13 giugno 2024
Il modello Ultralytics YOLOv8 può rendere più intelligenti i sistemi di gestione dei parcheggi. Imparate a gestire i parcheggi in tempo reale per creare la vostra soluzione di parcheggio intelligente.
Può essere stressante girare in tondo alla ricerca di un parcheggio, soprattutto quando si è in ritardo. Il modo tradizionale di cercare un posto per parcheggiare può essere noioso 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 la disponibilità di parcheggio più prevedibile e ridurre la congestione del traffico.
In questo articolo scopriremo come migliorare i sistemi di gestione dei parcheggi con l'intelligenza artificiale e la computer vision. Verrà inoltre illustrato un esempio di codifica passo-passo per mostrare come sia possibile utilizzare il modello YOLOv8 di Ultralytics per creare un sistema di gestione dei parcheggi abilitato alla computer vision. Immergiamoci subito!
Prima di parlare dei sistemi di gestione intelligente dei parcheggi potenziati dall'intelligenza artificiale, analizziamo i problemi dei sistemi tradizionali di gestione dei parcheggi.
Uno dei problemi principali dei sistemi tradizionali è il sovraffollamento dei parcheggi: ci sono più auto nei parcheggi che spazi disponibili. Oltre a far perdere tempo alla ricerca di spazio, il sovraffollamento porta a un consumo eccessivo 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 alla ricerca di un posto auto. Inoltre, il 43% delle persone ha ammesso di aver avuto discussioni verbali con estranei per i posti auto.
.png)
I parcheggi integrati con l'intelligenza artificiale mirano a risolvere i problemi che i sistemi tradizionali di gestione dei parcheggi devono affrontare. Modelli di computer vision come il modello Ultralytics YOLOv8 e telecamere ad alta definizione possono monitorare i parcheggi e ottenere aggiornamenti in tempo reale sui posti auto disponibili e occupati.
Come funziona? Un modello di visione computerizzata 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 e il tracciamento degli oggetti ed è in grado di identificare e classificare con precisione i veicoli all'interno di un flusso video. Confrontando le posizioni rilevate dei veicoli con gli spazi di parcheggio predefiniti, il sistema può determinare se un posto auto è occupato o meno.
.png)
Le informazioni sulla disponibilità di parcheggio ottenute dal sistema di visione possono essere integrate ed estese a diverse applicazioni:
Le informazioni sulla disponibilità di parcheggio possono offrire molti vantaggi. Gli aggiornamenti in tempo reale aiutano gli automobilisti a raggiungere direttamente i posti liberi, rendendo più fluido il traffico e riducendo lo stress di trovare parcheggio. Per gli operatori, capire come vengono utilizzati gli spazi significa poter gestire meglio il parcheggio, migliorare la sicurezza con un monitoraggio in tempo reale e rispondere rapidamente a eventuali incidenti.
L'automazione delle funzioni di parcheggio riduce i costi grazie alla diminuzione del lavoro manuale. I sistemi di intelligenza artificiale facilitano la prenotazione dei posti auto tramite applicazioni mobili o web, consentendo agli automobilisti di ricevere notifiche sulla disponibilità e di risparmiare tempo e denaro. Gli urbanisti possono utilizzare questi dati per progettare una migliore configurazione delle strade, applicare norme di parcheggio efficaci e sviluppare nuove strutture di parcheggio che rendano le città più efficienti e facili da navigare.
Ora che abbiamo una chiara comprensione della gestione dei parcheggi e dei suoi vantaggi, vediamo come costruire un sistema di gestione dei parcheggi basato sulla visione. Utilizzeremo il modello YOLOv8 per rilevare i veicoli, monitorare i parcheggi e determinarne lo stato di occupazione.
In questo esempio, è possibile utilizzare il flusso di un video o di una telecamera di un parcheggio. Si noti che la dimensione massima dell'immagine supportata in questo esempio è di 1920 * 1080. Prima di iniziare, ricordiamo che questo sistema si basa sul rilevamento accurato dei veicoli e sulle coordinate predefinite del parcheggio.
La calibrazione della telecamera e i fattori ambientali possono influire sulla precisione del rilevamento dello spazio e dello stato di occupazione. La velocità di elaborazione e la precisione possono variare anche in base alle prestazioni della GPU.
Passo 1: iniziamo installando il pacchetto Ultralytics. Aprite il prompt dei comandi o il terminale ed eseguite il seguente comando.
Per istruzioni dettagliate e best practice sul processo di installazione , consultare la nostra guida all'installazione di Ultralytics . Se si riscontrano problemi durante l'installazione dei pacchetti necessari per YOLOv8, la nostra guida ai problemi comuni offre soluzioni e suggerimenti utili.
Fase 2: È necessario preselezionare i punti di parcheggio in modo da poter contrassegnare le aree di interesse nelle riprese. Eseguite questo codice per aprire l'interfaccia utente per preselezionare i punti di parcheggio.
Come mostrato di seguito, quando si esegue questo codice si apre un'interfaccia utente. Prendere un fotogramma o uno screenshot del video di un parcheggio e caricarlo. Dopo aver disegnato i riquadri di delimitazione intorno ai punti di parcheggio, fare clic sull'opzione di salvataggio. Le informazioni sui posti auto selezionati saranno salvate in un file JSON denominato "bounding_boxes.json".
Passo 3: ora possiamo passare al codice principale per la gestione dei parcheggi. Si inizia importando tutte le librerie necessarie e inizializzando il file JSON creato al punto 2.
Fase 4: creare un oggetto VideoCapture per leggere il file video in ingresso e assicurarsi che il file video venga aperto correttamente.
Fase 5: inizializzare tutte le proprietà video necessarie, come la larghezza, l'altezza e i fotogrammi al secondo.
Fase 6: Successivamente, possiamo creare un oggetto VideoWriter per salvare il file video finale elaborato.
Fase 7: qui si inizializza il sistema di gestione dei parcheggi con il modello Ultralytics YOLOv8 per il rilevamento dei posti auto.
Fase 8: Ora si esamina il file video, fotogramma per fotogramma, per l'elaborazione. Se non vengono letti fotogrammi, il ciclo si interrompe.
Fase 9: All'interno del ciclo, estrarremo le regioni di parcheggio preselezionate dal file JSON e seguiremo gli oggetti nell'inquadratura utilizzando il modello YOLOv8.
Fase 10: Questa parte del ciclo elabora i risultati del tracciamento e ottiene le coordinate del rettangolo di selezione e le etichette di classe degli oggetti rilevati.
Fase 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".
Fase 12: Infine, è possibile rilasciare gli oggetti VideoCapture e VideoWriter e distruggere le finestre.
Passo 13: salvare lo script. Se si lavora dal terminale o dal prompt dei comandi, eseguire lo script con il seguente comando:
Se il codice viene eseguito correttamente, il file video in uscita avrà il seguente aspetto:
.gif)
Se volete saperne di più sul codice, potete consultare la documentazione ufficiale di Ultralytics.
I sistemi di parcheggio intelligenti offrono molti vantaggi sia agli automobilisti che alle aziende. Tuttavia, presentano anche alcune sfide che devono essere prese in considerazione prima di implementare tali soluzioni. Vediamone alcune.
La gestione innovativa dei parcheggi in futuro si baserà sull'utilizzo di tecnologie all'avanguardia come l'intelligenza artificiale, le auto a guida autonoma e la realtà virtuale per migliorare l'esperienza complessiva del parcheggio e sostenere la sostenibilità. Se integrate con questi sistemi, le auto a guida autonoma saranno in grado di navigare verso i parcheggi senza interferenze umane e di parcheggiare. Questi sistemi aiutano anche le aziende a riempire più posti auto e a pubblicizzare i loro servizi su più app e siti web. Inoltre, riducono il numero di emissioni di anidride carbonica prodotte dagli automobilisti che guidano alla ricerca di un posto auto.
I modelli AI, come Ultralytics YOLOv8, e la computer vision possono trasformare il vostro parcheggio. Riducono drasticamente la ricerca di posti auto, facendovi risparmiare tempo e riducendo le emissioni. Questi sistemi di gestione intelligente dei parcheggi affrontano problemi comuni come la congestione, i parcheggi abusivi e la frustrazione degli automobilisti. Sebbene ci sia un investimento iniziale, i benefici a lungo termine sono significativi. Investire in parcheggi intelligenti è fondamentale per creare città sostenibili e un'esperienza di parcheggio più agevole per tutti.
Volete saperne di più sull'IA? Connettetevi con la nostra comunità! Esplorate il nostro repository GitHub per saperne di più su come stiamo usando l'IA per creare soluzioni innovative in vari settori come la sanità e l'agricoltura. Collaborate, innovate e imparate con noi! 🚀
.webp)