X
Ultralytics YOLOv8.2 LibérationUltralytics YOLOv8.2 LibérationUltralytics YOLOv8.2 Flèche de déverrouillage
Contrôle vert
Lien copié dans le presse-papiers

Ultralytics YOLOv8 pour des systèmes de gestion de stationnement plus intelligents

Le modèle Ultralytics YOLOv8 peut rendre les systèmes de gestion de parking plus intelligents. Apprends à gérer les places de parking en temps réel pour créer ta propre solution de parking intelligent.

Il peut être stressant de tourner en rond à la recherche d'une place de parking, surtout lorsque tu es en retard. La manière traditionnelle de chercher une place de parking peut être fastidieuse et prendre beaucoup de temps. Cependant, un système de gestion du stationnement piloté par 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 mettre à niveau les systèmes de gestion des parkings grâce à l'intelligence artificielle et à la vision par ordinateur. Nous allons également suivre un exemple de codage étape par étape pour te montrer comment tu peux utiliser le Ultralytics YOLOv8 pour créer un système de gestion des parkings basé sur la vision artificielle. Plongeons dans le vif du sujet !

Problèmes liés à la gestion traditionnelle des parcs de stationnement

Avant d'aborder les systèmes de gestion de parking intelligents améliorés par l'IA, examinons les problèmes que posent les systèmes de gestion de parking 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. En plus de faire perdre du temps 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 gens passent au moins 30 minutes à chercher une place de parking. De plus, 43 % des gens ont admis s'être disputés verbalement avec des inconnus à propos d'une place de parking.

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

L'IA facilite la gestion des parcs de stationnement

Les parcs de stationnement 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 modèleUltralytics YOLOv8 et des caméras haute définition peuvent surveiller les parcs de stationnement 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 séquences 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 artificielle 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.

Fig 2. Gestion du stationnement à l'aide de Ultralytics YOLOv8 .

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

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

Les informations sur la disponibilité des places de stationnement peuvent 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.

Fig 3. Réserver des places de parking par le biais d'une application mobile.

Essaie toi-même : Gestion du stationnement à l'aide de YOLOv8

Maintenant que nous avons bien compris ce qu'est la gestion des parkings et ses avantages, plongeons dans la façon dont tu peux construire un système de gestion des parkings basé sur la vision. Nous utiliserons le YOLOv8 pour détecter les véhicules, surveiller les places de stationnement et déterminer leur état d'occupation.

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

Camera calibration and environmental factors can affect the accuracy of space detection and occupancy status. The processing speed and accuracy may also vary based on your GPU's performance.

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


pip install ultralytics

Reporte-toi à notre guide d'installationUltralytics pour obtenir des instructions détaillées et des bonnes pratiques sur le processus d'installation. Si tu rencontres 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 de tes séquences. 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 d'entrée d'un parking et télécharge-la. Après avoir dessiné des boîtes de délimitation autour des places de parking, clique sur l'option d'enregistrement. Les informations sur les places de parking sélectionnées seront enregistrées dans un fichier JSON nommé "bounding_boxes.json".

Fig 4. Sélection des places de parking dans ton métrage.

Étape 3 : Maintenant, nous pouvons sauter dans le code principal pour la gestion du stationnement. Commence par importer toutes les bibliothèques nécessaires et par 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 : Créer un objet VideoCapture pour lire le fichier vidéo d'entrée et s'assurer 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: initialiser 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 traiter. Si aucune image n'est lue, la boucle s'interrompt.


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

Étape 9 : À l'intérieur de la boucle, nous extrairons les régions de stationnement présélectionnées du fichier JSON et suivrons les objets dans le cadre 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 l'image actuelle avec des 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 : Sauvegarde ton script. Si tu travailles à partir de ton terminal ou de l'invite de commande, exécute le script à l'aide de la commande suivante :


python your_script_name.py

Si le code est exécuté avec succès, ton fichier vidéo de sortie ressemblera à ceci :

Fig 5. Le résultat de la gestion du stationnement à l'aide de YOLOv8.

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

Défis d'un système de gestion automatisée des parcs de stationnement

Les systèmes de stationnement intelligents offrent de nombreux avantages aux conducteurs et aux entreprises. Cependant, ils présentent également quelques défis qu'il convient de prendre en compte avant de mettre en œuvre de telles solutions. Jetons un coup d'œil à certains d'entre eux.

  • Préoccupations en matière de protection de la vie privée : Ces systèmes recueillent des informations telles que la marque et le modèle de la voiture d'une personne, 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 en matière d'entretien : La fréquence de l'entretien dépend du système AI, mais la plupart des systèmes nécessitent un entretien mensuel.

L'avenir des systèmes de stationnement intelligents

À l'avenir, la gestion innovante du stationnement consistera à utiliser des technologies de pointe comme 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 auto-conduites pourront naviguer jusqu'aux emplacements de stationnement sans intervention humaine et se garer. Ces systèmes aident également les entreprises à remplir plus de places de stationnement et à faire de la publicité pour leurs services sur plusieurs applis 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.

Mettre fin aux problèmes de stationnement

Les modèles d'IA, comme Ultralytics YOLOv8et la vision par ordinateur peuvent transformer ton aire de stationnement. Ils réduisent considérablement les cercles pour les places, ce qui te permet de gagner du temps et de réduire les émissions. Ces systèmes intelligents de gestion du stationnement s'attaquent à des problèmes courants comme 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 fluide pour tout le monde.

Tu veux en savoir plus sur l'IA ? Connecte-toi avec notre communauté! Explore notre dépôt GitHub pour en savoir plus sur la façon 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 ! 🚀

Logo FacebookLogo de TwitterLogo LinkedInSymbole du lien de copie

Lire la suite dans cette catégorie

Construisons ensemble le futur
de l'IA !

Commence ton voyage avec le futur de l'apprentissage automatique.