Ultralytics YOLOv8 для более интеллектуальных систем управления парковкой

Поиск парковочного места, когда приходится кружить по улицам, может быть стрессовым, особенно если ты опаздываешь. Традиционный поиск места для парковки может быть утомительным и занимать много времени. Однако система управления парковкой на основе искусственного интеллекта (AI) и компьютерного зрения может упростить этот процесс. Она делает доступность парковочных мест более предсказуемой и уменьшает заторы.

В этой статье мы узнаем, как модернизировать системы управления парковкой с помощью искусственного интеллекта и компьютерного зрения. Мы также пошагово разберём пример кода, который покажет, как использовать модель Ultralytics YOLOv8 для создания системы управления парковкой с компьютерным зрением. Давай начнём!

Проблемы традиционного управления парковками#

Прежде чем обсуждать интеллектуальные системы управления парковкой с использованием AI, рассмотрим проблемы традиционных систем управления парковкой.

Одна из основных проблем традиционных систем — переполненные парковочные места: на парковках машин больше, чем доступных мест. Помимо потери времени на поиск места, переполненность приводит к повышенному расходу топлива и загрязнению воздуха. Ещё одна проблема — стресс водителей. Согласно опросу, около 27% людей тратят не менее 30 минут на поиск парковочного места. Кроме того, 43% людей признались, что вступали в словесные конфликты с незнакомцами из-за парковочных мест.

Рис. 1. Водитель в состоянии стресса. Источник изображения: Envato Elements.

AI упрощает управление парковками#

Парковки, интегрированные с AI, призваны решить проблемы традиционных систем управления парковкой. Модели компьютерного зрения, такие как модель Ultralytics YOLOv8, и камеры высокой чёткости могут отслеживать парковки и получать обновления в реальном времени о доступных и занятых местах.

Как это работает? Модель компьютерного зрения может анализировать видео с камер высокой чёткости, обнаруживать автомобили, отслеживать их перемещения и определять доступные парковочные места. Модель Ultralytics YOLOv8 поддерживает такие задачи компьютерного зрения, как обнаружение объектов и отслеживание объектов, а также может точно обнаруживать и классифицировать автомобили в видеопотоке. Сравнивая обнаруженные местоположения автомобилей с заранее заданными парковочными местами, система может определить, занято место или нет.

Рис. 2. YOLOv8 обнаруживает парковочные места.

Информацию о доступности парковочных мест из системы на основе компьютерного зрения можно интегрировать в различные приложения и расширять их возможности:

• Мобильные приложения: Мобильные приложения могут отображать доступность парковочных мест в реальном времени и помогать водителям быстро и легко находить свободные места.
• Цифровые указатели: Цифровые указатели на въездах 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, разрешая въезд только при наличии свободных мест и направляя водителей к ближайшему свободному месту.

Преимущества системы управления парковкой#

Данные о доступности парковочных мест могут дать множество преимуществ. Обновления в реальном времени помогают водителям сразу направляться к свободным местам, обеспечивая более плавное движение транспорта и уменьшая стресс от поиска парковки. Операторы, понимающие, как используются места, могут эффективнее управлять парковкой, повышать безопасность с помощью мониторинга в реальном времени и быстро реагировать на любые инциденты.

Автоматизация парковочных функций снижает затраты, уменьшая потребность в ручном труде. Системы AI упрощают бронирование парковочных мест через мобильные или веб-приложения, позволяя водителям получать уведомления о доступности и экономить время и деньги. Градостроители могут использовать эти данные для проектирования более эффективной дорожной инфраструктуры, контроля соблюдения правил парковки и создания новых парковочных объектов, благодаря которым города станут эффективнее и удобнее для навигации.

Рис. 3. Бронируйте парковочные места через мобильное приложение.

Попробуй сам: управление парковкой с помощью YOLOv8#

Теперь, когда мы получили ясное представление об управлении парковкой и его преимуществах, давай разберём, как создать систему управления парковкой на основе компьютерного зрения. Мы будем использовать модель YOLOv8 для обнаружения автомобилей, мониторинга парковочных мест и определения их занятости.

В этом примере можно использовать видео или поток с камеры парковки. Обрати внимание, что максимальный поддерживаемый размер изображения в этом примере — 1920 * 1080. Перед началом помни, что эта система relies на точном обнаружении автомобилей и заранее заданных координатах парковочных мест.

Калибровка камеры и внешние факторы могут влиять на точность обнаружения мест и определения их занятости. Скорость и точность обработки также могут зависеть от производительности твоего GPU.

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

pip install ultralytics

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

Шаг 2: Нужно заранее выбрать парковочные места, чтобы отметить интересующие области в твоём видеоматериале. Выполни этот код, чтобы открыть пользовательский интерфейс для предварительного выбора парковочных мест.

from ultralytics import solutions

solutions.ParkingPtsSelection()

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

Рис. 4. Выбор парковочных мест в видеоматериале.

Шаг 3: Теперь перейдём к основному коду управления парковкой. Сначала импортируем все необходимые библиотеки и инициализируем JSON-файл, созданный 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 видеофайл успешно открыт.

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

Шаг 5: Инициализируй все необходимые свойства видео, например ширину, высоту и частоту 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 создадим 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 моделью Ultralytics YOLOv8 для обнаружения парковочных мест.

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

Шаг 8: Теперь обработаем видеофайл покадрово. Если кадры не считываются, цикл прервётся.

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

Шаг 9: Внутри цикла извлечём заранее 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 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: На последнем этапе цикла текущий кадр отображается с аннотациями, а обработанный кадр записывается в выходной видеофайл “parking management.avi.”

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

Шаг 12: Наконец, освободим объекты VideoCapture и VideoWriter и закроем 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, ознакомься с официальной документацией Ultralytics.

Проблемы автоматизированной системы управления парковкой#

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

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

Будущее интеллектуальных парковочных систем#

Инновационное управление парковкой в будущем будет основываться на передовых технологиях, таких как AI, беспилотные автомобили и виртуальная реальность, чтобы улучшить общий опыт 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 заполнять больше парковочных мест и рекламировать свои услуги в различных приложениях и на сайтах. Кроме того, они сокращают выбросы углерода, возникающие из-за того, что водители кружат в поисках парковки.

Как избавиться от проблем с парковкой#

Модели AI, такие как Ultralytics YOLOv8, и компьютерное зрение могут преобразить твою парковку. Они значительно сокращают время, которое водители тратят на кружение в поисках свободного места, экономя твоё время и уменьшая выбросы. Эти интеллектуальные системы управления парковкой решают распространённые проблемы, такие как заторы, незаконная парковка и раздражение водителей. Несмотря на первоначальные инвестиции, долгосрочные преимущества значительны. Инвестиции в интеллектуальную парковку — ключ к созданию устойчивых городов и более комфортной парковке для всех.

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