13 juin 2024
Le modèle YOLOv8 d'Ultralytics peut rendre les systèmes de gestion de parking plus intelligents. Apprenez à gérer les places de parking en temps réel pour créer votre propre solution de parking intelligent.
Il peut être stressant de tourner en rond à la recherche d'une place de parking, surtout lorsqu'on est en retard. La méthode traditionnelle de recherche d'une place de parking peut être fastidieuse et prendre beaucoup de temps. Toutefois, un système de gestion du stationnement basé sur l'intelligence artificielle (IA) et la vision par ordinateur peut simplifier les choses. Il peut rendre la disponibilité des places de stationnement plus prévisible et réduire les embouteillages.
Dans cet article, nous allons apprendre comment améliorer les systèmes de gestion des parkings grâce à l'intelligence artificielle et à la vision par ordinateur. Nous présenterons également un exemple de codage étape par étape pour vous montrer comment vous pouvez utiliser le modèle YOLOv8 d'Ultralytics pour créer un système de gestion de parkings basé sur la vision artificielle. Plongeons dans le vif du sujet !
Avant d'aborder les systèmes de gestion de parkings intelligents améliorés par l'IA, examinons les problèmes posés par les systèmes de gestion de parkings traditionnels.
L'un des principaux problèmes des systèmes traditionnels est l'encombrement des places de stationnement : il y a plus de voitures dans les parkings que de places disponibles. Outre la perte de temps liée à la recherche d'une place, la surpopulation entraîne une surconsommation de carburant et une pollution de l'air. Un autre problème est le stress des conducteurs. Selon une enquête, environ 27 % des personnes passent au moins 30 minutes à chercher une place de stationnement. En outre, 43 % des personnes admettent s'être disputées verbalement avec des inconnus au sujet d'une place de stationnement.
.png)
Les parkings intégrés à l'IA visent à résoudre les problèmes auxquels sont confrontés les systèmes traditionnels de gestion des parkings. Des modèles de vision par ordinateur comme le modèle YOLOv8 d'Ultralytics et des 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 des images provenant de caméras haute définition pour détecter des véhicules, suivre leurs mouvements et identifier les places de parking disponibles. Le modèle YOLOv8 d'Ultralytics prend en charge des tâches de vision par ordinateur telles que la détection 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 parking prédéfinies, le système peut déterminer si une place de parking est occupée ou non.
.png)
Les informations sur la disponibilité des places de stationnement fournies par le système de vision peuvent être intégrées et étendues à différentes applications :
La connaissance de la disponibilité des places de stationnement peut présenter de nombreux avantages. Les mises à jour en temps réel aident les conducteurs à se rendre directement sur les places libres, ce qui fluidifie le trafic et réduit le stress lié à la recherche d'un parking. 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 répondre rapidement à tout incident.
L'automatisation des fonctions de stationnement permet de réduire les coûts en diminuant le besoin de travail manuel. Les systèmes d'IA facilitent la réservation de places de stationnement 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 tracés routiers, appliquer des règles de stationnement efficaces et développer de nouvelles installations de stationnement qui rendent les villes plus efficaces et plus faciles à naviguer.
Maintenant que nous avons une bonne compréhension de la gestion des parkings et de ses avantages, voyons comment vous pouvez construire un système de gestion des parkings basé sur la vision. Nous utiliserons le modèle YOLOv8 pour détecter les véhicules, surveiller les places de stationnement et déterminer leur état d'occupation.
Dans cet exemple, vous pouvez utiliser une vidéo ou un flux de caméra d'un parking. Veuillez noter que la taille maximale de l'image prise en charge dans 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.
Etape 1 : Commençons par installer le paquet Ultralytics. Ouvrez votre invite de commande ou votre terminal et exécutez la commande suivante.
Reportez-vous à notre guide d'installation d'Ultralytics pour 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 propose des solutions et des conseils utiles.
Étape 2 : Nous devons présélectionner les places de parking afin de pouvoir marquer les zones d'intérêt dans votre séquence. Exécutez ce code pour ouvrir l'interface utilisateur permettant de présélectionner les places de parking.
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 tracé des boîtes de délimitation autour des places de stationnement, cliquez sur l'option d'enregistrement. Les informations sur les places de parking 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 nécessaires et initialisez le fichier JSON que nous avons créé à l'étape 2.
Étape 4 : créer un objet VideoCapture pour lire le fichier vidéo d'entrée et s'assurer que le fichier vidéo est ouvert avec succès.
Étape 5: Initialisation de toutes les propriétés vidéo nécessaires, telles que la largeur, la hauteur et le nombre d'images par seconde.
Étape 6 : Ensuite, nous pouvons créer un objet VideoWriter pour enregistrer le fichier vidéo final traité.
Étape 7: Ici, nous initialisons le système de gestion du stationnement avec le modèle Ultralytics YOLOv8 pour la détection des places de stationnement.
Étape 8: Nous parcourons maintenant le fichier vidéo, image par image, pour le traiter. Si aucune image n'est lue, la boucle s'interrompt.
Étape 9 : À l'intérieur de la boucle, nous extrayons les zones de stationnement présélectionnées du fichier JSON et suivons les objets dans le cadre à l'aide du modèle YOLOv8.
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.
Étape 11 : la dernière partie de la boucle consiste à afficher l'image actuelle avec des annotations et à écrire l'image traitée dans le fichier vidéo de sortie "parking management.avi".
Étape 12: Enfin, nous pouvons libérer les objets VideoCapture et VideoWriter et détruire toutes les fenêtres.
Étape 13 : Enregistrez votre script. Si vous travaillez à partir d'un terminal ou d'une invite de commande, exécutez le script à l'aide de la commande suivante :
Si le code est exécuté avec succès, le fichier vidéo de sortie ressemblera à ceci :
.gif)
N'hésitez pas à consulter la documentation officielle d'Ultralytics si vous souhaitez en savoir plus sur le code.
Les systèmes de stationnement intelligents offrent de nombreux avantages aux automobilistes et aux entreprises. Cependant, ils présentent également quelques défis qu'il convient de prendre en compte avant de mettre en œuvre de telles solutions. Examinons-en quelques-uns.
À l'avenir, la gestion innovante du stationnement 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 seront intégrées à ces systèmes, les voitures autonomes pourront naviguer jusqu'aux emplacements de stationnement sans intervention humaine et s'y garer. Ces systèmes aident également les entreprises à remplir plus de places de stationnement et à faire la publicité de leurs services sur plusieurs applications et sites web. Ils réduisent également le nombre d'émissions de carbone qui émanent des conducteurs qui se déplacent à la recherche d'une place 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 tourner en rond pour trouver une place, ce qui vous permet de gagner du temps et de réduire les émissions. Ces systèmes intelligents de gestion du stationnement s'attaquent à des problèmes courants tels que la congestion, le stationnement illégal et la frustration des automobilistes. Bien qu'il y ait un investissement initial, les avantages à long terme sont considérables. Investir dans le stationnement intelligent est essentiel pour créer des villes durables et une expérience de stationnement plus fluide pour tous.
Vous voulez en savoir plus sur l'IA ? Entrez en contact avec notre communauté! Explorez notre dépôt GitHub pour en savoir plus sur la façon dont nous utilisons l'IA pour créer des solutions innovantes dans divers secteurs tels que la santé et l'agriculture. Collaborez, innovez et apprenez avec nous ! 🚀
.webp)