더 스마트한 주차 관리를 위한 Ultralytics YOLOv8

특히 늦었을 때는 주차 공간을 찾아 빙빙 도는 것이 스트레스가 될 수 있습니다. 전통적인 주차 공간 검색 방식은 지루하고 시간이 많이 소요될 수 있습니다. 하지만 인공지능(AI)과 컴퓨터 비전으로 구동되는 주차 관리 시스템은 상황을 더 단순하게 만들 수 있습니다. 주차 가능성을 더 예측 가능하게 하고 교통 체증을 줄일 수 있습니다.

이 글에서는 인공지능과 컴퓨터 비전을 통해 주차 관리 시스템을 업그레이드하는 방법을 알아봅니다. 또한 Ultralytics YOLOv8 모델을 사용하여 컴퓨터 비전 기반 주차 관리 시스템을 구축하는 방법을 단계별 코딩 예제를 통해 보여드리겠습니다. 바로 시작해 보겠습니다!

기존 주차장 관리의 문제점

AI 기반 스마트 주차 관리 시스템에 대해 논하기 전에 기존 주차 관리 시스템의 문제점을 살펴보겠습니다.

기존 시스템의 주요 문제점은 주차 공간 부족입니다. 주차장에 이용 가능한 공간보다 더 많은 차량이 있습니다. 공간을 찾는 데 시간을 낭비하는 것 외에도, 주차 공간 부족은 과도한 연료 소비와 대기 오염으로 이어집니다. 또 다른 문제는 운전자의 스트레스입니다. 한 설문 조사에 따르면 약 27%의 사람들이 주차 공간을 찾는 데 최소 30분을 소비합니다. 또한 43%의 사람들은 주차 공간 문제로 낯선 사람과 언쟁을 벌인 적이 있다고 인정했습니다.

‍

AI로 더욱 쉬워진 주차장 관리

AI와 통합된 주차장은 기존 주차 관리 시스템이 직면한 문제를 해결하는 것을 목표로 합니다. Ultralytics YOLOv8 모델과 같은 컴퓨터 비전 모델과 고화질 카메라는 주차장을 모니터링하고 사용 가능한 주차 공간과 점유된 주차 공간에 대한 실시간 업데이트를 받을 수 있습니다. 

이것은 어떻게 작동할까요? 컴퓨터 비전 모델은 고화질 카메라의 영상을 분석하여 차량을 감지하고, 차량의 움직임을 추적하며, 사용 가능한 주차 공간을 식별할 수 있습니다. Ultralytics YOLOv8 모델은 객체 감지 및 객체 추적과 같은 컴퓨터 비전 작업을 지원하며, 비디오 피드 내에서 차량을 정확하게 식별하고 분류할 수 있습니다. 차량의 감지된 위치를 미리 정의된 주차 공간과 비교하여 시스템은 주차 공간이 점유되었는지 여부를 판단할 수 있습니다.

비전 기반 시스템에서 얻은 주차 가능성에 대한 정보는 통합되어 다양한 애플리케이션으로 확장될 수 있습니다.

• 모바일 앱: 모바일 애플리케이션은 실시간 주차 가능성을 표시하고 운전자가 사용 가능한 공간을 빠르고 쉽게 찾을 수 있도록 도와줍니다.
  ‍
• 디지털 사이니지: 주차장 입구의 디지털 표지판은 사용 가능한 공간 수를 표시하고 운전자를 가장 가까운 빈 공간으로 안내할 수 있습니다.
  ‍
• 자동 주차 시스템: 이 데이터는 자동 차단기 및 게이트를 제어하는 데 사용될 수 있으며, 공간이 있는 경우에만 진입을 허용하고 운전자를 가장 가까운 빈 공간으로 안내합니다.

주차 관리 시스템의 장점

주차 가능성에 대한 통찰력은 많은 이점을 제공할 수 있습니다. 실시간 업데이트는 운전자가 빈 공간으로 바로 이동할 수 있도록 도와 교통 흐름을 원활하게 하고 주차 공간을 찾는 스트레스를 줄여줍니다. 운영자의 경우 공간 사용 방식을 이해하면 주차장을 더 잘 관리하고, 실시간 모니터링으로 보안을 개선하고, 사건 발생 시 신속하게 대응할 수 있습니다.

주차 기능을 자동화하면 인력 필요성을 줄여 비용을 절감할 수 있습니다. AI 시스템을 사용하면 모바일 또는 웹 앱을 통해 주차 공간을 더 쉽게 예약할 수 있으며, 운전자는 가용성에 대한 알림을 받고 시간과 비용을 절약할 수 있습니다. 도시 계획 담당자는 이 데이터를 사용하여 더 나은 도로 레이아웃을 설계하고, 효과적인 주차 규정을 시행하고, 도시를 더 효율적이고 쉽게 탐색할 수 있도록 새로운 주차 시설을 개발할 수 있습니다.

‍

직접 사용해보기: YOLOv8을 이용한 주차 관리

이제 주차 관리와 그 장점에 대한 명확한 이해를 바탕으로 비전 기반 주차 관리 시스템을 구축하는 방법을 살펴보겠습니다. YOLOv8 모델을 사용하여 차량을 감지하고, 주차 공간을 모니터링하며, 점유 상태를 판단합니다.

이 예제에서는 주차장의 비디오 또는 카메라 스트림을 사용할 수 있습니다. 이 예제에서 지원하는 최대 이미지 크기는 1920 * 1080입니다. 시작하기 전에 이 시스템은 정확한 차량 감지 및 미리 정의된 주차 공간 좌표에 의존한다는 점을 기억하십시오. 

카메라 보정 및 환경 요인은 공간 감지 및 점유 상태의 정확도에 영향을 줄 수 있습니다. 처리 속도와 정확도는 GPU 성능에 따라 달라질 수도 있습니다.

1단계: Ultralytics 패키지를 설치하는 것으로 시작하겠습니다. 명령 프롬프트 또는 터미널을 열고 다음 명령을 실행합니다.

pip install ultralytics

설치 과정에 대한 자세한 지침과 모범 사례는 Ultralytics 설치 가이드를 참조하십시오. YOLOv8에 필요한 패키지를 설치하는 동안 문제가 발생하면 일반적인 문제 해결 가이드에서 해결 방법과 유용한 팁을 얻을 수 있습니다.

2단계: 영상에서 관심 영역을 표시할 수 있도록 주차 공간을 미리 선택해야 합니다. 이 코드를 실행하여 사용자 인터페이스를 열고 주차 공간을 미리 선택하십시오.

from ultralytics import solutions
solutions.ParkingPtsSelection()

아래와 같이 이 코드를 실행하면 사용자 인터페이스가 열립니다. 주차장 입력 비디오의 프레임 또는 스크린샷을 찍어 업로드합니다. 주차 공간 주위에 경계 상자를 그린 후 저장 옵션을 클릭합니다. 선택한 주차 공간 정보는 ‘bounding_boxes.json’이라는 JSON 파일에 저장됩니다.

‍

3단계: 이제 주차 관리를 위한 메인 코드로 넘어갈 수 있습니다. 필요한 모든 라이브러리를 가져오고 2단계에서 생성한 JSON 파일을 초기화하는 것으로 시작합니다.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

4단계: 입력 비디오 파일을 읽기 위해 VideoCapture 객체를 생성하고 비디오 파일이 성공적으로 열렸는지 확인합니다.

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

5단계: 너비, 높이, 초당 프레임 수와 같이 필요한 모든 비디오 속성을 초기화합니다.

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

6단계: 다음으로, 최종 처리된 비디오 파일을 저장하기 위해 VideoWriter 객체를 생성할 수 있습니다.

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

7단계: 여기서는 주차 공간 감지를 위해 Ultralytics YOLOv8 모델로 주차 관리 시스템을 초기화합니다.

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

8단계: 이제 처리를 위해 비디오 파일을 프레임 단위로 살펴봅니다. 읽은 프레임이 없으면 루프가 중단됩니다.

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

9단계: 루프 내부에서 JSON 파일에서 미리 선택한 주차 영역을 추출하고 YOLOv8 모델을 사용하여 프레임의 객체를 추적합니다.

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

10단계: 루프의 이 부분은 추적 결과를 처리하고 감지된 객체의 경계 상자 좌표와 클래스 레이블을 가져옵니다.

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)

11단계: 루프의 마지막 부분에서는 어노테이션이 있는 현재 프레임을 표시하고 처리된 프레임을 출력 비디오 파일 “parking management.avi”에 쓰는 작업이 포함됩니다.

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

12단계: 마지막으로 VideoCapture 및 VideoWriter 객체를 해제하고 모든 창을 닫을 수 있습니다.

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

13단계: 스크립트를 저장합니다. 터미널 또는 명령 프롬프트에서 작업하는 경우 다음 명령을 사용하여 스크립트를 실행합니다.

python your_script_name.py

코드에 대해 더 자세히 알고 싶으시면 Ultralytics 공식 문서를 확인해 보세요.

자동 주차장 관리 시스템의 과제

지능형 주차 시스템은 운전자와 기업 모두에게 많은 이점을 제공합니다. 하지만 이러한 솔루션을 구현하기 전에 고려해야 할 몇 가지 문제점도 있습니다. 몇 가지를 살펴보겠습니다.

• 개인정보 보호 우려: 이러한 시스템은 개인의 차량 제조사 및 모델, 차량 번호, 출입 시간 등의 정보를 수집합니다.
  ‍
• 높은 설치 비용: 센서, 카메라, 자동 발권기, AI 소프트웨어는 설치 비용이 많이 들 수 있습니다.
  ‍
• 유지 보수 요구 사항: 유지 보수 빈도는 AI 시스템에 따라 다르지만 대부분의 시스템은 월별 유지 보수가 필요합니다.

스마트 주차 시스템의 미래

미래의 혁신적인 주차 관리는 AI, 자율 주행 자동차, 가상 현실과 같은 최첨단 기술을 활용하여 전반적인 주차 경험을 개선하고 지속 가능성을 지원하는 데 중점을 둘 것입니다. 이러한 시스템과 통합되면 자율 주행 자동차는 사람의 간섭 없이 주차 위치로 이동하여 주차할 수 있습니다. 또한 이러한 시스템은 기업이 더 많은 주차 공간을 채우고 여러 앱과 웹사이트에서 서비스를 광고할 수 있도록 지원합니다. 또한 운전자가 주차 공간을 찾아 돌아다니면서 발생하는 탄소 배출량을 줄여줍니다.

주차 문제 해결

Ultralytics YOLOv8과 같은 AI 모델과 컴퓨터 비전은 주차장을 혁신할 수 있습니다. 주차 공간을 찾아 헤매는 시간을 획기적으로 줄여 시간을 절약하고 배기가스 배출을 줄입니다. 이러한 스마트 주차 관리 시스템은 혼잡, 불법 주차, 운전자의 불만과 같은 일반적인 문제를 해결합니다. 초기 투자 비용은 있지만 장기적인 이점은 상당합니다. 스마트 주차에 투자하는 것은 지속 가능한 도시를 만들고 모든 사람에게 더 원활한 주차 경험을 제공하는 데 매우 중요합니다.

AI에 대해 더 자세히 알고 싶으십니까? 저희 커뮤니티와 연결하십시오! GitHub 저장소를 탐색하여 저희가 의료 및 농업과 같은 다양한 산업 분야에서 혁신적인 솔루션을 만들기 위해 AI를 어떻게 사용하고 있는지 자세히 알아보십시오. 함께 협력하고, 혁신하고, 배우십시오! 🚀