Ultralytics YOLOv8 для интеллектуальных систем управления парковкой

Может быть утомительно ездить кругами в поисках места для парковки, особенно когда вы опаздываете. Традиционный способ поиска места для парковки может быть утомительным и отнимать много времени. Однако система управления парковкой, управляемая искусственным интеллектом (ИИ) и компьютерным зрением, может упростить задачу. Это может сделать доступность парковки более предсказуемой и уменьшить заторы на дорогах.

В этой статье мы узнаем, как модернизировать системы управления парковкой с помощью искусственного интеллекта и компьютерного зрения. Мы также рассмотрим пошаговый пример кодирования, чтобы показать, как можно использовать модель Ultralytics YOLOv8 для создания системы управления парковкой с поддержкой компьютерного зрения. Давайте сразу приступим!

Проблемы с традиционным управлением парковкой

Прежде чем мы обсудим системы управления умной парковкой с использованием ИИ, давайте рассмотрим проблемы традиционных систем управления парковкой.

Серьезной проблемой традиционных систем является переполненность парковочных мест: количество автомобилей на парковках превышает количество доступных мест. Помимо траты времени на поиск места, переполненность приводит к избыточному потреблению топлива и загрязнению воздуха. Еще одна проблема — стресс водителя. Согласно опросу, около 27% людей тратят не менее 30 минут на поиск парковочных мест. Кроме того, 43% людей признались, что вступали в словесные перепалки с незнакомцами из-за парковочных мест.

‍

ИИ упрощает управление парковкой

Автостоянки, интегрированные с ИИ, призваны решить проблемы, с которыми сталкиваются традиционные системы управления парковкой. Модели компьютерного зрения, такие как модель Ultralytics YOLOv8, и камеры высокого разрешения могут отслеживать автостоянки и получать обновления в режиме реального времени о доступных и занятых парковочных местах. 

Как это работает? Модель компьютерного зрения может анализировать видеоматериалы с камер высокой четкости для обнаружения транспортных средств, отслеживания их перемещений и определения доступных парковочных мест. 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 транспортных средств с предопределенными парковочными местами, система может определить, занято парковочное место или нет.

Информация о наличии парковочных мест от системы на основе машинного зрения может быть интегрирована и расширена в различные приложения:

• Мобильные приложения: Мобильные приложения могут отображать доступность парковочных мест в режиме реального времени и помогать водителям быстро и легко находить свободные места.
  ‍
• Цифровые вывески: Цифровые вывески у въездов на парковку могут показывать количество доступных мест и направлять водителей к ближайшему свободному месту.
  ‍
• Автоматизированные парковочные системы: Данные могут использоваться для управления автоматическими барьерами и воротами, разрешая въезд только при наличии свободных мест и направляя водителей к ближайшему свободному месту.

Преимущества системы управления парковкой

Информация о наличии парковочных мест может предоставить много преимуществ. Обновления в режиме реального времени помогают водителям направляться непосредственно к открытым местам, делая транспортный поток более плавным и снижая стресс от поиска парковки. Для операторов понимание того, как используются места, означает, что они могут лучше управлять парковкой, повышать безопасность с помощью мониторинга в реальном времени и быстро реагировать на любые инциденты.

Автоматизация функций парковки сокращает расходы за счет снижения потребности в ручном труде. Системы искусственного интеллекта упрощают резервирование парковочных мест через мобильные или веб-приложения, позволяя водителям получать уведомления о наличии мест и экономя время и деньги. Градостроители могут использовать эти данные для разработки более удобных дорожных сетей, обеспечения соблюдения эффективных правил парковки и развития новых парковочных сооружений, которые делают города более эффективными и удобными для навигации.

‍

Попробуйте сами: управление парковкой с помощью YOLOv8

Теперь, когда у нас есть четкое представление об управлении парковкой и его преимуществах, давайте углубимся в то, как вы можете создать систему управления парковкой на основе машинного зрения. Мы будем использовать модель YOLOv8 для обнаружения транспортных средств, мониторинга парковочных мест и определения их статуса занятости.

В этом примере вы можете использовать видео или поток с камеры парковки. Обратите внимание, что максимальный поддерживаемый размер изображения для этого примера составляет 1920 * 1080. Прежде чем мы начнем, помните, что эта система опирается на точное обнаружение транспортных средств и предопределенные координаты парковочного места. 

Калибровка камеры и факторы окружающей среды могут влиять на точность обнаружения пространства и статуса занятости. Скорость обработки и точность также могут варьироваться в зависимости от производительности вашего графического процессора.

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

pip install ultralytics

Обратитесь к нашему руководству по установке Ultralytics для получения подробных инструкций и рекомендаций по процессу установки. Если у вас возникнут какие-либо проблемы при установке необходимых пакетов для YOLOv8, наше руководство по распространенным проблемам предлагает решения и полезные советы.

Шаг 2: Нам нужно предварительно выбрать парковочные места, чтобы мы могли отметить интересующие области на ваших кадрах. Запустите этот код, чтобы открыть пользовательский интерфейс для предварительного выбора парковочных мест.

from ultralytics import solutions
solutions.ParkingPtsSelection()

Как показано ниже, при запуске этого кода откроется пользовательский интерфейс. Сделайте кадр или скриншот вашего входного видео с парковкой и загрузите его. После отрисовки ограничивающих рамок вокруг парковочных мест нажмите кнопку сохранения. Информация о выбранных вами парковочных местах будет сохранена в JSON-файле под названием ‘bounding_boxes.json.’

‍

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

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

Шаг 4: Создайте объект VideoCapture, чтобы прочитать входной видеофайл, и убедитесь, что видеофайл успешно открыт.

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

Шаг 5: Инициализируйте 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: Далее мы можем создать объект VideoWriter для сохранения финального 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 для обнаружения парковочных 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 прерывается.

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

Шаг 9: Внутри цикла мы извлекаем предварительно выбранные области парковки из JSON-файла и отслеживаем 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 ограничивающего прямоугольника 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 можем освободить объекты VideoCapture и VideoWriter и уничтожить все окна.

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

Шаг 13: Сохраните свой скрипт. Если вы работаете из терминала или командной строки, запустите скрипт, используя следующую команду:

python your_script_name.py

Не стесняйтесь ознакомиться с официальной документацией Ultralytics, если хотите узнать больше о коде.

Проблемы автоматизированной системы управления парковкой

Интеллектуальные парковочные системы предлагают множество преимуществ как водителям, так и предприятиям. Однако они также создают несколько проблем, которые следует учитывать перед внедрением таких решений. Давайте рассмотрим некоторые из них.

• Проблемы 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 билетные автоматы и программное обеспечение AI могут быть дорогими в установке. 
  ‍
• Требования к обслуживанию: Частота обслуживания зависит от системы ИИ, но большинству систем требуется ежемесячное обслуживание.

Будущее интеллектуальных систем парковки

Инновационное управление парковкой в будущем будет связано с использованием самых современных технологий, таких как ИИ, самоуправляемые автомобили и виртуальная реальность, для улучшения общего опыта парковки и поддержки устойчивости. При интеграции с этими системами самоуправляемые автомобили смогут перемещаться к местам парковки без вмешательства человека и парковаться. Эти системы также помогают предприятиям заполнить больше парковочных мест и рекламировать свои услуги в различных приложениях и на веб-сайтах. Они также сокращают количество выбросов углекислого газа, которые исходят от водителей, ездящих в поисках места для парковки.

Покончите с проблемами парковки

AI-модели, такие как Ultralytics YOLOv8, и компьютерное зрение могут преобразить вашу парковку. Они значительно сокращают время поиска мест, экономя ваше время и снижая выбросы. Эти интеллектуальные системы управления парковкой решают такие распространенные проблемы, как заторы, незаконная парковка и недовольство водителей. Несмотря на первоначальные инвестиции, долгосрочные выгоды значительны. Инвестиции в интеллектуальную парковку являются ключом к созданию устойчивых городов и более комфортной парковки для всех.

Хотите узнать больше об ИИ? Присоединяйтесь к нашему сообществу! Изучите наш репозиторий GitHub, чтобы узнать больше о том, как мы используем ИИ для создания инновационных решений в различных отраслях, таких как здравоохранение и сельское хозяйство. Сотрудничайте, внедряйте инновации и учитесь вместе с нами! 🚀