Ultralytics YOLOv8 para sistemas de gestión de aparcamientos más inteligentes

Dar vueltas en coche buscando aparcamiento puede ser estresante, sobre todo si tienes prisa. La forma tradicional de buscar sitio para aparcar puede ser tediosa y llevar mucho tiempo. Sin embargo, un sistema de gestión de aparcamientos basado en inteligencia artificial (IA) y visión artificial puede simplificar las cosas. Puede hacer que la disponibilidad de aparcamiento sea más previsible y reducir la congestión del tráfico.

En este artículo, aprenderemos a mejorar los sistemas de gestión de aparcamientos con inteligencia artificial y visión artificial. También veremos paso a paso un ejemplo de código para mostrarte cómo puedes usar el modelo Ultralytics YOLOv8 para crear un sistema de gestión de aparcamientos basado en visión artificial.

Problemas de la gestión tradicional de aparcamientos#

Antes de hablar de los sistemas inteligentes de gestión de aparcamientos mejorados con IA, veamos los problemas de los sistemas tradicionales.

Uno de los principales problemas de los sistemas tradicionales es la saturación de los aparcamientos: hay más coches que plazas disponibles. Además de hacer perder tiempo buscando sitio, la saturación aumenta el consumo de combustible y la contaminación atmosférica. Otro problema es el estrés de los conductores. Según una encuesta, alrededor del 27 % de las personas pasan al menos 30 minutos buscando aparcamiento. Además, el 43 % de las personas admitió haber tenido discusiones verbales con desconocidos por una plaza.

Fig. 1. Un conductor estresado. Fuente de la imagen: Envato Elements.

La IA facilita la gestión de los aparcamientos#

Los aparcamientos integrados con IA buscan resolver los problemas de los sistemas tradicionales de gestión de aparcamientos. Los modelos de visión artificial, como Ultralytics YOLOv8, y las cámaras de alta definición pueden supervisar los aparcamientos y ofrecer actualizaciones en tiempo real sobre las plazas disponibles y ocupadas.

¿Cómo funciona? Un modelo de visión artificial puede analizar las grabaciones de cámaras de alta definición para detectar vehículos, seguir sus movimientos e identificar plazas de aparcamiento libres. El modelo Ultralytics YOLOv8 admite tareas de visión artificial como la detección de objetos y el seguimiento de objetos, y puede identificar y clasificar con precisión los vehículos en una señal de vídeo. Al comparar las ubicaciones detectadas de los vehículos con las plazas de aparcamiento definidas previamente, el sistema puede determinar si una plaza está ocupada o no.

Fig. 2. YOLOv8 detectando plazas de aparcamiento.

La información sobre la disponibilidad de aparcamiento del sistema basado en visión puede integrarse y ampliarse en diferentes aplicaciones:

• Aplicaciones móviles: Las aplicaciones móviles pueden mostrar la disponibilidad de aparcamiento en tiempo real y ayudar a los conductores a encontrar plazas libres de forma rápida y sencilla.
• Señalización digital: Los paneles digitales en las entradas de los aparcamientos pueden mostrar el número de plazas disponibles y dirigir a los conductores a la plaza libre más cercana.
• Sistemas de aparcamiento automatizados: Los datos pueden utilizarse para controlar barreras y puertas automatizadas, permitir la entrada solo cuando haya plazas disponibles y guiar a los conductores hasta la plaza libre más cercana.

Ventajas de un sistema de gestión de aparcamientos#

La información sobre la disponibilidad de aparcamiento ofrece muchas ventajas. Las actualizaciones en tiempo real ayudan a los conductores a ir directamente a las plazas libres, mejoran la fluidez del tráfico y reducen el estrés de buscar aparcamiento. Para los operadores, saber cómo se utilizan las plazas permite gestionar mejor el aparcamiento, mejorar la seguridad mediante la supervisión 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 a través de aplicaciones móviles o web, permiten que los conductores reciban notificaciones sobre la disponibilidad y ahorran tiempo y dinero. Los urbanistas pueden utilizar estos datos para diseñar mejores trazados viarios, aplicar normas de aparcamiento eficaces y desarrollar nuevas instalaciones de aparcamiento que hagan las ciudades más eficientes y fáciles de recorrer.

Fig. 3. Reserva de plazas de aparcamiento desde una aplicación móvil.

Pruébalo tú mismo: gestión de aparcamientos con YOLOv8#

Ahora que conocemos bien la gestión de aparcamientos y sus ventajas, veamos cómo puedes crear un sistema de gestión de aparcamientos basado en visión. Usaremos el modelo YOLOv8 para detectar vehículos, supervisar las plazas de aparcamiento y determinar si están ocupadas.

En este ejemplo, puedes utilizar un vídeo o una señal de cámara de un aparcamiento. Antes de empezar, recuerda que este sistema depende de una detección precisa de vehículos y de coordenadas predefinidas para las plazas de aparcamiento.

La calibración de la cámara y los factores ambientales pueden afectar a la precisión de la detección de plazas y de su estado de ocupación. La velocidad y la precisión del procesamiento también pueden variar en función del rendimiento de tu GPU.

Paso 1: Empecemos instalando el paquete Ultralytics. Abre el símbolo del sistema o el terminal y ejecuta el siguiente comando.

pip install ultralytics

Consulta nuestra guía de instalación de Ultralytics para obtener instrucciones detalladas y buenas prácticas sobre el proceso de instalación. Si tienes algún problema al instalar los paquetes necesarios para YOLOv8, nuestra guía de problemas frecuentes ofrece soluciones y consejos útiles.

Paso 2: Tenemos que preseleccionar las plazas de aparcamiento para marcar las zonas de interés en el vídeo. Ejecuta este código para abrir la interfaz de usuario y preseleccionar las plazas de aparcamiento.

from ultralytics import solutions

solutions.ParkingPtsSelection()

Como se muestra a continuación, al ejecutar este código se abrirá una interfaz de usuario. Captura un fotograma o una imagen de tu vídeo de entrada de un aparcamiento y súbela. Después de dibujar cuadros delimitadores 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.’

Fig. 4. Selección de plazas de aparcamiento en el vídeo.

Paso 3: Ahora podemos pasar al código principal para gestionar el aparcamiento. Empieza importando las bibliotecas necesarias y definiendo la ruta al archivo JSON que creamos en el paso 2.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

Paso 4: Crea un objeto VideoCapture para leer el archivo de vídeo de entrada y asegúrate de que se ha abierto correctamente.

cap = cv2.VideoCapture("Path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"

Paso 5: Inicializa todas las propiedades de vídeo necesarias, como la anchura, la altura y los fotogramas por segundo.

w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

Paso 6: A continuación, podemos crear un objeto VideoWriter para guardar el archivo de vídeo procesado final.

video_writer = cv2.VideoWriter("parking management.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

Paso 7: Aquí inicializamos el sistema de gestión de aparcamientos con el modelo Ultralytics YOLOv8 y las regiones de aparcamiento guardadas en el archivo JSON.

management = solutions.ParkingManagement(model="yolov8n.pt", json_file=polygon_json_path)

Paso 8: Ahora recorremos el archivo de vídeo fotograma a fotograma para procesarlo. Si no se lee ningún fotograma, se interrumpe el bucle.

while cap.isOpened():
    ret, im0 = cap.read()
    if not ret:
        break

Paso 9: Dentro del bucle, pasamos cada fotograma al objeto de gestión de aparcamientos. Este sigue los vehículos del fotograma con el modelo YOLOv8 y comprueba si cada región de aparcamiento preseleccionada está ocupada.

    results = management(im0)

Paso 10: Los resultados devueltos incluyen el número de plazas de aparcamiento ocupadas y disponibles, que puedes imprimir o enviar a otras aplicaciones.

    print(f"Occupied: {results.filled_slots}, Available: {results.available_slots}")

Paso 11: La última parte del bucle escribe el fotograma anotado en el archivo de vídeo de salida «parking management.avi».

    video_writer.write(results.plot_im)

Paso 12: Por último, podemos liberar los objetos VideoCapture y VideoWriter y cerrar las ventanas.

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Paso 13: Guarda el script. Si trabajas desde el terminal o el símbolo del sistema, ejecuta el script con el siguiente comando:

python your_script_name.py

Echa un vistazo a la documentación oficial de Ultralytics si quieres obtener más información sobre el código.

Retos de un sistema automatizado de gestión de aparcamientos#

Los sistemas de aparcamiento inteligentes ofrecen muchas ventajas tanto a los conductores como a las empresas. Sin embargo, también plantean algunos retos que conviene tener en cuenta antes de implementar este tipo de soluciones. Veamos algunos.

• Problemas de privacidad: Estos sistemas recopilan información como la marca y el modelo del coche de una persona, la matrícula, la hora de entrada y salida, etc.
• Elevado coste de instalación: Los sensores, las cámaras, las máquinas expendedoras de tickets automatizadas y el software de IA pueden ser caros de instalar.
• Requisitos de mantenimiento: La frecuencia del mantenimiento depende del sistema de IA, pero la mayoría de los sistemas requieren mantenimiento mensual.

El futuro de los sistemas de aparcamiento inteligentes#

La gestión innovadora de aparcamientos del futuro consistirá en utilizar tecnologías de vanguardia como la IA, los coches autónomos y la realidad virtual para mejorar la experiencia general de aparcamiento y fomentar la sostenibilidad. Al integrarse con estos sistemas, los coches autónomos podrán desplazarse hasta las plazas de aparcamiento y estacionar sin intervención humana. Estos sistemas también ayudan a las empresas a ocupar más plazas y anunciar sus servicios en distintas aplicaciones y sitios web. Además, reducen las emisiones de carbono de los conductores que dan vueltas buscando aparcamiento.

Adiós a los problemas de aparcamiento#

Los modelos de IA, como Ultralytics YOLOv8, y la visión artificial pueden transformar tu aparcamiento. Reducen las vueltas en busca de plazas, lo que te ahorra tiempo y disminuye las emisiones. Estos sistemas inteligentes de gestión de aparcamientos abordan problemas comunes como la congestión, el estacionamiento ilegal y la frustración de los conductores. Aunque requieren una inversión inicial, sus beneficios a largo plazo son considerables. Invertir en aparcamientos inteligentes es clave para crear ciudades sostenibles y ofrecer una experiencia de aparcamiento más fluida para todos.

¿Quieres saber más sobre IA? ¡Conecta con nuestra comunidad! Explora nuestro repositorio de GitHub para saber más sobre cómo usamos la IA para crear soluciones innovadoras en sectores como la atención sanitaria y la agricultura. ¡Colabora, innova y aprende con nosotros!