Detector de patentes para el control de acceso en tiempo real

🚧 V2.0 Beta development.🚧🔨

Sistema de reconocimiento automático de matrículas vehiculares y API para el control de acceso en tiempo real

Construido con 🛠️

• Python v3.9 - Lenguaje de programación
• OpenCV - Librería de visión artificial
• Ultralytics - Librería de modelo de detección de objetos
• DepthAI - Librería de cámara OAK-1 POE
• Easy OCR - Librería de reconocimiento óptico de caracteres

Comenzando 🚀

Instalacion 🔧

Linux

1. Se debe instalar venv

   sudo apt-get install python3.9-venv

2. Se debe instalar un packete para OpenCV

   sudo apt-get update && apt-get install -y libgl1-mesa-glx

3. Se clona el repositorio de GitHub

   git clone https://github.com/ViceAguilera/detector-script-tesis.git detector-script

4. Se ingresa a la carpeta del proyecto

   cd detector-script

5. Se crea un entorno virtual

   python3.9 -m venv venv

6. Se activa el entorno virtual

   source venv/bin/activate

7. Se instala los requerimientos del proyecto

   pip install -r requirements.txt

8. Se desinstala pytorch

   pip uninstall -y torch torchvision torchaudio

9. Se instala CUDA Pytorch

   pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu118

10. Para el envio de datos se debe crear archivo .env, siguiendo el ejemplo de .env.example

11. Se solicita el token de la API y se agrega al archivo .env

12. Se descarga los modelos de Yolov8n y License Plate y se agregan a la carpeta model

13. Se ejecuta el script

    python3.9 main.py

Windows

1. Se clona el repositorio de GitHub

   git clone https://github.com/ViceAguilera/detector-script-tesis.git detector-script

2. Se ingresa a la carpeta del proyecto

   cd detector-script

3. Se crea un entorno virtual

   python -m venv venv

4. Se activa el entorno virtual

   ./venv/Scripts/activate

5. Se instala los requerimientos del proyecto

   pip install -r requirements.txt

6. Se desinstala pytorch

   pip uninstall -y torch torchvision torchaudio

7. Se instala CUDA Pytorch

   pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu118

8. Para el envio de datos se debe crear archivo .env, siguiendo el ejemplo de .env.example

9. Se solicita el token de la API y se agrega al archivo .env

10. Se descarga los modelos de Yolov8n y License Plate y se agregan a la carpeta model

11. Si se tiene la cámara OAK-1 POE se debe conectar, ya sea por poe (Configuración) o por usb con cable de red.

    python main.py

12. Si no se tiene la camara OAK-1 POE, puede probar la demo con vídeo.

    python test_video.py

Licencia 📄

Este proyecto está bajo el GNU AFFERO GENERAL PUBLIC LICENSE - mira el archivo LICENSE para detalles

Autores ✒️

Camilo Sáez Garrido & Vicente Aguilera Arias