Ultralytics YOLOv8 для более интеллектуальных систем управления парковкой

Поездки по кругу в поисках парковочного места могут вызывать стресс, особенно если ты опаздываешь. Традиционный поиск места для парковки утомителен и отнимает много времени. Однако система управления парковкой на основе искусственного интеллекта (AI) и компьютерного зрения может упростить эту задачу. Она сделает доступность парковочных мест более предсказуемой и поможет уменьшить пробки.

В этой статье мы узнаем, как улучшить системы управления парковкой с помощью искусственного интеллекта и компьютерного зрения. Также пошагово разберём пример кода и покажем, как использовать модель Ultralytics YOLOv8, чтобы создать систему управления парковкой на основе компьютерного зрения.

Проблемы традиционного управления парковками#

Прежде чем обсуждать интеллектуальные системы управления парковкой на основе ИИ, рассмотрим проблемы традиционных систем.

Одна из основных проблем традиционных систем — переполненные парковки: автомобилей больше, чем свободных мест. Переполненность не только заставляет тратить время на поиски места, но и приводит к повышенному расходу топлива и загрязнению воздуха. Еще одна проблема — стресс водителей. Согласно опросу, около 27% людей тратят не менее 30 минут на поиски парковочного места. Кроме того, 43% опрошенных признались, что вступали в словесные перепалки с незнакомцами из-за парковочных мест.

Рис. 1. Водитель в стрессе. Источник изображения: Envato Elements.

ИИ упрощает управление парковками#

Автостоянки с интегрированным ИИ помогают решать проблемы традиционных систем управления парковкой. Модели компьютерного зрения, такие как Ultralytics YOLOv8, и камеры высокого разрешения позволяют наблюдать за парковками и получать актуальную информацию о свободных и занятых местах.

Как это работает? Модель компьютерного зрения анализирует видео с камер высокого разрешения, обнаруживает автомобили, отслеживает их перемещения и определяет свободные парковочные места. Модель Ultralytics YOLOv8 поддерживает такие задачи компьютерного зрения, как обнаружение объектов и отслеживание объектов, а также точно распознает и классифицирует транспортные средства в видеопотоке. Сопоставляя обнаруженное расположение автомобилей с заранее заданными координатами парковочных мест, система определяет, занято ли место.

Рис. 2. YOLOv8 обнаруживает парковочные места.

Информацию о наличии парковочных мест, полученную системой на основе компьютерного зрения, можно интегрировать и использовать в различных приложениях:

• Мобильные приложения: Мобильные приложения могут показывать актуальную информацию о наличии свободных мест и помогать водителям быстро и легко находить парковку.
• Цифровые табло: Цифровые табло у въездов на парковку могут показывать количество свободных мест и направлять водителей к ближайшему свободному месту.
• Автоматизированные парковочные системы: Эти данные можно использовать для управления автоматическими шлагбаумами и воротами: они будут пропускать автомобили только при наличии свободных мест и направлять водителей к ближайшему свободному месту.

Преимущества системы управления парковкой#

Информация о наличии парковочных мест дает множество преимуществ. Обновления в реальном времени помогают водителям сразу направляться к свободным местам, улучшая транспортный поток и снижая стресс от поисков парковки. Операторы могут изучать, как используются места, эффективнее управлять парковкой, повышать безопасность с помощью наблюдения в реальном времени и быстрее реагировать на происшествия.

Автоматизация парковочных функций сокращает расходы за счет уменьшения потребности в ручном труде. Системы ИИ упрощают бронирование парковочных мест через мобильные или веб-приложения: водители получают уведомления о наличии мест, экономя время и деньги. Городские планировщики могут использовать эти данные для проектирования более удобных дорог, эффективного регулирования парковки и создания новых парковок, которые сделают города функциональнее и упростят передвижение по ним.

Рис. 3. Бронирование парковочного места через мобильное приложение.

Попробуй сам: управление парковкой с помощью YOLOv8#

Теперь, когда мы разобрались в принципах управления парковкой и его преимуществах, давай рассмотрим, как создать систему управления парковкой на основе компьютерного зрения. Мы используем модель YOLOv8 для обнаружения автомобилей, наблюдения за парковочными местами и определения их занятости.

В этом примере можно использовать видео или поток с камеры на парковке. Прежде чем начать, учти, что система зависит от точного обнаружения транспортных средств и заранее заданных координат парковочных мест.

Калибровка камеры и условия окружающей среды могут влиять на точность обнаружения мест и определения их занятости. Скорость и точность обработки также могут меняться в зависимости от производительности твоего GPU.

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

pip install ultralytics

Подробные инструкции и рекомендации по процессу установки смотри в нашем руководстве по установке Ultralytics. Если при установке необходимых пакетов для YOLOv8 возникнут проблемы, решения и полезные советы ты найдёшь в нашем руководстве по распространённым проблемам.

Шаг 2: Нужно заранее выбрать парковочные места, чтобы отметить интересующие нас области на видео. Запусти этот код, чтобы открыть интерфейс предварительного выбора парковочных мест.

from ultralytics import solutions

solutions.ParkingPtsSelection()

Как показано ниже, после запуска этого кода откроется пользовательский интерфейс. Сделай кадр или скриншот входного видео парковки и загрузи его. Обведи парковочные места рамками и нажми кнопку сохранения. Информация о выбранных парковочных местах сохранится в JSON-файле с именем ‘bounding_boxes.json.’

Рис. 4 Выбор парковочных мест на видео.

Шаг 3: Теперь перейдём к основному коду для управления парковкой. Сначала импортируй необходимые библиотеки и укажи путь к JSON-файлу, созданному на шаге 2.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

Шаг 4: Создай объект VideoCapture для чтения входного видеофайла и убедись, что файл успешно открыт.

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

Шаг 5: Инициализируй все необходимые параметры видео, например ширину, высоту и частоту кадров.

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: Теперь можно создать объект VideoWriter для сохранения итогового обработанного видеофайла.

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 и областей парковочных мест, сохранённых в JSON-файле.

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

Шаг 8: Теперь последовательно обрабатываем видеофайл кадр за кадром. Если кадры не считываются, цикл прерывается.

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

Шаг 9: Внутри цикла передаём каждый кадр объекту управления парковкой. Он отслеживает транспортные средства в кадре с помощью модели YOLOv8 и проверяет, занята ли каждая заранее выбранная область парковочного места.

    results = management(im0)

Шаг 10: Возвращаемые результаты содержат количество занятых и свободных парковочных мест. Их можно вывести на экран или передать другим приложениям.

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

Шаг 11: В последней части цикла размеченный кадр записывается в выходной видеофайл «parking management.avi».

    video_writer.write(results.plot_im)

Шаг 12: Наконец, можно освободить объекты VideoCapture и VideoWriter и закрыть все окна.

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

Шаг 13: Сохрани скрипт. Если ты работаешь в терминале или командной строке, запусти скрипт следующей командой:

python your_script_name.py

Если хочешь узнать больше о коде, загляни в официальную документацию Ultralytics.

Проблемы автоматизированной системы управления парковкой#

Интеллектуальные парковочные системы дают множество преимуществ и водителям, и компаниям. Однако перед внедрением таких решений нужно учесть и несколько проблем. Рассмотрим некоторые из них.

• Проблемы конфиденциальности: Такие системы собирают информацию, например марку и модель автомобиля человека, номерной знак, время въезда и выезда и т. д.
• Высокая стоимость установки: Установка датчиков, камер, автоматов для выдачи талонов и ПО с ИИ может обойтись дорого.
• Требования к обслуживанию: Частота обслуживания зависит от системы ИИ, но большинство систем требуют ежемесячного обслуживания.

Будущее интеллектуальных парковочных систем#

В будущем инновационное управление парковкой будет опираться на передовые технологии, такие как ИИ, беспилотные автомобили и виртуальная реальность, чтобы улучшить общее впечатление от парковки и поддержать устойчивое развитие. При интеграции с такими системами беспилотные автомобили смогут без участия человека находить парковочные места и парковаться. Эти системы также помогают компаниям эффективнее заполнять парковки и рекламировать свои услуги в разных приложениях и на сайтах. Кроме того, они сокращают выбросы углерода, возникающие, когда водители кружат в поисках парковочного места.

Больше никаких хлопот с парковкой#

Модели ИИ, такие как Ultralytics YOLOv8, и компьютерное зрение способны преобразить твою парковку. Они сокращают время, которое водители тратят на поиски свободного места, экономя время и снижая выбросы. Эти интеллектуальные системы управления парковкой решают распространённые проблемы, такие как заторы, незаконная парковка и недовольство водителей. Хотя сначала потребуется вложить средства, долгосрочные преимущества значительны. Инвестиции в интеллектуальную парковку — важный шаг к созданию устойчивых городов и более комфортной парковке для всех.

Хочешь узнать больше об ИИ? Присоединяйся к нашему сообществу! Загляни в наш репозиторий GitHub, чтобы узнать, как мы используем ИИ для создания инновационных решений в разных отраслях, например в здравоохранении и сельском хозяйстве. Сотрудничай с нами, внедряй инновации и учись!