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 de recherche d’une place pour se garer peut être fastidieuse et prendre beaucoup de temps. Cependant, un système de gestion du stationnement reposant sur l’intelligence artificielle (AI) 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 allons voir comment améliorer les systèmes de gestion du stationnement grâce à l’intelligence artificielle et à la vision par ordinateur. Nous allons également parcourir un exemple de code 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 !

Les problèmes de la gestion traditionnelle des parkings#

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

L’un des principaux problèmes des systèmes traditionnels est la saturation des parkings : le nombre de voitures dépasse celui des places disponibles. En plus de faire perdre du temps à chercher une place, la saturation entraîne une consommation excessive de carburant et de la pollution atmosphérique. Le stress des conducteurs est 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 à propos d’une place de stationnement.

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

L’IA facilite la gestion des parkings#

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

Comment ça marche ? Un modèle de vision par ordinateur peut analyser les images de caméras haute définition pour détecter les véhicules, suivre leurs déplacements et repérer 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 des véhicules détectés aux places de stationnement prédéfinies, le système peut déterminer si une place est occupée ou non.

Fig. 2. YOLOv8 détecte les places de stationnement.

Les informations sur la disponibilité des places fournies par le système basé sur la vision peuvent être intégrées à différentes applications et enrichies par celles-ci :

• Applications mobiles : Les applications mobiles peuvent afficher en temps réel les places disponibles et aider les conducteurs à en trouver une rapidement et facilement.
• Affichage numérique : Des panneaux numériques à l’entrée 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 les portails automatiques, en n’autorisant l’entrée que 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 aident les conducteurs à 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 comment les places sont utilisées 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 par le biais d’applications mobiles ou Web, ce qui permet aux conducteurs de recevoir des notifications sur la disponibilité et d’économiser du temps et de l’argent. Les urbanistes peuvent utiliser ces données pour concevoir de meilleurs plans de circulation, appliquer efficacement la réglementation du stationnement et aménager de nouveaux parkings qui rendent les villes plus efficaces et plus faciles à parcourir.

Fig. 3. Réserve des places de stationnement depuis une application mobile.

À toi d’essayer : gérer un parking avec YOLOv8#

Maintenant que nous avons une bonne compréhension de la gestion du stationnement et de ses avantages, voyons comment tu peux construire un système de gestion du stationnement basé sur la vision. Nous utiliserons le modèle YOLOv8 pour détecter les véhicules, surveiller les places et déterminer si elles sont occupées.

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

Le calibrage de la caméra et les facteurs environnementaux peuvent influer sur la précision de la détection des places et 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 liées au processus d’installation. Si tu rencontres des problèmes lors de l’installation des packages nécessaires à 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 ta vidéo. Exécute ce code pour ouvrir l’interface utilisateur et présélectionner les places de stationnement.

from ultralytics import solutions

solutions.ParkingPtsSelection()

Comme illustré 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 d’un parking, puis importe-la. Après avoir tracé des boîtes englobantes autour des places de stationnement, clique sur l’option d’enregistrement. Les informations sur les places de stationnement sélectionnées seront enregistrées dans un fichier JSON nommé ‘bounding_boxes.json.’

Fig. 4 Sélection de places de stationnement dans ta vidéo.

Étape 3 : Nous pouvons maintenant passer au code principal de gestion du parking. Commence par importer toutes les bibliothèques nécessaires 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 bien ouvert.

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, nous pouvons créer 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 parking avec le modèle Ultralytics YOLOv8 pour détecter les places de stationnement.

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’interrompt.

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

Étape 9 : Dans la boucle, nous extrayons les zones 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 boîtes englobantes 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 affiche l’image actuelle avec ses annotations et écrit 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 un terminal ou une invite de commandes, exécute le script avec la commande suivante :

python your_script_name.py

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

Les défis d’un système automatisé de gestion de parking#

Les systèmes de stationnement intelligents offrent de nombreux avantages aux conducteurs comme aux entreprises. Cependant, ils présentent aussi quelques difficultés à prendre en compte avant de mettre en œuvre ce type de solution. Voyons-en quelques-unes.

• Préoccupations liées à la confidentialité : Ces systèmes collectent des informations telles que la marque et le modèle de la voiture d’une personne, son numéro de plaque d’immatriculation, l’heure d’entrée et de sortie, etc.
• Coût élevé de l’installation : Les capteurs, les caméras, les automates de billetterie et les logiciels d’IA peuvent être coûteux à installer.
• Besoins en maintenance : La fréquence de maintenance dépend du système d’IA, mais la plupart des systèmes nécessitent une maintenance mensuelle.

L’avenir des systèmes de stationnement intelligents#

À l’avenir, la gestion innovante du stationnement reposera sur des technologies de pointe comme l’IA, les voitures autonomes et la réalité virtuelle pour améliorer l’expérience de stationnement globale et soutenir la durabilité. Intégrées à ces systèmes, les voitures autonomes pourront rejoindre les places de stationnement et s’y garer sans intervention humaine. Ces systèmes aident aussi les entreprises à occuper davantage de places de stationnement et à promouvoir leurs services sur plusieurs applications et sites web. Ils réduisent également les émissions de carbone produites par les conducteurs qui circulent à la recherche d’une place.

En finir avec les tracas 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 en rond pour trouver une place, ce qui te fait gagner du temps et diminue les émissions. Ces systèmes intelligents de gestion du stationnement résolvent des problèmes courants comme les embouteillages, le stationnement illégal et la frustration des conducteurs. Même si l’investissement initial est conséquent, les avantages à long terme sont importants. Investir dans le stationnement intelligent est essentiel pour créer des villes durables et offrir à tout le monde une expérience de stationnement plus fluide.

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 différents secteurs, comme la santé et l’agriculture. Collabore, innove et apprends avec nous ! 🚀