Ultralytics YOLOv8 для «умных» систем управления парковкой

Кружить по кругу в поисках свободного места на парковке бывает очень утомительно, особенно когда ты опаздываешь. Традиционный способ поиска места может быть долгим и нудным. Однако система управления парковкой на основе искусственного интеллекта (ИИ) и компьютерного зрения может упростить жизнь. Она делает доступность парковочных мест более предсказуемой и помогает снизить загруженность дорог.

В этой статье мы разберемся, как улучшить системы управления парковкой с помощью искусственного интеллекта и компьютерного зрения. Мы также пройдем пошаговый пример кода, который покажет тебе, как использовать модель Ultralytics YOLOv8 для создания системы управления парковкой на основе компьютерного зрения. Давай начнем!

Link to this sectionПроблемы традиционного управления парковками#

Прежде чем обсуждать умные системы управления парковкой на базе ИИ, давай взглянем на проблемы традиционных систем.

Главная проблема традиционных систем — переполненность парковок; машин на них больше, чем свободных мест. Помимо потери времени на поиски, переполненность ведет к излишнему расходу топлива и загрязнению воздуха. Еще одна проблема — стресс у водителей. Согласно опросам, около 27% людей тратят не менее 30 минут на поиск парковочного места. Также 43% опрошенных признались, что вступали в словесные перепалки с незнакомцами из-за парковочных мест.

Рис. 1. Стрессированный водитель. Источник изображения: Envato Elements.

Link to this sectionИИ облегчает управление парковкой#

Парковки, интегрированные с ИИ, призваны решить проблемы, с которыми сталкиваются традиционные системы управления. Модели компьютерного зрения, такие как Ultralytics YOLOv8, и камеры высокого разрешения могут следить за парковкой и получать обновления в реальном времени о свободных и занятых местах.

Как это работает? Модель компьютерного зрения анализирует видео с камер высокого разрешения, чтобы обнаруживать транспортные средства, отслеживать их движение и выявлять свободные парковочные места. Модель Ultralytics YOLOv8 поддерживает такие задачи компьютерного зрения, как обнаружение объектов и отслеживание объектов, и может точно идентифицировать и классифицировать транспортные средства в видеопотоке. Сравнивая обнаруженные местоположения автомобилей с заранее заданными местами для парковки, система определяет, занято парковочное место или нет.

Рис. 2. YOLOv8 обнаруживает парковочные места.

Информация о наличии мест от системы компьютерного зрения может быть интегрирована в различные приложения:

• Мобильные приложения: Мобильные приложения могут отображать наличие свободных мест в реальном времени, помогая водителям быстро и легко находить их.
• Цифровые указатели: Цифровые табло на въездах на парковку могут показывать количество свободных мест и направлять водителей к ближайшему свободному месту.
• Автоматизированные парковочные системы: Данные можно использовать для управления автоматическими шлагбаумами и воротами, разрешая въезд только при наличии свободных мест и направляя водителей к ближайшему свободному пространству.

Link to this sectionПреимущества системы управления парковкой#

Аналитика доступности парковочных мест дает множество преимуществ. Обновления в реальном времени помогают водителям сразу направляться к свободным местам, делая транспортный поток более плавным и снижая стресс при поиске парковки. Для операторов понимание того, как используются места, означает возможность лучше управлять парковкой, повышать безопасность с помощью мониторинга в реальном времени и быстро реагировать на любые инциденты.

Автоматизация парковочных функций снижает расходы за счет уменьшения потребности в ручном труде. Системы ИИ облегчают бронирование парковочных мест через мобильные или веб-приложения, позволяя водителям получать уведомления о доступности, что экономит время и деньги. Городские планировщики могут использовать эти данные для проектирования более эффективных дорожных развязок, внедрения эффективных правил парковки и создания новых парковочных объектов, которые делают города более эффективными и удобными для навигации.

Рис. 3. Бронирование парковочных мест через мобильное приложение.

Link to this sectionПопробуй сам: управление парковкой с помощью YOLOv8#

Теперь, когда у тебя есть четкое понимание управления парковкой и его преимуществ, давай разберемся, как создать систему управления парковкой на основе компьютерного зрения. Мы будем использовать модель YOLOv8 для обнаружения транспортных средств, мониторинга парковочных мест и определения их статуса занятости.

В этом примере ты можешь использовать видео или поток с камеры на парковке. Обрати внимание, что максимальный поддерживаемый размер изображения в этом примере — 1920 * 1080. Прежде чем мы начнем, помни, что эта система полагается на точное обнаружение автомобилей и заранее определенные координаты парковочных мест.

Калибровка камеры и факторы окружающей среды могут влиять на точность обнаружения мест и статус занятости. Скорость обработки и точность также могут варьироваться в зависимости от производительности твоего GPU.

Шаг 1: Давай начнем с установки пакета Ultralytics. Открой командную строку или терминал и выполни следующую команду.

pip install ultralytics

Обратись к нашему руководству по установке Ultralytics за подробными инструкциями и рекомендациями по процессу установки. Если при установке необходимых пакетов для YOLOv8 возникнут проблемы, наше руководство по распространенным вопросам предложит решения и полезные советы.

Шаг 2: Нам нужно предварительно выбрать парковочные места, чтобы отметить интересующие области на твоем видео. Запусти этот код, чтобы открыть пользовательский интерфейс для предварительного выбора мест.

from ultralytics import solutions

solutions.ParkingPtsSelection()

Как показано ниже, при запуске этого кода откроется интерфейс. Сделай кадр или скриншот твоего видео парковки и загрузи его. После того как обведешь парковочные места ограничивающими рамками (bounding boxes), нажми кнопку сохранения. Информация о выбранных местах будет сохранена в JSON-файле под названием ‘bounding_boxes.json.’

Рис. 4. Выбор парковочных мест на видео.

Шаг 3: Теперь мы можем перейти к основному коду для управления парковкой. Начни с импорта всех необходимых библиотек и инициализации JSON-файла, созданного на шаге 2.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

Шаг 4: Создай объект VideoCapture, чтобы прочитать файл входного видео, и убедись, что видеофайл открылся успешно.

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

Шаг 5: Инициализируй все необходимые свойства видео, такие как ширина, высота и количество кадров в секунду.

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

Шаг 6: Затем создай объект VideoWriter, чтобы сохранить итоговый обработанный видеофайл.

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

Шаг 7: Здесь мы инициализируем систему управления парковкой с помощью модели Ultralytics YOLOv8 для обнаружения мест.

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

Шаг 8: Теперь мы проходим по видеофайлу, кадр за кадром, для обработки. Если кадры не считываются, цикл завершится.

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

Шаг 9: Внутри цикла мы извлечем предварительно выбранные области парковки из JSON-файла и отследим объекты в кадре с помощью модели YOLOv8.

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

Шаг 10: Эта часть цикла обрабатывает результаты отслеживания и получает координаты ограничивающих рамок (BBox) и метки классов обнаруженных объектов.

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)

Шаг 11: Последняя часть цикла включает отображение текущего кадра с аннотациями и запись обработанного кадра в выходной видеофайл “parking management.avi.”

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

Шаг 12: Наконец, мы освобождаем объекты VideoCapture и VideoWriter и закрываем все окна.

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

Шаг 13: Сохрани свой скрипт. Если ты работаешь из терминала или командной строки, запусти скрипт с помощью следующей команды:

python your_script_name.py

Не стесняйся заглянуть в официальную документацию Ultralytics, если хочешь узнать больше о коде.

Link to this sectionПроблемы автоматизированной системы управления парковкой#

Интеллектуальные системы парковки предлагают много преимуществ как водителям, так и бизнесу. Однако они также представляют ряд проблем, которые стоит учесть перед внедрением таких решений. Давай взглянем на некоторые из них.

• Вопросы конфиденциальности: Эти системы собирают информацию, такую как марка и модель автомобиля, номерной знак, время въезда и выезда и т.д.
• Высокая стоимость установки: Датчики, камеры, автоматизированные автоматы по продаже билетов и ИИ-программное обеспечение могут быть дорогими в установке.
• Требования к обслуживанию: Частота обслуживания зависит от ИИ-системы, но большинству систем требуется ежемесячное обслуживание.

Link to this sectionБудущее умных систем парковки#

Инновационное управление парковкой в будущем будет связано с использованием передовых технологий, таких как ИИ, самоуправляемые автомобили и виртуальная реальность, для улучшения общего опыта парковки и поддержки устойчивого развития. При интеграции с этими системами самоуправляемые автомобили смогут перемещаться к местам парковки без участия человека и парковаться. Эти системы также помогают бизнесу заполнять больше парковочных мест и рекламировать свои услуги через множество приложений и веб-сайтов. Кроме того, они сокращают выбросы углерода, возникающие, когда водители ездят вокруг в поисках места для парковки.

Link to this sectionКонец проблемам с парковкой#

ИИ-модели, такие как Ultralytics YOLOv8, и компьютерное зрение могут преобразить твою парковку. Они кардинально сокращают время на поиск мест, экономя тебе время и уменьшая выбросы. Эти умные системы управления парковкой решают распространенные проблемы, такие как пробки, незаконная парковка и разочарование водителей. Несмотря на первоначальные вложения, долгосрочные выгоды значительны. Инвестиции в умную парковку — ключ к созданию устойчивых городов и более удобному опыту парковки для каждого.

Хочешь узнать больше об ИИ? Присоединяйся к нашему сообществу! Изучи наш репозиторий на GitHub, чтобы узнать больше о том, как мы используем ИИ для создания инновационных решений в различных отраслях, таких как здравоохранение и сельское хозяйство. Сотрудничай, внедряй инновации и учись вместе с нами! 🚀