTELIGENCIA ARTIFICIAL
de la investigación en psicología cognitiva y lógica matemática. Se ha enfocado 2.3 CLASIFICACION DE LA IA
2.5 RECONOCIMIENTO FACIAL/ Redes neuronales/lógica
sobre la explicación del trabajo mental y construcción de algoritmos de la
difusa, etc.. según corresponda
solución a problemas de propósito general. .….

El concepto principal de inteligencia artificial es aquel que habla de un sistema

de cómputo capaz de inferir razonamiento. Dicho razonamiento se verá reflejado
en una tarea finalizada por dicho sistema, es necesario cumplir con ciertos pasos
que siguen las reglas de la representación del conocimiento.

2.3 Clasificación de la inteligencia artificial

Machine Learning (ML)
Los primeros programas basados en IA, como Deep Blue, se basaban en reglas
y eran programados por una persona. Machine Learning o Aprendizaje
Automático es una rama de la Inteligencia Artificial que empezó a cobrar
importancia a partir de los años 80. Es una forma de IA que ya no depende de
unas reglas y un programador, sino que la computadora puede establecer sus
propias reglas y aprender por sí misma.
DeepMind de Google, que consiguió ganar al campeón del mundo de Go, lo hizo
aplicando técnicas de aprendizaje automático y entrenándose con una gran base
de datos que recogía jugadas de expertos en el juego. Por tanto, es un buen
ejemplo de aplicación de ML.
Los sistemas de ML trabajan sobre grandes volúmenes de datos, identifican
patrones de comportamiento y, basándose en ellos, son capaces de predecir
comportamientos futuros. De esa forma son capaces de identificar a una persona
por su cara, comprender un discurso, distinguir un objeto en una imagen, hacer
traducciones y muchas otras cosas más.

Aprendizaje Profundo o Deep Learning

Uno de los algoritmos de ML que más expectación despierta, son las redes
neuronales, una técnica que se inspira en el funcionamiento de las neuronas de
nuestro cerebro. Se basan en una idea sencilla: dados unos parámetros hay una
forma de combinarlos para predecir un cierto resultado.
Los datos de entrada van pasando secuencialmente por distintas “capas” en las
que se aplican una serie de reglas de aprendizaje moduladas por una función
peso. Tras pasar por la última capa, los resultados se comparan con el resultado
“correcto”, y se van ajustando los parámetros (dados por las funciones “peso”).
Aunque los algoritmos y en general el proceso de aprendizaje son complejos,
una vez la red ha aprendido, puede congelar sus pesos y funcionar en modo
recuerdo o ejecución.
En general, cuando hablamos de Deep Learning hablamos de una clase de
algoritmos de Machine Learning basados en redes neuronales que, se
caracterizan por un procesamiento de los datos en cascada.
La señal de entrada se va propagando por las distintas capas, y en cada una de
ellas se somete a una transformación no lineal que va extrayendo y
transformando las variables según determinados parámetros (pesos o
umbrales).
No hay un límite establecido para el número de capas que debe tener una red
neuronal para considerarse Deep Learning. Sin embargo, se considera que el
aprendizaje profundo surgió en los años 80, a partir de un modelo neuronal de
entre 5 o 6 capas, el neocognitrón, creado por el investigador japonés Kunihiki
Fukushima. Las redes neuronales son muy efectivas en la identificación de
patrones.
2.4 Reconocimiento de imágenes
Obtención de la imagen
Usualmente se realiza capturando una señal analógica de imagen, como una
cámara fotográfica analógica, aunque en los últimos años las cámaras digitales
son las más utilizadas.
El procesamiento de las imágenes se puede en general hacer por medio de
métodos ópticos, o bien por medio de medios digitales, en una computadora.

Representación de la imagen
Tiene que ver con los medios de representar los datos de la imagen de manera
que pueda ejecutarse el procesamiento de imágenes y el proceso de análisis
para implementarlo eficientemente. Una imagen se puede representar en forma
de escala de grises y monocromática, se representa como una función
bidimensional f(x,y).
Cada imagen tiene un número finito de elementos y cada uno tiene un valor y
una posición. A estas unidades se les llama pixeles.
El color se obtiene combinando diferentes tonalidades de luz. Una cámara puede
captar tres componentes que son rojo, verde y azul (RGB), son 3 vectores y estos
definen la intensidad y el color en un punto en la imagen de color. [1]
Clasificación de la imagen
Los objetos son clasificados de acuerdo a sus características extraídas. El punto
para la clasificación de las imágenes reside en la similitud entre los objetos los
cuales contienen características similares y además que pueden formar
sectores.
El procesamiento de imágenes trata temas como el reconocimiento y análisis de
imágenes en segunda y tercera dimensión. El procesamiento digital de imágenes
en términos generales envuelve al reconocimiento de imágenes 2D y 3D y
Commented [MGGV6]: CAPITULO 3. ESTADO DEL ARTE
secuencias de imágenes, análisis y manipulación, transmisión y otras áreas
relacionadas. En la actualidad existen algunas aplicaciones inteligentes
que apoyan A, …….., sin embargo en el área ….. existe
ninguna herramienta de apoyo, a continuación se describen
algunas de ellas:
3.1 APLICACIÓN, ALGORITMO PRINCIPAL, OBJETIVO

EN LA TABLA 1 SE PRESENTA UN CUADRO COMPARATIVO

QUE MUESTRA LAS APLICACIONES ANALIZADAS, EL
PROGRAMA USADO COMO BASE PARA SU DESARROLLO, LA
TECNOLOGIA PARA LA CUAL FUE DESARROLLADA, EL
ENFOQUE O AREA QUE CUBRE Y EL OBJETIVO PARA EL CUAL
FUE CREADO.

FALTA TÍTULO DE LA TABLA.

CAPITULO 3. ESTADO DEL ARTE TABLA 1. CUADRO COMPARATIVO DE …., FUENTE:
ELABORACIÓN PROPIA.
El campo de procesamiento de imágenes está continuamente evolucionando.
Durante los últimos años ha habido un incremento significativo en el interés en
campos como morfología de imágenes, procesamiento de imágenes en color y/o
en escala de grises, comprensión de datos de imágenes y reconocimiento de
imágenes, gracias al desarrollo de nuevas técnicas de Deep Learning o
aprendizaje profundo, redes neuronales artificiales, y sistemas de análisis
basados en conocimiento. Hoy en día tenemos ya al alcance de nuestra mano
sistemas más precisos que los propios humanos, en las tareas de clasificación y
detección en imágenes.
Se puede encontrar una gran cantidad de aplicaciones de reconocimiento de
imágenes en el mercado, por destacar algunas, podríamos citar:
 Reconocimiento de rostros y expresiones faciales.
 Reconocimiento de firmas.
 Reconocimiento de caracteres.

3.1 Proyectos desarrollados

Sistema de control vehicular utilizando reconocimiento óptico de
caracteres
El sistema tiene como objetivo principal realizar un control vehicular mediante el
Reconocimiento Óptico de Caracteres (OCR) de la Placa de un vehículo,
utilizando una cámara USB y posteriormente procesada en la Plataforma de
desarrollo National Instruments Labview 8.2 en tiempo real. El prototipo proveerá
una herramienta de seguridad automatizada, rentable y eficiente, ya que captura
la imagen del vehículo, y mediante un proceso de filtrado y acondicionamiento,
se obtiene el número de placa, el cual será comparado con una base de datos
generando una señal de alerta en caso de alguna anomalía. Sus aplicaciones
son innumerables debido a la gran cantidad de información que se puede obtener
de una imagen, como son: registro de vehículos en parqueaderos públicos o
privados, seguridad en estaciones de peaje, detección de código de barras,
estadísticas de flujo vehicular en avenidas, etc.

Desarrollo de algoritmos para el reconocimiento de placas de vehículos

El objetivo de este proyecto es el desarrollo de un algoritmo para el
reconocimiento de placas vehiculares a la entrada de un parqueadero, mediante
procesamiento digital de imágenes. Para esto, se ha desarrollado un sistema de
reconocimiento de placas vehiculares utilizando el programa LabView y su toolkit
de visión artificial y una cámara IP de alta resolución. El software diseñado
localiza la placa vehicular dentro de la imagen captada del vehículo y reconoce
los caracteres y números que se encuentran dentro de la misma. La ubicación
de la placa del vehículo en la imagen se la realiza mediante la búsqueda de
patrones. Para el reconocimiento de los caracteres y números contenidos en la
placa, se utiliza el reconocimiento óptico de caracteres, OCR. Una vez que el
texto en la placa ha sido " leído " , los caracteres y números son cotejados con
los de una base de datos que contiene todas las placas de los vehículos que se
encuentran autorizados para el ingreso al parqueadero. Palabras clave:
reconocimiento de placas, visión artificial, búsqueda de patrones, Base de datos,
, cámara IP, control de acceso, Labview, OCR Introducción Debido a la
inseguridad existente en la Escuela Politécnica Nacional, se ha visto necesaria
la inclusión de cámaras de vigilancia. Dentro de esta iniciativa se ha visto la
posibilidad de desarrollar un software para una cámara comercial de alta
resolución para el control de acceso a los parqueaderos de la institución. El
proyecto se centró en desarrollar algoritmos de reconocimiento de imágenes que
capten las placas de los vehículos, y de un sistema administrativo de apoyo que
permita el acceso al parqueadero solo a vehículos cuyas placas se encuentran
en la base de datos institucional. Con este objetivo, se ha llevado a cabo el
estudio de varios algoritmos posibles hasta establecer los más ideales para
implementarlos en la aplicación. Estos algoritmos se desarrollan en el programa
Labview de National Instruments y el toolkit de Visión Artificial.

ECV Reconocimiento de matriculas

Identifica, lee y reconoce los números de las matrículas que aparecen en las
imágenes transmitidas por las cámaras corrigiendo errores de perspectiva.
Utiliza software con algoritmos de inteligencia artificial basados en redes
neuronales (rna) para autoaprendizaje.

En la tabla 1 se presenta un cuadro comparativo que muestra las aplicaciones

analizadas, el programa usado como base para su desarrollo, la tecnología para
la cual fue desarrollada, el enfoque o área que cubre y el objetivo para el cual
fue creado.
 PROYECTO OBJETIVO USO APLICACIÓN TECNOLOGÍA HERRAMIENTAS
Registro de
vehículos en
Cámara USB y
parqueadero
SISTEMA DE posteriorment
s públicos o
CONTROL Realizar un control e procesada
privados, Reconocimiento
VEHICULAR vehicular mediante el en la
Seguridad seguridad en de patrones,
UTILIZANDO Reconocimiento Plataforma de
automatiz estaciones reconocimiento
RECONOCIMI Óptico de Caracteres desarrollo
ada de peaje, óptico de
ENTO (OCR) de la Placa de un National
estadísticas caracteres
ÓPTICO DE vehículo Instruments
de flujo
CARACTERES Labview 8.2 en
vehicular en
tiempo real.
avenidas,
etc.

DESARROLLO
DE Desarrollo de un
ALGORITMOS algoritmo para el Seguridad
Reconocimiento
PARA EL reconocimiento de y control
Parquímetros óptico de
RECONOCIMI placas vehiculares a la automatiz
caracteres
ENTO DE entrada de un ada.
PLACAS DE parqueadero
VEHÍCULOS

Control de
acceso,
control de
Identificar, leer y plazas Software con
reconocer los números reservadas, algoritmos de
ECV de las matrículas que Seguridad control de inteligencia
Cámaras de
RECONOCIMI aparecen en las y control accesos artificial basada
capturas a baja
ENTO DE imágenes transmitidas automatiz urbanos, en redes
y alta velocidad
MATRICULAS por las cámaras ada estadísticas neuronales (RNA)
corrigiendo errores de de movilidad para
perspectiva. urbana, autoaprendizaje.
control de
tiempos de
pertenencia.
Tabla 1. Cuadro comparativo de proyectos desarrollados. Fuente: elaboración propia.
Fichas de investigación
Nombre del Documento Reconocimiento de Patrones

Autor Jesús Ariel Carrasco Ochoa

Jesús Ariel Carrasco Ochoa (2012), “Reconocimiento de

Patrones” por: Instituto Nacional de Astrofísica Óptica y
Referencia Bibliográfica
Electrónica 05/2018, sitio Web:
https://ccc.inaoep.mx/~ariel/recpat.pdf

Palabras Claves de Búsqueda Reconocimiento de patrones

• Enfoques
• Problemas
• Selección de Variables
Palabras Claves del Artículo
• Clasificación no Supervisada
• Clasificación Supervisada
• Aplicaciones

Ubicación (Dirección
Electrónica Específica) y/o
clasificación topográfica de https://ccc.inaoep.mx/~ariel/recpat.pdf
la Biblioteca donde se
encuentra

Es la ciencia que se ocupa de los procesos sobre ingeniería,

computación y matemáticas relacionados con objetos
Descripción físicos y/o abstractos, con el propósito de extraer
información que permita establecer propiedades de o
entre conjuntos de dichos objetos.

Neuronas
Conceptos Abordados Conexiones sinápticas
Redes neuronales

Observaciones Le falta abordar más conceptos y especificar más los temas

Nombre del Documento
Autor
Referencia Bibliográfica
Palabras Claves de Búsqueda
Palabras Claves del Artículo
Ubicación (Dirección
Electrónica Específica) y/o
clasificación topográfica de
la Biblioteca donde se
encuentra
Descripción
Conceptos Abordados
Observaciones
Usos y aplicaciones de la inteligencia artificial
Luis Alberto García Fernández
Luis Alberto García Fernández (2004), “Usos y aplicaciones
de la inteligencia artificial” por: La ciencia y el hombre
05/2018, sitio Web:
https://www.uv.mx/cienciahombre/revistae/vol17num3/ar
ticulos/inteligencia/index.htm
Historia, Características, usos, aplicaciones, inteligencia
artificial
Aprendizaje humano
Robótica
Automatización
Técnicas
Clasificación
https://www.uv.mx/cienciahombre/revistae/vol17num3/ar
ticulos/inteligencia/index.htm
Básicamente, la inteligencia artificial es aquella que trata
de explicar el funcionamiento mental basándose en el
desarrollo de algoritmos para controlar diferentes cosas. La
inteligencia artificial combina varios campos, como la
robótica, los sistemas expertos y otros, los cuales tienen un
mismo objetivo, que es tratar de crear máquinas que
puedan pensar por sí solas, lo que origina que hasta la
fecha existan varios estudios y aplicaciones, dentro de las
que se encuentran las redes neuronales, el control de
procesos o los algoritmos genéticos.
Características de la IA
Redes neuronales dentro de la AI
Historia de la inteligencia artificial
Es un artículo muy sintetizado abordando los temas muy
general y simple.
Nombre del Documento
Autor
Referencia Bibliográfica
Palabras Claves de Búsqueda
Palabras Claves del Artículo
Ubicación (Dirección
Electrónica Específica) y/o
clasificación topográfica de
la Biblioteca donde se
encuentra
Descripción
Conceptos Abordados
Observaciones
Redes Neuronales y Reconocimiento de Patrones
Dr. Luis Alonso Romero
Dr. Teodoro Calonge Cano
Dr. Luis Alonso Romero, Dr. Teodoro Calonge Cano (2011),
“Redes Neuronales y Reconocimiento de Patrones” por
Universidad de Valladolid. España 05/2018, sitio Web:
https://www.uv.mx/cienciahombre/revistae/vol17num3/ar
ticulos/inteligencia/index.htm
Historia, Características, usos, aplicaciones, inteligencia
artificial
Redes Neuronales
Reconocimiento de Patrones
https://www.uv.mx/cienciahombre/revistae/vol17num3/ar
ticulos/inteligencia/index.htm
Un patrón es una entidad a la que se
le puede dar un nombre y que está representada por un
conjunto de propiedades medidas y las relaciones entre
ellas (vector de características). Por ejemplo, un patrón
puede ser una señal sonora y su vector de características el
conjunto de coeficientes espectrales extraídos de ella
(espectrograma).
Otro ejemplo podría ser una imagen de una cara humana
de las cuales se extrae el vector de características formado
por un conjunto de valores numéricos calculados a partir
de la misma. El
reconocimiento automático, descripción, clasificación y
agrupamiento de patrones son actividades
importantes en una gran variedad de disciplinas científicas.
.
Aprendizaje
Generalización
Redes neuronales artificiales
Reconocimiento Estadístico de Patrones (REP
Es un artículo completo respecto a las redes neuronales y
reconocimiento de patrones.
CAPITULO 4. PROYECTO

4.1 Metodología
Se eligió la metodología SCRUM, ya que es un modelo de referencia que define
un conjunto de prácticas y roles, y que puede tomarse como punto de partida
para definir el proceso de desarrollo que se ejecutará durante el proyecto.
Principales características de Scrum:
 Gestión regular de las expectativas del cliente, resultados anticipados,
flexibilidad y adaptación, retorno de inversión, mitigación de riesgos,
productividad y calidad, alineamiento entre cliente y equipo, por último,
equipo motivado.
 Se hace uso de equipos auto-dirigidos y auto-organizados.
 Se realiza a diario una reunión de Scrum, que es una reunión de avance
diaria que no dura más de 15 minutos con el objetivo de obtener
realimentación sobre las tareas del equipo y los obstáculos que se
presentan.

4.2 Representación del modelo

Un agente reflejo simple actúa encontrando una regla cuya condición coincida
con la situación que el agente percibe en su entorno a través de sus sensores, y
la acción que debe generar dicha regla conocida como de condición-acción.
Las reglas condición / acción tienen la forma
IF condición THEN acción
Aparear regla con la percepción a partir de un conjunto completo de reglas.
ENTONCES especificar acción a tomar.
Peligro puede ser de poco alcance.
Aplicado al proyecto se tomará como condición o regla la siguiente interrogante
¿La placa reconocida puede acceder?, y las acciones se tomarán cuenta de
acuerdo a la base de datos, puesto que si se encuentra registrada permitirá el
acceso y si no lo negará.

4.3 Ontología

El vehiculo El sistema
requiere el La cámara El software permite o niega
acceso al detecta la placa reconoce la el acceso al
estacionamient del vehiculo placa estacionamient
o o

4.4 Descripción del proyecto

Es sistema permitirá el control de entradas vehiculares a un estacionamiento
mediante el reconocimiento de placas.
Referencias

 Casali, A. 2008. ¿Qué es la Inteligencia Artificial?. (En línea). Formato

Pdf. Consultado, 17 de oct. 2015. Disponible en:
http://www.unalmed.edu.co/~dovalle/Paper1-IA.pdf
 Garcia, A. 2012. Inteligencia artificial: fundamentos, práctica y
aplicaciones. Copyright. Madrid, ES. p 1.
 González, I. 2011. LA INTELIGENCIA. (En línea). Formato PDF.
Consultado el 17 de octubre 2015. Disponible en:
http://bitacoramedica.com/wp-content/uploads/2011/07/La-
Inteligencia.pdf
 Hernández, G. 2011. HISTORIA DE LAS COMPUTADORAS. (En línea).
Formato PDF. Consultado, 18 de oct. 2015. Disponible en:
http://www.uv.mx/personal/gerhernandez/files/2011/04/historia-
compuesta.pdf
 Russell, S y Norvig, P. 2004. Inteligencia Artificial un enfoque moderno.
2ed. Pearson Educación S.A. Madrid, ES. p 2.
 w3schools. (2016). Colors RGB. Mayo , 2018, de w3schools Sitio web:
https://www.w3schools.com/colors/colors_rgb.asp
 Alvares, J.. (2012). Aplicaciones del procesamiento digital de imagenes.
Mayo , 2018, de usuario.cicese Sitio web:
http://usuario.cicese.mx/~josue/aplicaciones.php
 cec.uchile.cl. (2013). INTRODUCCION AL PROCESAMIENTO DIGITAL
DE IMAGENES. Mayo , 2018, de cec.uchile.cl Sitio web:
www.cec.uchile.cl/~clperez/em752.html