13 de junio de 2024
El modelo YOLOv8 de Ultralytics puede hacer que los sistemas de gestión de aparcamientos sean más inteligentes. Aprenda a gestionar plazas de aparcamiento en tiempo real para crear su propia solución de aparcamiento inteligente.
Puede ser estresante dar vueltas en círculos buscando aparcamiento, sobre todo cuando se llega tarde. La forma tradicional de buscar aparcamiento puede ser tediosa y llevar mucho tiempo. Sin embargo, un sistema de gestión de aparcamientos basado en inteligencia artificial (IA) y visión por ordenador puede simplificar las cosas. Puede hacer que la disponibilidad de aparcamiento sea más predecible y reducir la congestión del tráfico.
En este artículo, aprenderemos a mejorar los sistemas de gestión de aparcamientos con inteligencia artificial y visión por ordenador. También vamos a ir a través de un ejemplo de codificación paso a paso para mostrar cómo se puede utilizar el modelo Ultralytics YOLOv8 para crear un sistema de gestión de aparcamientos habilitado para la visión por ordenador. ¡Vamos allá!
Antes de hablar de los sistemas inteligentes de gestión de aparcamientos mejorados con IA, veamos los problemas de los sistemas tradicionales de gestión de aparcamientos.
Uno de los principales problemas de los sistemas tradicionales es la saturación de las plazas de aparcamiento: hay más coches en los aparcamientos que plazas disponibles. Además de perder tiempo buscando sitio, el hacinamiento provoca un consumo excesivo de combustible y contaminación atmosférica. Otro problema es el estrés del conductor. Según una encuesta, alrededor del 27% de las personas pasan al menos 30 minutos buscando aparcamiento. Además, el 43% admite haber discutido con desconocidos por una plaza de aparcamiento.
.png)
Los aparcamientos integrados con IA pretenden resolver los problemas a los que se enfrentan los sistemas tradicionales de gestión de aparcamientos. Los modelos de visión por ordenador, como el modelo YOLOv8 de Ultralytics, y las cámaras de alta definición pueden supervisar los aparcamientos y obtener actualizaciones en tiempo real sobre las plazas disponibles y ocupadas.
¿Cómo funciona? Un modelo de visión por ordenador puede analizar imágenes de cámaras de alta definición para detectar vehículos, seguir sus movimientos e identificar plazas de aparcamiento disponibles. El modelo YOLOv8 de Ultralytics es compatible con tareas de visión por ordenador como la detección y el seguimiento de objetos, y puede identificar y clasificar con precisión vehículos en una secuencia de vídeo. Al comparar las ubicaciones detectadas de los vehículos con las plazas de aparcamiento predefinidas, el sistema puede determinar si una plaza de aparcamiento está ocupada o no.
.png)
La información sobre la disponibilidad de aparcamiento procedente del sistema basado en la visión puede integrarse y ampliarse en diferentes aplicaciones:
Conocer la disponibilidad de aparcamiento puede aportar muchas ventajas. Las actualizaciones en tiempo real ayudan a los conductores a dirigirse directamente a las plazas libres, lo que agiliza el tráfico y reduce el estrés de buscar aparcamiento. Para los operadores, saber cómo se utilizan las plazas significa que pueden gestionar mejor el aparcamiento, mejorar la seguridad con un control en tiempo real y responder rápidamente a cualquier incidente.
La automatización de las funciones de aparcamiento reduce los costes al disminuir la necesidad de mano de obra. Los sistemas de IA facilitan la reserva de plazas de aparcamiento a través de aplicaciones móviles o web, lo que permite a los conductores recibir notificaciones sobre la disponibilidad y ahorrar tiempo y dinero. Los planificadores urbanos pueden utilizar estos datos para diseñar mejores trazados viales, aplicar normativas de aparcamiento eficaces y desarrollar nuevos aparcamientos que hagan las ciudades más eficientes y fáciles de recorrer.
Ahora que tenemos una idea clara de la gestión de aparcamientos y sus ventajas, vamos a ver cómo se puede crear un sistema de gestión de aparcamientos basado en la visión. Utilizaremos el modelo YOLOv8 para detectar vehículos, controlar las plazas de aparcamiento y determinar su estado de ocupación.
En este ejemplo, puede utilizar un flujo de vídeo o cámara de un aparcamiento. Tenga en cuenta que el tamaño máximo de imagen soportado en este ejemplo es 1920 * 1080. Antes de empezar, recuerde que este sistema se basa en la detección precisa de vehículos y coordenadas predefinidas de plazas de aparcamiento.
La calibración de la cámara y los factores ambientales pueden afectar a la precisión de la detección del espacio y el estado de ocupación. La velocidad de procesamiento y la precisión también pueden variar en función del rendimiento de tu GPU.
Paso 1: Comencemos instalando el paquete Ultralytics. Abra su símbolo del sistema o terminal y ejecute el siguiente comando.
Consulte nuestra guía de instalación de Ultralytics para obtener instrucciones detalladas y prácticas recomendadas sobre el proceso de instalación. Si se encuentra con algún problema al instalar los paquetes necesarios para YOLOv8, nuestra guía de problemas comunes ofrece soluciones y consejos útiles.
Paso 2: Necesitamos preseleccionar plazas de aparcamiento para poder marcar las áreas de interés en tu metraje. Ejecuta este código para abrir la interfaz de usuario y preseleccionar las plazas de aparcamiento.
Como se muestra a continuación, se abrirá una interfaz de usuario cuando ejecutes este código. Tome un fotograma o una captura de pantalla de su vídeo de entrada de un aparcamiento y cárguelo. Después de dibujar los recuadros alrededor de las plazas de aparcamiento, haz clic en la opción de guardar. La información de las plazas de aparcamiento seleccionadas se guardará en un archivo JSON llamado 'bounding_boxes.json'.
Paso 3: Ahora, podemos saltar al código principal para la gestión del aparcamiento. Empieza importando todas las librerías necesarias e inicializando el archivo JSON que creamos en el paso 2.
Paso 4: Crear un objeto VideoCapture para leer el archivo de vídeo de entrada y asegurarse de que el archivo de vídeo se abre correctamente.
Paso 5: Inicializar todas las propiedades de vídeo necesarias, como la anchura, la altura y los fotogramas por segundo.
Paso 6: A continuación, podemos crear un objeto VideoWriter para guardar el archivo de vídeo final procesado.
Paso 7: Inicializamos el sistema de gestión de aparcamientos con el modelo YOLOv8 de Ultralytics para la detección de plazas de aparcamiento.
Paso 8: Ahora, recorremos el archivo de vídeo, fotograma a fotograma, para procesarlo. Si no se lee ningún fotograma, el bucle se romperá.
Paso 9: Dentro del bucle, extraeremos las regiones de aparcamiento preseleccionadas del archivo JSON y rastrearemos los objetos en el fotograma utilizando el modelo YOLOv8.
Paso 10: Esta parte del bucle procesa los resultados del seguimiento y obtiene las coordenadas del cuadro delimitador y las etiquetas de clase de los objetos detectados.
Paso 11: La última parte del bucle consiste en mostrar el fotograma actual con anotaciones y escribir el fotograma procesado en el archivo de vídeo de salida "parking management.avi".
Paso 12: Finalmente, podemos liberar los objetos VideoCapture y VideoWriter y destruir cualquier ventana.
Paso 13: Guarde el script. Si está trabajando desde su terminal o símbolo del sistema, ejecute el script utilizando el siguiente comando:
Si el código se ejecuta correctamente, el archivo de vídeo de salida tendrá este aspecto:
.gif)
No dude en consultar la documentación oficial de Ultralytics si desea obtener más información sobre el código.
Los sistemas inteligentes de aparcamiento ofrecen muchas ventajas tanto a los conductores como a las empresas. Sin embargo, también presentan algunos retos que conviene tener en cuenta antes de implantar este tipo de soluciones. Veamos algunos de ellos.
La gestión innovadora de los aparcamientos en el futuro consistirá en utilizar tecnologías de vanguardia como la inteligencia artificial, los coches autónomos y la realidad virtual para mejorar la experiencia global de aparcamiento y apoyar la sostenibilidad. Cuando se integren con estos sistemas, los coches autoconducidos podrán navegar hasta los lugares de aparcamiento sin interferencia humana y aparcar. Estos sistemas también ayudan a las empresas a llenar más plazas de aparcamiento y anunciar sus servicios a través de múltiples apps y sitios web. También reducen el número de emisiones de carbono procedentes de los conductores que dan vueltas en busca de aparcamiento.
Los modelos de IA, como Ultralytics YOLOv8, y la visión por ordenador pueden transformar su aparcamiento. Reducen drásticamente las vueltas para encontrar aparcamiento, ahorrándole tiempo y reduciendo las emisiones. Estos sistemas inteligentes de gestión de aparcamientos abordan problemas comunes como los atascos, el aparcamiento ilegal y la frustración de los conductores. Aunque hay una inversión inicial, los beneficios a largo plazo son significativos. Invertir en aparcamientos inteligentes es clave para crear ciudades sostenibles y una experiencia de aparcamiento más fluida para todos.
¿Quiere saber más sobre la IA? Conéctese con nuestra comunidad. Explore nuestro repositorio de GitHub para saber más sobre cómo utilizamos la IA para crear soluciones innovadoras en diversos sectores, como la sanidad y la agricultura. ¡Colabora, innova y aprende con nosotros! 🚀
ES
EN
ZH
KO
JA
RU
DE
FR
PT
IT
TR
VI
AR.webp)
