Ultralytics YOLOv8 pour des systèmes de gestion de stationnement plus intelligents

Il peut être stressant de tourner en rond à la recherche d'une place de parking, surtout lorsque vous êtes en retard. La façon traditionnelle de chercher une place pour se garer peut être fastidieuse et prendre du temps. Cependant, un système de gestion de parking basé sur l'intelligence artificielle (IA) et la vision par ordinateur peut simplifier les choses. Il peut rendre la disponibilité des places de parking plus prévisible et réduire les embouteillages.

Dans cet article, nous apprendrons comment mettre à niveau les systèmes de gestion de stationnement avec l'intelligence artificielle et la vision par ordinateur. Nous passerons également en revue un exemple de codage étape par étape pour vous montrer comment vous pouvez utiliser le modèle Ultralytics YOLOv8 pour créer un système de gestion de stationnement basé sur la vision par ordinateur. Plongeons-nous directement !

Problèmes liés à la gestion traditionnelle des parkings

Avant de discuter des systèmes intelligents de gestion du stationnement améliorés par l'IA, examinons les problèmes liés aux systèmes traditionnels de gestion du stationnement.

Un problème majeur des systèmes traditionnels est l'encombrement des places de stationnement ; il y a plus de voitures dans les stationnements que de places disponibles. Outre la perte de temps à chercher une place, l'encombrement entraîne une consommation excessive de carburant et de pollution atmosphérique. Un autre problème est le stress des conducteurs. Selon une enquête, environ 27 % des personnes passent au moins 30 minutes à chercher des places de stationnement. De plus, 43 % des personnes ont admis s'être disputées verbalement avec des inconnus au sujet de places de stationnement.

‍

L'IA facilite la gestion des parkings

Les parkings intégrés à l'IA visent à résoudre les problèmes rencontrés par les systèmes de gestion de stationnement traditionnels. Les modèles de vision par ordinateur comme le modèle Ultralytics YOLOv8 et les caméras haute définition peuvent surveiller les parkings et obtenir des mises à jour en temps réel sur les places de stationnement disponibles et occupées. 

Comment cela fonctionne-t-il ? Un modèle de vision par ordinateur peut analyser les images de caméras haute définition pour détecter les véhicules, suivre leurs mouvements et identifier les places de stationnement disponibles. Le modèle Ultralytics YOLOv8 prend en charge les tâches de vision par ordinateur telles que 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 de stationnement est occupée ou non.

Les informations sur la disponibilité des places de stationnement fournies par le système de vision peuvent être intégrées et étendues à différentes applications :

• Applications mobiles : Les applications mobiles peuvent afficher la disponibilité du stationnement en temps réel et aider les conducteurs à trouver des places disponibles rapidement et facilement.
  ‍
• Affichage numérique : Les panneaux numériques à l'entrée des parkings peuvent indiquer le nombre de places disponibles et orienter les conducteurs vers l'emplacement libre le plus proche.
  ‍
• Systèmes de stationnement automatisés : Les données peuvent être utilisées pour contrôler les barrières et les portails automatisés, permettant l'entrée uniquement lorsque des places sont disponibles et guidant les conducteurs vers la place libre la plus proche.

Les avantages d'un système de gestion de parking

Les informations sur la disponibilité des places de stationnement 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'un stationnement. Pour les opérateurs, comprendre comment les places sont utilisées signifie qu'ils peuvent mieux gérer le terrain, améliorer la sécurité grâce à une surveillance en temps réel et réagir rapidement à tout incident.

L'automatisation des fonctions de stationnement réduit les coûts en diminuant le besoin de main-d'œuvre manuelle. Les systèmes d'IA facilitent la réservation de places de stationnement via des applications mobiles ou Web, permettant 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 tracés routiers, appliquer des règlements de stationnement efficaces et développer de nouvelles installations de stationnement qui rendent les villes plus efficaces et plus faciles à naviguer.

‍

Essayez par vous-même : Gestion de parking avec YOLOv8

Maintenant que nous avons une compréhension claire de la gestion du stationnement et de ses avantages, voyons comment vous pouvez construire un système de gestion du stationnement basé sur la vision. Nous utiliserons le modèle YOLOv8 pour détecter les véhicules, surveiller les places de stationnement et déterminer leur statut d'occupation.

Dans cet exemple, vous pouvez utiliser un flux vidéo ou de caméra d'un parking. Veuillez noter que la taille d'image maximale prise en charge par cet exemple est de 1920 * 1080. Avant de commencer, n'oubliez pas que ce système repose sur une détection précise des véhicules et des coordonnées prédéfinies des places de stationnement. 

L'étalonnage de la caméra et les facteurs environnementaux peuvent affecter la précision de la détection de l'espace et de l'état d'occupation. La vitesse de traitement et la précision peuvent également varier en fonction des performances de votre GPU.

Étape 1 : Commençons par installer le paquet Ultralytics. Ouvrez votre invite de commande ou votre terminal et exécutez la commande suivante.

pip install ultralytics

Consultez notre guide d'installation Ultralytics pour obtenir des instructions détaillées et les meilleures pratiques sur le processus d'installation. Si vous rencontrez des problèmes lors de l'installation des paquets requis pour YOLOv8, notre guide des problèmes courants offre des solutions et des conseils utiles.

Étape 2 : Nous devons présélectionner les places de stationnement afin de pouvoir marquer les zones d'intérêt dans vos images. Exécutez ce code pour ouvrir l'interface utilisateur afin de présélectionner les places de stationnement.

from ultralytics import solutions
solutions.ParkingPtsSelection()

Comme indiqué ci-dessous, une interface utilisateur s'ouvrira lorsque vous exécuterez ce code. Prenez une image ou une capture d'écran de votre vidéo d'entrée d'un parking et téléchargez-la. Après avoir dessiné des boîtes englobantes autour des places de stationnement, cliquez sur l'option d'enregistrement. Les informations sur les places de stationnement sélectionnées seront enregistrées dans un fichier JSON nommé ‘bounding_boxes.json.’

‍

Étape 3 : Maintenant, nous pouvons passer au code principal pour la gestion du stationnement. Commencez par importer toutes les bibliothèques requises et initialiser le fichier JSON que nous avons créé à l'étape 2.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

Étape 4 : Créez un objet VideoCapture pour lire le fichier vidéo d'entrée et assurez-vous que le fichier vidéo est ouvert avec succès.

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

Étape 5 : Initialisez 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 stationnement avec le modèle Ultralytics YOLOv8 pour la détection des places de stationnement.

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

Étape 8 : Maintenant, nous parcourons le fichier vidéo, image par image, pour le traitement. Si aucune image n'est lue, la boucle s'arrête.

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

Étape 9 : À l'intérieur de la boucle, nous allons extraire les régions de stationnement présélectionnées du fichier JSON et suivre les objets 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 obtient les coordonnées de la boîte englobante et 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 la trame actuelle avec les annotations et à écrire la trame traitée dans le fichier vidéo de sortie “gestion du stationnement.avi.”

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

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

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

Étape 13 : Enregistrez votre script. Si vous travaillez à partir de votre terminal ou de votre invite de commande, exécutez le script à l'aide de la commande suivante :

python your_script_name.py

N'hésitez pas à consulter la documentation officielle d'Ultralytics si vous souhaitez en savoir plus sur le code.

Défis d'un système automatisé de gestion de parking

Les systèmes de stationnement intelligents offrent de nombreux avantages aux conducteurs et aux entreprises. Cependant, ils présentent également quelques défis qui doivent être pris en compte avant de mettre en œuvre de telles solutions. Examinons quelques-uns de ces défis.

• Préoccupations en matière de protection de la vie privée : Ces systèmes collectent des informations telles que la marque et le modèle de la voiture, le numéro de la plaque d'immatriculation, l'heure d'entrée et de sortie, etc.
  ‍
• Coût élevé de l'installation : Les capteurs, les caméras, les billetteries automatiques 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 de stationnement intelligents

La gestion innovante du stationnement à l'avenir consistera à utiliser des technologies de pointe telles que l'IA, les voitures autonomes et la réalité virtuelle pour améliorer l'expérience globale du stationnement et soutenir la durabilité. Lorsqu'elles sont intégrées à ces systèmes, les voitures autonomes pourront se rendre aux emplacements de stationnement sans intervention humaine et se garer. Ces systèmes aident également les entreprises à remplir davantage de places de stationnement et à faire connaître leurs services sur plusieurs applications et sites web. Ils réduisent également le nombre d'émissions de carbone provenant des conducteurs qui cherchent une place de stationnement.

En finir avec les problèmes de stationnement

Les modèles d'IA, comme Ultralytics YOLOv8, et la vision par ordinateur peuvent transformer votre parking. Ils réduisent considérablement le temps passé à chercher une place, ce qui vous fait gagner du temps et réduit les émissions. Ces systèmes de gestion de stationnement intelligents s'attaquent aux problèmes courants tels que la congestion, le stationnement illégal et la frustration des conducteurs. Bien qu'il y ait un investissement initial, les avantages à long terme sont importants. Investir dans le stationnement intelligent est essentiel pour créer des villes durables et une expérience de stationnement plus agréable pour tous.

Vous voulez en savoir plus sur l'IA ? Connectez-vous avec notre communauté ! Explorez notre dépôt GitHub pour en savoir plus sur la façon dont nous utilisons l'IA pour créer des solutions novatrices dans divers secteurs comme les soins de santé et l'agriculture. Collaborez, innovez et apprenez avec nous ! 🚀