Ultralytics YOLOv8 pour des systèmes de gestion du stationnement plus intelligents

Tourner en rond à la recherche d’une place de stationnement peut être stressant, surtout quand tu es en retard. La méthode traditionnelle pour chercher une place où se garer peut être fastidieuse et chronophage. Cependant, un système de gestion du stationnement reposant sur l’intelligence artificielle (IA) et la vision par ordinateur peut simplifier les choses. Il peut rendre la disponibilité des places plus prévisible et réduire les embouteillages.

Dans cet article, nous verrons comment moderniser les systèmes de gestion du stationnement grâce à l’intelligence artificielle et à la vision par ordinateur. Nous suivrons également un exemple de programmation détaillé étape par étape pour te montrer comment utiliser le modèle Ultralytics YOLOv8 afin de créer un système de gestion du stationnement reposant sur la vision par ordinateur. Allons-y !

Problèmes liés à la gestion traditionnelle des parkings#

Avant d’aborder les systèmes intelligents de gestion du stationnement améliorés par l’IA, examinons les problèmes des systèmes traditionnels de gestion du stationnement.

L’un des principaux problèmes des systèmes traditionnels est la saturation des parkings : le nombre de voitures y est supérieur au nombre de places disponibles. En plus de faire perdre du temps à chercher une place, la saturation entraîne une consommation excessive de carburant et une pollution de l’air. Le stress des conducteurs constitue un autre problème. Selon une enquête, environ 27 % des personnes passent au moins 30 minutes à chercher une place. De plus, 43 % des personnes ont reconnu s’être disputées verbalement avec des inconnus au sujet de places de stationnement.

Fig. 1. Un conducteur stressé. Source de l’image : Envato Elements.

L’IA simplifie la gestion des parkings#

Les parkings intégrant l’IA visent à résoudre les problèmes auxquels sont confrontés les systèmes traditionnels de gestion du stationnement. Des modèles de vision par ordinateur comme le modèle Ultralytics YOLOv8 et des caméras haute définition peuvent surveiller les parkings et fournir en temps réel des informations sur les places disponibles et occupées.

Comment cela fonctionne-t-il ? Un modèle de vision par ordinateur peut analyser les images provenant de caméras haute définition pour détecter les véhicules, suivre leurs déplacements et identifier les places disponibles. Le modèle Ultralytics YOLOv8 prend en charge des tâches de vision par ordinateur comme la détection d’objets et le suivi d’objets, et peut identifier et classer avec précision les véhicules dans un flux vidéo. En comparant les emplacements détectés des véhicules avec les places de stationnement prédéfinies, le système peut déterminer si une place est occupée ou non.

Fig. 2. YOLOv8 détectant des places de stationnement.

Les informations sur la disponibilité des places provenant du système fondé sur la vision par ordinateur peuvent être intégrées et étendues à différentes applications :

• Applications mobiles : Les applications mobiles peuvent afficher en temps réel les places disponibles et aider les conducteurs à trouver rapidement et facilement une place.
• Affichage numérique : Les panneaux numériques situés aux entrées des parkings peuvent indiquer le nombre de places disponibles et orienter les conducteurs vers la place libre la plus proche.
• Systèmes de stationnement automatisés : Les données peuvent servir à contrôler les barrières et portails automatisés, en autorisant l’entrée uniquement lorsque des places sont disponibles et en guidant les conducteurs vers la place libre la plus proche.

Les avantages d’un système de gestion du stationnement#

Les informations sur la disponibilité des places peuvent offrir de nombreux avantages. Les mises à jour en temps réel permettent aux conducteurs de se rendre directement aux places libres, ce qui fluidifie la circulation et réduit le stress lié à la recherche d’une place. Pour les exploitants, comprendre l’utilisation des places leur permet de mieux gérer le parking, d’améliorer la sécurité grâce à une surveillance en temps réel et de réagir rapidement à tout incident.

L’automatisation des fonctions de stationnement réduit les coûts en limitant le besoin de main-d’œuvre. Les systèmes d’IA facilitent la réservation de places via des applications mobiles ou web, permettent aux conducteurs de recevoir des notifications sur la disponibilité et leur font gagner du temps et de l’argent. Les urbanistes peuvent utiliser ces données pour concevoir de meilleurs aménagements routiers, faire appliquer efficacement la réglementation du stationnement et développer de nouveaux parkings afin de rendre les villes plus efficaces et plus faciles à parcourir.

Fig. 3. Réserver des places de stationnement via une application mobile.

Essaie par toi-même : gérer le stationnement avec YOLOv8#

Maintenant que nous comprenons clairement la gestion du stationnement et ses avantages, voyons comment tu peux créer un système de gestion du stationnement fondé sur la vision par ordinateur. Nous utiliserons le modèle YOLOv8 pour détecter les véhicules, surveiller les places et déterminer leur état d’occupation.

Dans cet exemple, tu peux utiliser une vidéo ou un flux de caméra filmant un parking. Note que la taille maximale d’image prise en charge par cet exemple est de 1920 * 1080. Avant de commencer, rappelle-toi que ce système repose sur une détection précise des véhicules et sur des coordonnées prédéfinies des places de stationnement.

L’étalonnage de la caméra et les facteurs environnementaux peuvent affecter la précision de la détection des places et de la détermination de leur état d’occupation. La vitesse et la précision du traitement peuvent également varier selon les performances de ton GPU.

Étape 1 : Commençons par installer le package Ultralytics. Ouvre ton invite de commandes ou ton terminal et exécute la commande suivante.

pip install ultralytics

Consulte notre guide d’installation Ultralytics pour obtenir des instructions détaillées et connaître les bonnes pratiques relatives au processus d’installation. Si tu rencontres des problèmes lors de l’installation des packages requis pour YOLOv8, notre guide des problèmes courants propose des solutions et des conseils utiles.

Étape 2 : Nous devons présélectionner les places de stationnement afin de pouvoir marquer les zones d’intérêt dans tes images. Exécute ce code pour ouvrir l’interface utilisateur et présélectionner les places.

from ultralytics import solutions

solutions.ParkingPtsSelection()

Comme indiqué ci-dessous, une interface utilisateur s’ouvrira lorsque tu exécuteras ce code. Capture une image ou une capture d’écran de ta vidéo d’entrée montrant un parking, puis importe-la. Après avoir tracé des BBox autour des places, clique sur l’option d’enregistrement. Les informations relatives aux places sélectionnées seront enregistrées dans un fichier JSON nommé ‘bounding_boxes.json.’

Fig. 4. Sélection des places de stationnement dans tes images.

Étape 3 : Passons maintenant au code principal de gestion du stationnement. Commence par importer toutes les bibliothèques requises et initialiser le fichier JSON créé à l’étape 2.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

Étape 4 : Crée un objet VideoCapture pour lire le fichier vidéo d’entrée et vérifie que celui-ci s’est ouvert correctement.

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

Étape 5 : Initialise toutes les propriétés vidéo nécessaires, comme la largeur, la hauteur et le nombre d’images par seconde.

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

Étape 6 : Ensuite, crée un objet VideoWriter pour enregistrer le fichier vidéo final traité.

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

Étape 7 : Ici, nous initialisons le système de gestion du stationnement avec le modèle Ultralytics YOLOv8 pour détecter les places.

management = solutions.ParkingManagement(model_path="yolov8n.pt")

Étape 8 : Nous parcourons maintenant le fichier vidéo image par image pour le traiter. Si aucune image n’est lue, la boucle s’arrête.

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

Étape 9 : Dans la boucle, nous extrayons les régions de stationnement présélectionnées du fichier JSON et suivons les objets présents dans l’image à l’aide du modèle YOLOv8.

json_data = management.parking_regions_extraction(polygon_json_path)
results = management.model.track(im0, persist=True, show=False)

Étape 10 : Cette partie de la boucle traite les résultats du suivi et récupère les coordonnées des BBox ainsi que les étiquettes de classe des objets détectés.

if results[0].boxes.id is not None:
    boxes = results[0].boxes.xyxy.cpu().tolist()
    clss = results[0].boxes.cls.cpu().tolist()
    management.process_data(json_data, im0, boxes, clss)

Étape 11 : La dernière partie de la boucle consiste à afficher l’image actuelle avec ses annotations et à écrire l’image traitée dans le fichier vidéo de sortie “parking management.avi.”

management.display_frames(im0)
video_writer.write(im0)

Étape 12 : Enfin, nous pouvons libérer les objets VideoCapture et VideoWriter et fermer toutes les fenêtres.

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

Étape 13 : Enregistre ton script. Si tu travailles depuis ton terminal ou ton invite de commandes, exécute le script à l’aide de la commande suivante :

python your_script_name.py

N’hésite pas à consulter la documentation officielle d’Ultralytics si tu souhaites en savoir plus sur le code.

Défis liés à un système automatisé de gestion des parkings#

Les systèmes intelligents de stationnement offrent de nombreux avantages aux conducteurs comme aux entreprises. Cependant, ils présentent également quelques défis à prendre en compte avant de mettre en œuvre ces solutions. Examinons-en quelques-uns.

• Problèmes de confidentialité : Ces systèmes recueillent des informations telles que la marque et le modèle de la voiture d’une personne, son numéro de plaque d’immatriculation, ses heures d’entrée et de sortie, etc.
• Coût d’installation élevé : Les capteurs, les caméras, les distributeurs automatisés de tickets et les logiciels d’IA peuvent être coûteux à installer.
• Exigences de maintenance : La fréquence de la maintenance dépend du système d’IA, mais la plupart des systèmes nécessitent une maintenance mensuelle.

L’avenir des systèmes intelligents de stationnement#

La gestion innovante du stationnement reposera à l’avenir sur l’utilisation de technologies de pointe comme l’IA, les voitures autonomes et la réalité virtuelle afin d’améliorer l’expérience globale de stationnement et de favoriser la durabilité. Lorsqu’elles seront intégrées à ces systèmes, les voitures autonomes pourront se rendre jusqu’aux emplacements de stationnement sans intervention humaine et se garer. Ces systèmes aident également les entreprises à occuper davantage de places et à promouvoir leurs services sur plusieurs applications et sites web. Ils réduisent aussi les émissions de carbone produites par les conducteurs qui tournent en rond à la recherche d’une place.

En finir avec les difficultés du stationnement#

Les modèles d’IA, comme Ultralytics YOLOv8, et la vision par ordinateur peuvent transformer ton parking. Ils réduisent considérablement le temps passé à tourner à la recherche d’une place, ce qui te fait gagner du temps et diminue les émissions. Ces systèmes intelligents de gestion du stationnement s’attaquent à des problèmes courants comme les embouteillages, le stationnement illégal et la frustration des conducteurs. Malgré un investissement initial, les avantages à long terme sont importants. Investir dans un stationnement intelligent est essentiel pour créer des villes durables et une expérience de stationnement plus fluide pour tous.

Tu veux en savoir plus sur l’IA ? Rejoins notre communauté ! Explore notre dépôt GitHub pour en savoir plus sur la manière dont nous utilisons l’IA afin de créer des solutions innovantes dans divers secteurs comme la santé et l’agriculture. Collabore, innove et apprends avec nous ! 🚀