Ultralytics YOLOv8 per sistemi di gestione dei parcheggi più intelligenti

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

In questo articolo, impareremo come aggiornare i sistemi di gestione del parcheggio con l'intelligenza artificiale e la computer vision. Analizzeremo anche un esempio di codifica passo dopo passo per mostrarti come utilizzare il modello Ultralytics YOLOv8 per creare un sistema di gestione del parcheggio basato sulla computer vision. Immergiamoci subito!

Link to this sectionProblemi con la gestione tradizionale dei parcheggi#

Prima di discutere dei sistemi di gestione intelligente del parcheggio potenziati dall'AI, esaminiamo i problemi legati ai sistemi tradizionali.

Un problema importante dei sistemi tradizionali è il sovraffollamento dei parcheggi; ci sono più auto nei parcheggi rispetto agli spazi disponibili. Oltre a perdere tempo a cercare un posto, il sovraffollamento porta a un eccessivo consumo di carburante e all'inquinamento atmosferico. Un altro problema è lo stress del conducente. Secondo un sondaggio, circa il 27% delle persone trascorre almeno 30 minuti cercando un parcheggio. Inoltre, il 43% delle persone ha ammesso di aver avuto discussioni verbali con estranei per un posto auto.

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

Link to this sectionL'AI rende più semplice la gestione dei parcheggi#

I parcheggi integrati con l'AI mirano a risolvere i problemi che i sistemi di gestione tradizionali devono affrontare. I modelli di computer vision come il modello Ultralytics YOLOv8 e le telecamere ad alta definizione possono monitorare i parcheggi e ricevere 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, tracciarne i movimenti e identificare i posti auto disponibili. Il modello Ultralytics YOLOv8 supporta attività di computer vision come object detection e object tracking, ed è in grado di identificare e classificare accuratamente i veicoli all'interno di un feed video. Confrontando le posizioni rilevate dei veicoli con i posti auto predefiniti, il sistema può determinare se un posto auto è occupato o meno.

Fig 2. YOLOv8 che rileva i posti auto.

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

• App mobili: Le applicazioni mobili possono visualizzare la disponibilità dei parcheggi in tempo reale e aiutare i conducenti a trovare posti liberi in modo rapido e semplice.
• 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 automatizzati, consentendo l'ingresso solo quando ci sono posti disponibili e guidando i conducenti verso il posto libero più vicino.

Link to this sectionI vantaggi di un sistema di gestione del parcheggio#

Approfondimenti sulla disponibilità dei parcheggi possono offrire molti vantaggi. Gli aggiornamenti in tempo reale aiutano i conducenti ad andare direttamente verso i posti liberi, rendendo il flusso del traffico più fluido e riducendo lo stress della ricerca del parcheggio. Per gli operatori, comprendere come vengono utilizzati i posti significa poter gestire meglio l'area, migliorare la sicurezza con il monitoraggio in tempo reale e rispondere rapidamente a qualsiasi incidente.

Automatizzare le funzioni di parcheggio riduce i costi diminuendo la necessità di lavoro manuale. I sistemi AI rendono più facile prenotare i 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 layout stradali migliori, far rispettare normative di parcheggio efficaci e sviluppare nuove strutture di parcheggio che rendano le città più efficienti e facili da navigare.

Fig 3. Prenotazione di posti auto tramite un'app mobile.

Link to this sectionProvaci tu: Gestione del parcheggio con YOLOv8#

Ora che abbiamo una chiara comprensione della gestione dei parcheggi e dei suoi vantaggi, vediamo come puoi build un sistema di gestione dei parcheggi basato sulla visione. Utilizzeremo il modello YOLOv8 per rilevare i veicoli, monitorare i posti auto e determinare il loro stato di occupazione.

In questo esempio, puoi utilizzare un video o un flusso di telecamera di un parcheggio. Nota che la dimensione massima dell'immagine supportata da questo esempio è 1920 * 1080. Prima di iniziare, ricorda che questo sistema si basa su un rilevamento accurato del veicolo e su coordinate dei posti auto predefinite.

La calibrazione della telecamera e i fattori ambientali possono influire sulla precisione del rilevamento dei posti e sullo stato di occupazione. Anche la velocità di elaborazione e la precisione 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 seguente comando.

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 in modo da 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, un'interfaccia utente si aprirà quando eseguirai questo codice. Prendi un frame o uno screenshot del tuo video di input di un parcheggio e caricalo. Dopo aver disegnato i bounding box attorno ai posti auto, clicca sull'opzione di salvataggio. Le informazioni sui posti auto selezionati verranno salvate in un file JSON denominato ‘bounding_boxes.json.’

Fig 4. Selezione di posti auto nel tuo filmato.

Passaggio 3: Ora possiamo passare al codice principale per la gestione del parcheggio. Inizia importando tutte le librerie necessarie e inizializzando il file JSON che abbiamo 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 venga 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 del parcheggio 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 l'elaborazione. Se non vengono letti fotogrammi, il ciclo si interromperà.

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

Passaggio 9: All'interno del ciclo, estrarremo le regioni di parcheggio preselezionate dal file JSON e tracceremo gli oggetti nel frame 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 del bounding box e le etichette di classe 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 prevede la visualizzazione del fotogramma corrente con le annotazioni e la scrittura del 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 distruggere eventuali finestre.

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

Passaggio 13: Salva il tuo script. Se stai lavorando dal tuo terminale o prompt dei comandi, esegui lo script usando il seguente comando:

python your_script_name.py

Sentiti libero di dare un'occhiata alla documentazione ufficiale di Ultralytics se vuoi saperne di più sul codice.

Link to this sectionSfide di un sistema di gestione automatizzata dei parcheggi#

I sistemi di parcheggio intelligenti offrono molti vantaggi sia ai conducenti che alle aziende. Tuttavia, presentano anche alcune sfide che dovrebbero essere prese in considerazione prima di implementare tali soluzioni. Diamo un'occhiata ad alcune di esse.

• Preoccupazioni relative alla privacy: Questi sistemi raccolgono informazioni come marca e modello dell'auto di un individuo, numero di targa, orario di entrata e uscita, ecc.
• Costo elevato di installazione: Sensori, telecamere, macchine per la biglietteria automatizzata e software AI possono essere costosi da installare.
• Requisiti di manutenzione: La frequenza della manutenzione dipende dal sistema AI, ma la maggior parte dei sistemi richiede una manutenzione mensile.

Link to this sectionIl futuro dei sistemi di parcheggio intelligenti#

La gestione innovativa dei parcheggi in futuro riguarderà l'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. Quando integrate con questi sistemi, le auto a guida autonoma saranno in grado di raggiungere i parcheggi senza intervento umano e parcheggiare. Questi sistemi aiutano anche le aziende a riempire più posti auto e a pubblicizzare i propri servizi su più app e siti web. Inoltre, riducono il numero di emissioni di carbonio che derivano dai conducenti che girano alla ricerca di un posto auto.

Link to this sectionPorre fine ai problemi di parcheggio#

I modelli AI, come Ultralytics YOLOv8, e la computer vision possono trasformare il tuo parcheggio. Riducono drasticamente i giri alla ricerca di posti, facendoti risparmiare tempo e riducendo le emissioni. Questi sistemi di gestione del parcheggio intelligenti affrontano problemi comuni come la congestione, il parcheggio illegale e la frustrazione del conducente. Sebbene ci sia un investimento iniziale, i benefici a lungo termine sono significativi. Investire nel parcheggio intelligente 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 saperne di più su come stiamo utilizzando l'AI per creare soluzioni innovative in vari settori come sanità e agricoltura. Collabora, innova e impara con noi! 🚀