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 quand tu es en retard. La méthode traditionnelle de recherche de place peut être fastidieuse et chronophage. Cependant, un système de gestion de stationnement piloté par 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 allons apprendre à moderniser les systèmes de gestion de stationnement avec l'intelligence artificielle et la vision par ordinateur. Nous passerons également en revue un exemple de code étape par étape pour te montrer comment utiliser le modèle Ultralytics YOLOv8 afin de créer un système de gestion de stationnement équipé de la vision par ordinateur. Plongeons dans le vif du sujet !

Link to this sectionProblèmes liés à la gestion traditionnelle des parkings#

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

L'un des problèmes majeurs des systèmes traditionnels est la saturation des espaces de stationnement ; il y a plus de voitures dans les parkings que de places disponibles. Outre la perte de temps à chercher une place, la saturation entraîne une consommation excessive de carburant et une pollution atmosphérique. Un autre problème est le stress du conducteur. Selon une enquête, environ 27 % des gens passent au moins 30 minutes à chercher une place. De plus, 43 % des gens ont admis avoir eu des altercations verbales avec des inconnus à propos de places de parking.

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

Link to this sectionL'IA facilite la gestion des parkings#

Les parkings intégrés à l'IA visent à résoudre les problèmes auxquels sont confrontés les systèmes de gestion traditionnels. Des modèles de vision par ordinateur tels que le modèle Ultralytics YOLOv8 et des caméras haute définition peuvent surveiller les parkings et obtenir des mises à jour en temps réel 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 mouvements et identifier les places de parking 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 classifier avec précision les véhicules dans un flux vidéo. En comparant les positions détectées des véhicules avec les places de parking prédéfinies, le système peut déterminer si une place est occupée ou non.

Fig 2. YOLOv8 détectant des places de parking.

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

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

Link to this sectionLes avantages d'un système de gestion de stationnement#

Avoir des aperçus sur la disponibilité des places offre de nombreux avantages. Les mises à jour en temps réel aident les conducteurs à se diriger directement vers les emplacements libres, fluidifiant ainsi le trafic et réduisant le stress lié à la recherche de stationnement. Pour les opérateurs, comprendre comment les places sont utilisées 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 manuelle. Les systèmes d'IA facilitent la réservation de places via des applications mobiles ou web, permettant aux conducteurs de recevoir des notifications sur la disponibilité, économisant ainsi du temps et de l'argent. Les urbanistes peuvent utiliser ces données pour concevoir de meilleurs plans routiers, appliquer des réglementations de stationnement efficaces et développer de nouvelles installations rendant les villes plus efficaces et plus faciles à parcourir.

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

Link to this sectionEssaie par toi-même : Gestion de stationnement avec YOLOv8#

Maintenant que tu as une compréhension claire de la gestion du stationnement et de ses avantages, plongeons dans la manière dont tu peux créer un système de gestion du stationnement basé sur la vision. Nous utiliserons le modèle YOLOv8 pour détecter les véhicules, surveiller les places de parking et déterminer leur statut d'occupation.

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, souviens-toi que ce système repose sur une détection précise des véhicules et sur des coordonnées de places de parking prédéfinies.

L'étalonnage de la caméra et les facteurs environnementaux peuvent affecter la précision de la détection des places et du statut d'occupation. La vitesse de traitement et la précision peuvent également varier en fonction des performances de ton GPU.

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

pip install ultralytics

Consulte notre guide d'installation Ultralytics pour des instructions détaillées et les meilleures pratiques concernant le processus d'installation. Si tu rencontres des problèmes lors de l'installation des packages nécessaires 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 marquer les zones d'intérêt dans tes images. Exécute ce code pour ouvrir l'interface utilisateur permettant de présélectionner les places de parking.

from ultralytics import solutions

solutions.ParkingPtsSelection()

Comme indiqué ci-dessous, une interface utilisateur s'ouvrira lorsque tu exécuteras ce code. Prends une image ou une capture d'écran de ta vidéo de parking et télécharge-la. Après avoir dessiné des boîtes englobantes autour des places de parking, clique sur l'option d'enregistrement. Les informations sur tes places de parking sélectionnées seront enregistrées dans un fichier JSON nommé ‘bounding_boxes.json.’

Fig 4. Sélection de places de parking dans tes images.

Étape 3 : Maintenant, nous pouvons passer au code principal pour la gestion du stationnement. Commence par importer toutes les bibliothèques nécessaires et initialise 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 : Crée un objet VideoCapture pour lire le fichier vidéo d'entrée et assure-toi que le fichier vidéo est correctement 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 les 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 de stationnement avec le modèle Ultralytics YOLOv8 pour la détection des places de parking.

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'arrêtera.

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

Étape 9 : À l'intérieur de la boucle, nous extrairons les zones de stationnement présélectionnées du fichier JSON et suivrons les objets dans l'image en utilisant le 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 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 consiste à afficher l'image actuelle avec les 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 détruire 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 commande, exécute le script en utilisant 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.

Link to this sectionDéfis d'un système de gestion de parking automatisé#

Les systèmes de stationnement intelligents offrent de nombreux avantages tant aux conducteurs qu'aux entreprises. Cependant, ils présentent également quelques défis qui doivent être pris en compte avant d'implémenter de telles solutions. Jetons un coup d'œil à certains d'entre eux.

• Préoccupations liées à la vie privée : Ces systèmes collectent des informations telles que la marque et le modèle de la voiture d'un individu, le numéro de plaque d'immatriculation, l'heure d'entrée et de sortie, etc.
• Coût élevé d'installation : Les capteurs, les caméras, les machines à billets automatisées et les logiciels d'IA peuvent être coûteux à installer.
• Exigences de maintenance : La fréquence de maintenance dépend du système d'IA, mais la plupart des systèmes nécessitent une maintenance mensuelle.

Link to this sectionL'avenir des systèmes de stationnement intelligents#

La gestion innovante du stationnement à l'avenir consistera à utiliser des technologies de pointe comme l'IA, les voitures autonomes et la réalité virtuelle pour améliorer l'expérience globale de stationnement et soutenir la durabilité. Lorsqu'elles seront intégrées à ces systèmes, les voitures autonomes seront capables de se diriger vers les emplacements de stationnement sans intervention humaine et de se garer. Ces systèmes aident également les entreprises à remplir davantage de places de parking et à promouvoir leurs services sur plusieurs applications et sites web. Ils réduisent également le nombre d'émissions de carbone qui émanent des conducteurs qui tournent en rond à la recherche d'une place.

Link to this sectionMettre fin aux 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 chercher une place, t'économisant du temps et réduisant les émissions. Ces systèmes de gestion de stationnement intelligents s'attaquent aux problèmes courants tels que les embouteillages, le stationnement illégal et la frustration des conducteurs. Bien qu'il y ait un investissement initial, les avantages à long terme sont significatifs. Investir dans le stationnement intelligent est essentiel pour créer des villes durables et une expérience de stationnement plus fluide pour tout le monde.

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