Ultralytics YOLOv8 per sistemi di gestione dei parcheggi più intelligenti

Guidare in tondo alla ricerca di un posto auto può essere stressante, soprattutto quando sei in ritardo. Il modo tradizionale di cercare un posto dove parcheggiare può essere tedioso e richiedere molto tempo. Tuttavia, un sistema di gestione dei parcheggi basato sull'intelligenza artificiale (AI) e sulla computer vision può semplificare le cose. Può rendere più prevedibile la disponibilità dei parcheggi e ridurre la congestione del traffico.

In questo articolo vedremo come aggiornare i sistemi di gestione dei parcheggi con l'intelligenza artificiale e la computer vision. Analizzeremo anche un esempio di programmazione passo dopo passo per mostrarti come puoi usare il modello Ultralytics YOLOv8 per creare un sistema di gestione dei parcheggi basato sulla computer vision. Iniziamo subito!

Problemi della gestione tradizionale dei parcheggi#

Prima di parlare dei sistemi intelligenti di gestione dei parcheggi potenziati dall'AI, esaminiamo i problemi dei sistemi tradizionali di gestione dei parcheggi.

Un problema importante dei sistemi tradizionali è il sovraffollamento dei parcheggi: nei parcheggi ci sono più auto dei posti disponibili. Oltre a far perdere tempo nella ricerca di un posto, il sovraffollamento comporta un consumo eccessivo di carburante e inquinamento atmosferico. Un altro problema è lo stress dei conducenti. Secondo un sondaggio, circa il 27% delle persone trascorre almeno 30 minuti alla ricerca di un parcheggio. Inoltre, il 43% delle persone ha ammesso di aver avuto discussioni verbali con sconosciuti per un posto auto.

Fig. 1. Un conducente stressato. Fonte dell'immagine: Envato Elements.

L'AI semplifica la gestione dei parcheggi#

I parcheggi integrati con l'AI mirano a risolvere i problemi dei sistemi tradizionali di gestione dei parcheggi. I modelli di computer vision come il modello Ultralytics YOLOv8 e le telecamere ad alta definizione possono monitorare i parcheggi e fornire aggiornamenti in tempo reale sui posti disponibili e occupati.

Come funziona? Un modello di computer vision può analizzare i filmati delle telecamere ad alta definizione per rilevare i veicoli, seguirne i movimenti e identificare i posti auto disponibili. Il modello Ultralytics YOLOv8 supporta attività di computer vision come il rilevamento degli oggetti e il tracciamento degli oggetti, e può identificare e classificare con precisione i veicoli all'interno di un flusso video. Confrontando le posizioni rilevate dei veicoli con i posti auto predefiniti, il sistema può determinare se un posto è occupato o meno.

Fig. 2. YOLOv8 rileva i posti auto.

Le informazioni sulla disponibilità dei parcheggi provenienti dal sistema basato sulla computer vision possono essere integrate ed estese in diverse applicazioni:

• App mobili: Le applicazioni mobili possono mostrare la disponibilità dei parcheggi in tempo reale e aiutare i conducenti a trovare rapidamente e facilmente i posti disponibili.
• Segnaletica digitale: I cartelli digitali agli ingressi dei parcheggi possono mostrare il numero di posti disponibili e indirizzare i conducenti verso il posto libero più vicino.
• Sistemi di parcheggio automatizzati: I dati possono essere utilizzati per controllare barriere e cancelli automatici, consentendo l'ingresso solo quando sono disponibili dei posti e guidando i conducenti verso quello libero più vicino.

I vantaggi di un sistema di gestione dei parcheggi#

Le informazioni sulla disponibilità dei parcheggi possono offrire numerosi vantaggi. Gli aggiornamenti in tempo reale aiutano i conducenti a raggiungere direttamente i posti liberi, rendendo più fluido il traffico e riducendo lo stress legato alla ricerca di un parcheggio. Per i gestori, capire come vengono utilizzati i posti significa poter gestire meglio il parcheggio, migliorare la sicurezza con il monitoraggio in tempo reale e rispondere rapidamente a eventuali incidenti.

L'automazione delle funzioni di parcheggio riduce i costi diminuendo la necessità di manodopera manuale. I sistemi di AI semplificano la prenotazione dei posti auto tramite app mobili o web, consentendo ai conducenti di ricevere notifiche sulla disponibilità e risparmiando tempo e denaro. Gli urbanisti possono utilizzare questi dati per progettare configurazioni stradali migliori, applicare norme di parcheggio efficaci e sviluppare nuove strutture di parcheggio che rendano le città più efficienti e facili da percorrere.

Fig. 3. Prenota posti auto tramite un'app mobile.

Prova tu stesso: gestione dei parcheggi con YOLOv8#

Ora che abbiamo compreso chiaramente la gestione dei parcheggi e i suoi vantaggi, vediamo come puoi creare un sistema di gestione dei parcheggi basato sulla computer vision. Useremo il modello YOLOv8 per rilevare i veicoli, monitorare i posti auto e determinarne lo stato di occupazione.

In questo esempio puoi usare un video o un flusso della telecamera di un parcheggio. Tieni presente che la dimensione massima dell'immagine supportata da questo esempio è 1920 * 1080. Prima di iniziare, ricorda che questo sistema si basa sul rilevamento accurato dei veicoli e sulle coordinate predefinite dei posti auto.

La calibrazione della telecamera e i fattori ambientali possono influire sulla precisione del rilevamento dei posti e dello stato di occupazione. Anche la velocità e la precisione di elaborazione possono variare in base alle prestazioni della tua GPU.

Passaggio 1: Iniziamo installando il pacchetto Ultralytics. Apri il prompt dei comandi o il terminale ed esegui il comando seguente.

pip install ultralytics

Consulta la nostra guida all'installazione di Ultralytics per istruzioni dettagliate e best practice sul processo di installazione. Se riscontri problemi durante l'installazione dei pacchetti necessari per YOLOv8, la nostra guida ai problemi comuni offre soluzioni e suggerimenti utili.

Passaggio 2: Dobbiamo preselezionare i posti auto per poter contrassegnare le aree di interesse nel tuo filmato. Esegui questo codice per aprire l'interfaccia utente e preselezionare i posti auto.

from ultralytics import solutions

solutions.ParkingPtsSelection()

Come mostrato di seguito, quando esegui questo codice si aprirà un'interfaccia utente. Acquisisci un fotogramma o uno screenshot del video di input di un parcheggio e caricalo. Dopo aver disegnato i riquadri di delimitazione intorno ai posti auto, fai clic sull'opzione di salvataggio. Le informazioni sui posti auto selezionati verranno salvate in un file JSON denominato ‘bounding_boxes.json.’

Fig. 4. Selezione dei posti auto nel tuo filmato.

Passaggio 3: Ora possiamo passare al codice principale per la gestione dei parcheggi. Inizia importando tutte le librerie necessarie e inizializzando il file JSON creato nel passaggio 2.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

Passaggio 4: Crea un oggetto VideoCapture per leggere il file video di input e assicurati che il file video sia stato aperto correttamente.

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

Passaggio 5: Inizializza tutte le proprietà video necessarie, come larghezza, altezza e fotogrammi al secondo.

w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

Passaggio 6: Successivamente, possiamo creare un oggetto VideoWriter per salvare il file video finale elaborato.

video_writer = cv2.VideoWriter("parking management.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

Passaggio 7: Qui inizializziamo il sistema di gestione dei parcheggi con il modello Ultralytics YOLOv8 per il rilevamento dei posti auto.

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

Passaggio 8: Ora esaminiamo il file video fotogramma per fotogramma per elaborarlo. Se non vengono letti fotogrammi, il ciclo si interrompe.

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

Passaggio 9: All'interno del ciclo, estrarremo le regioni dei parcheggi preselezionate dal file JSON e seguiremo gli oggetti nel fotogramma utilizzando il modello YOLOv8.

json_data = management.parking_regions_extraction(polygon_json_path)
results = management.model.track(im0, persist=True, show=False)

Passaggio 10: Questa parte del ciclo elabora i risultati del tracciamento e ottiene le coordinate dei riquadri di delimitazione e le etichette delle classi degli oggetti rilevati.

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)

Passaggio 11: L'ultima parte del ciclo consiste nel visualizzare il fotogramma corrente con le annotazioni e nello scrivere il fotogramma elaborato nel file video di output “parking management.avi.”

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

Passaggio 12: Infine, possiamo rilasciare gli oggetti VideoCapture e VideoWriter e chiudere tutte le finestre.

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

Passaggio 13: Salva lo script. Se lavori dal terminale o dal prompt dei comandi, esegui lo script utilizzando il comando seguente:

python your_script_name.py

Consulta pure la documentazione ufficiale di Ultralytics se desideri saperne di più sul codice.

Sfide di un sistema automatizzato di gestione dei parcheggi#

I sistemi di parcheggio intelligenti offrono numerosi vantaggi sia ai conducenti sia alle aziende. Tuttavia, presentano anche alcune sfide da considerare prima di implementare soluzioni di questo tipo. Esaminiamone alcune.

• Problemi di privacy: Questi sistemi raccolgono informazioni come marca e modello dell'auto di una persona, numero di targa, orario di ingresso e di uscita, ecc.
• Costi di installazione elevati: Sensori, telecamere, distributori automatici di biglietti e software di AI possono essere costosi da installare.
• Requisiti di manutenzione: La frequenza della manutenzione dipende dal sistema di AI, ma la maggior parte dei sistemi richiede una manutenzione mensile.

Il futuro dei sistemi di parcheggio intelligenti#

La gestione innovativa dei parcheggi del futuro consisterà nell'utilizzo di tecnologie all'avanguardia come l'AI, le auto a guida autonoma e la realtà virtuale per migliorare l'esperienza complessiva di parcheggio e sostenere la sostenibilità. Se integrate con questi sistemi, le auto a guida autonoma potranno raggiungere i parcheggi senza intervento umano e parcheggiare. Questi sistemi aiutano inoltre le aziende a riempire più posti auto e a pubblicizzare i propri servizi su più app e siti web. Riducono anche le emissioni di carbonio generate dai conducenti che girano in cerca di un parcheggio.

Porre fine ai problemi di parcheggio#

I modelli di AI, come Ultralytics YOLOv8, e la computer vision possono trasformare il tuo parcheggio. Riducono drasticamente il tempo trascorso a girare in cerca di un posto, facendoti risparmiare tempo e diminuendo le emissioni. Questi sistemi intelligenti di gestione dei parcheggi affrontano problemi comuni come congestione, parcheggio abusivo e frustrazione dei conducenti. Sebbene richiedano un investimento iniziale, i vantaggi a lungo termine sono significativi. Investire nei parcheggi intelligenti è fondamentale per creare città sostenibili e un'esperienza di parcheggio più fluida per tutti.

Vuoi saperne di più sull'AI? Connettiti con la nostra community! Esplora il nostro repository GitHub per scoprire come utilizziamo l'AI per creare soluzioni innovative in diversi settori, come sanità e agricoltura. Collabora, innova e impara con noi! 🚀