Ultralytics YOLOv8 para sistemas de gestão de estacionamento mais inteligentes

Pode ser estressante dirigir em círculos procurando uma vaga, especialmente quando você está atrasado. A maneira tradicional de procurar um lugar para estacionar pode ser tediosa e demorada. No entanto, um sistema de gerenciamento de estacionamento baseado em inteligência artificial (AI) e visão computacional pode simplificar as coisas. Ele pode tornar a disponibilidade de vagas mais previsível e reduzir o congestionamento do trânsito.

Neste artigo, vamos aprender a modernizar os sistemas de gestão de estacionamento com inteligência artificial e visão computacional. Também vamos apresentar um exemplo de código passo a passo para mostrar como podes usar o modelo Ultralytics YOLOv8 para criar um sistema de gestão de estacionamento com visão computacional.

Problemas do gerenciamento tradicional de estacionamentos#

Antes de falar sobre sistemas inteligentes de gerenciamento de estacionamento aprimorados por IA, vamos analisar os problemas dos sistemas tradicionais de gerenciamento de estacionamento.

Um dos principais problemas dos sistemas tradicionais é a superlotação dos estacionamentos: há mais carros nos estacionamentos do que vagas disponíveis. Além de desperdiçar tempo procurando uma vaga, a superlotação leva ao consumo excessivo de combustível e à poluição do ar. Outro problema é o estresse dos motoristas. De acordo com uma pesquisa, cerca de 27% das pessoas passam pelo menos 30 minutos procurando vagas. Além disso, 43% das pessoas admitiram ter discutido verbalmente com desconhecidos por causa de vagas.

Fig. 1. Um motorista estressado. Fonte da imagem: Envato Elements.

A IA facilita o gerenciamento de estacionamentos#

Os parques de estacionamento integrados com IA procuram resolver os problemas dos sistemas tradicionais de gestão de estacionamento. Modelos de visão computacional, como o Ultralytics YOLOv8, e câmaras de alta definição podem monitorizar os parques de estacionamento e fornecer atualizações em tempo real sobre os lugares disponíveis e ocupados.

Como isso funciona? Um modelo de visão computacional pode analisar imagens de câmeras de alta definição para detectar veículos, acompanhar seus movimentos e identificar vagas disponíveis. O modelo Ultralytics YOLOv8 oferece suporte a tarefas de visão computacional, como detecção de objetos e rastreamento de objetos, e consegue identificar e classificar veículos com precisão em um fluxo de vídeo. Ao comparar as localizações detectadas dos veículos com as vagas predefinidas, o sistema pode determinar se uma vaga está ocupada ou não.

Fig. 2. YOLOv8 detectando vagas de estacionamento.

As informações sobre a disponibilidade de vagas do sistema baseado em visão podem ser integradas e estendidas a diferentes aplicações:

• Aplicações móveis: As aplicações móveis podem apresentar a disponibilidade de estacionamento em tempo real e ajudar os condutores a encontrar lugares disponíveis de forma rápida e fácil.
• Sinalização digital: Os painéis digitais nas entradas dos parques de estacionamento podem indicar o número de lugares disponíveis e encaminhar os condutores para o lugar livre mais próximo.
• Sistemas de estacionamento automatizados: Os dados podem ser usados para controlar barreiras e portões automatizados, permitindo a entrada apenas quando há lugares disponíveis e encaminhando os condutores para o lugar livre mais próximo.

Vantagens de um sistema de gerenciamento de estacionamento#

Insights sobre a disponibilidade de vagas podem trazer muitas vantagens. Atualizações em tempo real ajudam os motoristas a ir diretamente para as vagas livres, melhorando o fluxo do trânsito e reduzindo o estresse de procurar estacionamento. Para os operadores, entender como as vagas são usadas significa que podem gerenciar melhor o estacionamento, melhorar a segurança com monitoramento em tempo real e responder rapidamente a qualquer incidente.

Automatizar as funções do estacionamento reduz custos ao diminuir a necessidade de mão de obra manual. Os sistemas de IA facilitam a reserva de vagas por meio de aplicativos móveis ou web, permitindo que os motoristas recebam notificações sobre a disponibilidade e economizem tempo e dinheiro. Os planejadores urbanos podem usar esses dados para projetar vias melhores, aplicar regulamentações de estacionamento eficazes e desenvolver novas instalações de estacionamento que tornem as cidades mais eficientes e fáceis de percorrer.

Fig. 3. Reserva de lugares de estacionamento através de uma aplicação móvel.

Experimente você mesmo: Gerenciamento de estacionamento usando YOLOv8#

Agora que entendemos bem o gerenciamento de estacionamento e suas vantagens, vamos ver como você pode criar um sistema de gerenciamento de estacionamento baseado em visão. Usaremos o modelo YOLOv8 para detectar veículos, monitorar vagas e determinar se estão ocupadas.

Neste exemplo, podes usar um vídeo ou uma transmissão de câmara de um parque de estacionamento. Antes de começar, lembra-te de que este sistema depende da deteção precisa de veículos e de coordenadas predefinidas para os lugares de estacionamento.

A calibração da câmera e os fatores ambientais podem afetar a precisão da detecção de vagas e do status de ocupação. A velocidade e a precisão do processamento também podem variar de acordo com o desempenho da sua GPU.

Etapa 1: Vamos começar instalando o pacote Ultralytics. Abra o prompt de comando ou o terminal e execute o seguinte comando.

pip install ultralytics

Consulta o nosso guia de instalação da Ultralytics para obter instruções detalhadas e boas práticas para o processo de instalação. Se tiveres algum problema ao instalar os pacotes necessários para YOLOv8, o nosso guia de problemas comuns oferece soluções e dicas úteis.

Passo 2: Precisamos de pré-selecionar os lugares de estacionamento para poder marcar as áreas de interesse nas tuas imagens. Executa este código para abrir a interface de utilizador e pré-selecionar os lugares.

from ultralytics import solutions

solutions.ParkingPtsSelection()

Como mostrado abaixo, será aberta uma interface de utilizador quando executares este código. Captura um fotograma ou uma captura de ecrã do teu vídeo de entrada de um parque de estacionamento e carrega-o. Depois de desenhares caixas delimitadoras à volta dos lugares, clica na opção para guardar. As informações dos lugares de estacionamento selecionados serão guardadas num ficheiro JSON chamado ‘bounding_boxes.json.’

Fig. 4 Selecionar lugares de estacionamento nas tuas imagens.

Passo 3: Agora, podemos passar ao código principal da gestão de estacionamento. Começa por importar as bibliotecas necessárias e definir o caminho para o ficheiro JSON que criámos no passo 2.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

Passo 4: Cria um objeto VideoCapture para ler o ficheiro de vídeo de entrada e confirma que o ficheiro foi aberto com sucesso.

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

Passo 5: Inicializa todas as propriedades de vídeo necessárias, como a largura, a altura e a frequência de fotogramas por segundo.

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

Passo 6: Em seguida, podemos criar um objeto VideoWriter para guardar o ficheiro de vídeo final processado.

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

Passo 7: Aqui, inicializamos o sistema de gestão de estacionamento com o modelo Ultralytics YOLOv8 e as regiões de estacionamento guardadas no ficheiro JSON.

management = solutions.ParkingManagement(model="yolov8n.pt", json_file=polygon_json_path)

Passo 8: Agora, percorremos o ficheiro de vídeo, fotograma a fotograma, para o processar. Se não forem lidos fotogramas, o ciclo termina.

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

Passo 9: Dentro do ciclo, passamos cada fotograma ao objeto de gestão de estacionamento. Este rastreia os veículos no fotograma usando o modelo YOLOv8 e verifica se cada região de estacionamento predefinida está ocupada.

    results = management(im0)

Passo 10: Os resultados devolvidos incluem o número de lugares de estacionamento ocupados e disponíveis, que podes imprimir ou transmitir a outras aplicações.

    print(f"Occupied: {results.filled_slots}, Available: {results.available_slots}")

Passo 11: A última parte do ciclo escreve o fotograma anotado no ficheiro de vídeo de saída “parking management.avi.”

    video_writer.write(results.plot_im)

Passo 12: Por fim, podemos libertar os objetos VideoCapture e VideoWriter e fechar todas as janelas.

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

Passo 13: Guarda o teu script. Se estiveres a trabalhar no terminal ou na linha de comandos, executa o script com o seguinte comando:

python your_script_name.py

Consulta a documentação oficial da Ultralytics se quiseres saber mais sobre o código.

Desafios de um sistema automatizado de gestão de parques de estacionamento#

Os sistemas de estacionamento inteligentes oferecem muitas vantagens tanto aos condutores como às empresas. No entanto, também apresentam alguns desafios que devem ser considerados antes de implementar estas soluções. Vejamos alguns deles.

• Questões de privacidade: Estes sistemas recolhem informações como a marca e o modelo do carro de uma pessoa, o número da matrícula, a hora de entrada e saída, etc.
• Elevado custo de instalação: Sensores, câmaras, máquinas automáticas de emissão de bilhetes e software de IA podem ser dispendiosos de instalar.
• Requisitos de manutenção: A frequência da manutenção depende do sistema de IA, mas a maioria dos sistemas requer manutenção mensal.

O futuro dos sistemas de estacionamento inteligentes#

No futuro, a gestão inovadora de estacionamento consistirá em usar tecnologias de ponta, como IA, veículos autónomos e realidade virtual, para melhorar a experiência geral de estacionamento e promover a sustentabilidade. Quando integrados com estes sistemas, os veículos autónomos poderão navegar até aos locais de estacionamento e estacionar sem intervenção humana. Estes sistemas também ajudam as empresas a ocupar mais lugares de estacionamento e a anunciar os seus serviços em várias aplicações e sites. Também reduzem as emissões de carbono dos condutores que circulam à procura de um lugar de estacionamento.

Acaba com os problemas de estacionamento#

Os modelos de IA, como o Ultralytics YOLOv8, e a visão computacional podem transformar o teu parque de estacionamento. Reduzem o tempo passado a circular à procura de lugares, poupando-te tempo e diminuindo as emissões. Estes sistemas inteligentes de gestão de estacionamento resolvem problemas comuns como congestionamento, estacionamento ilegal e frustração dos condutores. Embora exijam um investimento inicial, os benefícios a longo prazo são significativos. Investir em estacionamento inteligente é essencial para criar cidades sustentáveis e proporcionar uma experiência de estacionamento mais simples para todos.

Queres saber mais sobre IA? Liga-te à nossa comunidade! Explora o nosso repositório do GitHub para saberes mais sobre como usamos a IA para criar soluções inovadoras em vários setores, como os cuidados de saúde e a agricultura. Colabora, inova e aprende connosco!