Daha akıllı otopark yönetim sistemleri için Ultralytics YOLOv8

Özellikle geç kaldıysan, otopark yeri ararken daireler çizerek dolaşmak stresli olabilir. Geleneksel otopark yeri arama yöntemi sıkıcı ve zaman alıcı olabilir. Ancak, yapay zeka (AI) ve bilgisayarlı görü ile desteklenen bir otopark yönetim sistemi işleri kolaylaştırabilir. Bu sistemler park yeri kullanılabilirliğini daha öngörülebilir hale getirebilir ve trafik sıkışıklığını azaltabilir.

In this article, we’ll learn how to upgrade parking management systems with artificial intelligence and computer vision. We’ll also go through a step-by-step coding example to show you how you can use the Ultralytics YOLOv8 model to create a computer vision-enabled parking management system. Let’s dive right in!

Link to this sectionGeleneksel otopark yönetimindeki sorunlar#

Yapay zeka destekli akıllı otopark yönetim sistemlerini tartışmadan önce, geleneksel otopark yönetim sistemlerindeki sorunlara bir göz atalım.

Geleneksel sistemlerin en büyük sorunu aşırı kalabalık otopark alanlarıdır; otoparklarda mevcut yerlerden daha fazla araç bulunur. Yer ararken zaman kaybetmenin yanı sıra, aşırı kalabalık yakıt tüketiminin artmasına ve hava kirliliğine yol açar. Bir diğer sorun ise sürücü stresidir. Bir araştırmaya göre, insanların yaklaşık %27'si park yeri aramak için en az 30 dakika harcıyor. Ayrıca, insanların %43'ü park yeri yüzünden yabancılarla sözlü tartışmalara girdiğini kabul ediyor.

Şekil 1. Stresli bir sürücü. Görsel kaynağı: Envato Elements.

Link to this sectionYapay zeka otopark yönetimini kolaylaştırıyor#

Yapay zeka ile entegre otoparklar, geleneksel otopark yönetim sistemlerinin karşılaştığı sorunları çözmeyi amaçlar. Ultralytics YOLOv8 modeli gibi bilgisayarlı görü modelleri ve yüksek çözünürlüklü kameralar otoparkları izleyebilir ve mevcut veya dolu park yerleri hakkında gerçek zamanlı güncellemeler alabilir.

Bu nasıl çalışır? Bir bilgisayarlı görü modeli, araçları tespit etmek, hareketlerini izlemek ve mevcut park yerlerini tanımlamak için yüksek çözünürlüklü kameralardan gelen görüntüleri analiz edebilir. Ultralytics YOLOv8 modeli, nesne tespiti ve nesne takibi gibi bilgisayarlı görü görevlerini destekler ve video akışındaki araçları doğru bir şekilde tanımlayıp sınıflandırabilir. Tespit edilen araç konumlarını önceden belirlenmiş park yerleriyle karşılaştırarak, sistem bir park yerinin dolu olup olmadığını belirleyebilir.

Şekil 2. Park yerlerini tespit eden YOLOv8.

Görü tabanlı sistemden elde edilen otopark doluluk bilgileri entegre edilebilir ve farklı uygulamalara genişletilebilir:

• Mobil Uygulamalar: Mobil uygulamalar gerçek zamanlı park doluluk durumunu gösterebilir ve sürücülerin boş yerleri hızlı ve kolay bir şekilde bulmalarına yardımcı olabilir.
• Dijital Tabela: Otopark girişlerindeki dijital tabelalar, boş yer sayısını gösterebilir ve sürücüleri en yakın boş yere yönlendirebilir.
• Otomatik Otopark Sistemleri: Veriler, otomatik bariyerleri ve kapıları kontrol etmek için kullanılabilir; bu da sadece boş yer olduğunda girişlere izin verir ve sürücüleri en yakın boş alana yönlendirir.

Link to this sectionBir otopark yönetim sisteminin avantajları#

Park doluluğu hakkındaki içgörüler birçok avantaj sağlayabilir. Gerçek zamanlı güncellemeler, sürücülerin doğrudan boş alanlara gitmesine yardımcı olarak trafik akışını daha pürüzsüz hale getirir ve park yeri arama stresini azaltır. İşletmeciler için ise alanların nasıl kullanıldığını anlamak, otoparkı daha iyi yönetebilecekleri, gerçek zamanlı izleme ile güvenliği artırabilecekleri ve herhangi bir olaya hızla müdahale edebilecekleri anlamına gelir.

Otopark fonksiyonlarının otomatize edilmesi, manuel iş gücü ihtiyacını azaltarak maliyetleri düşürür. Yapay zeka sistemleri, mobil veya web uygulamaları aracılığıyla park yeri rezervasyonu yapmayı kolaylaştırarak sürücülerin doluluk durumu hakkında bildirim almasını sağlar ve zaman ile paradan tasarruf ettirir. Şehir planlamacıları bu verileri daha iyi yol düzenleri tasarlamak, etkili park düzenlemelerini uygulamak ve şehirleri daha verimli hale getirip ulaşımı kolaylaştıran yeni otopark tesisleri geliştirmek için kullanabilir.

Şekil 3. Mobil uygulama üzerinden park yeri rezerve etme.

Link to this sectionKendin dene: YOLOv8 kullanarak otopark yönetimi#

Artık park yönetimi ve avantajları hakkında net bir anlayışa sahip olduğumuza göre, nasıl görüş tabanlı bir park yönetimi sistemi build edebileceğine geçelim. Araçları tespit etmek, park alanlarını izlemek ve doluluk durumlarını belirlemek için YOLOv8 modelini kullanacağız.

Bu örnekte, bir otoparkın videosunu veya kamera akışını kullanabilirsin. Lütfen bu örneğin desteklediği maksimum görüntü boyutunun 1920 * 1080 olduğunu unutma. Başlamadan önce, bu sistemin doğru araç tespitine ve önceden belirlenmiş park yeri koordinatlarına dayandığını hatırla.

Kamera kalibrasyonu ve çevresel faktörler, alan tespiti ve doluluk durumunun doğruluğunu etkileyebilir. İşleme hızı ve doğruluk, GPU'nun performansına bağlı olarak da değişiklik gösterebilir.

Adım 1: Ultralytics paketini kurarak başlayalım. Komut istemini veya terminalini aç ve aşağıdaki komutu çalıştır.

pip install ultralytics

Kurulum süreciyle ilgili ayrıntılı talimatlar ve en iyi uygulamalar için Ultralytics Kurulum kılavuzumuza göz atabilirsin. YOLOv8 için gerekli paketleri kurarken herhangi bir sorunla karşılaşırsan, yaygın sorunlar kılavuzumuz çözümler ve yararlı ipuçları sunar.

Adım 2: Görüntündeki ilgi alanlarını işaretleyebilmemiz için park yerlerini önceden seçmemiz gerekiyor. Park yerlerini önceden seçmek üzere kullanıcı arayüzünü açmak için bu kodu çalıştır.

from ultralytics import solutions

solutions.ParkingPtsSelection()

Aşağıda gösterildiği gibi, bu kodu çalıştırdığında bir kullanıcı arayüzü açılacaktır. Otopark videondan bir kare veya ekran görüntüsü al ve yükle. Park yerlerinin etrafına sınırlayıcı kutular (bounding boxes) çizdikten sonra kaydet seçeneğine tıkla. Seçtiğin park yeri bilgileri ‘bounding_boxes.json’ adlı bir JSON dosyasında kaydedilecektir.

Şekil 4. Görüntünde park yerlerini seçme.

Adım 3: Şimdi, otopark yönetimi için ana koda geçebiliriz. Gerekli tüm kütüphaneleri içe aktararak ve 2. adımda oluşturduğumuz JSON dosyasını başlatarak başla.

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

Adım 4: Giriş video dosyasını okumak için bir VideoCapture nesnesi oluştur ve video dosyasının başarıyla açıldığından emin ol.

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

Adım 5: Genişlik, yükseklik ve saniye başına kare sayısı gibi gerekli tüm video özelliklerini başlat.

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

Adım 6: Bir sonraki adımda, nihai işlenmiş video dosyasını kaydetmek için bir VideoWriter nesnesi oluşturabiliriz.

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

Adım 7: Burada, otopark yeri tespiti için Ultralytics YOLOv8 modeliyle otopark yönetim sistemini başlatıyoruz.

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

Adım 8: Şimdi, işleme için video dosyasını kare kare tarıyoruz. Eğer hiçbir kare okunmazsa, döngü kırılacaktır.

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

Adım 9: Döngü içinde, JSON dosyasından önceden seçilmiş park bölgelerini çıkaracağız ve YOLOv8 modelini kullanarak karedeki nesneleri takip edeceğiz.

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

Adım 10: Döngünün bu kısmı, takip sonuçlarını işler ve tespit edilen nesnelerin sınırlayıcı kutu koordinatlarını ve sınıf etiketlerini elde eder.

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)

Adım 11: Döngünün son kısmı, ek açıklamalı mevcut kareyi görüntülemeyi ve işlenmiş kareyi “parking management.avi” adlı çıktı video dosyasına yazmayı içerir.

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

Adım 12: Son olarak, VideoCapture ve VideoWriter nesnelerini serbest bırakabilir ve tüm pencereleri kapatabiliriz.

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

Adım 13: Komut dosyanı kaydet. Eğer terminalinden veya komut isteminden çalışıyorsan, betiği aşağıdaki komutu kullanarak çalıştır:

python your_script_name.py

Kod hakkında daha fazla bilgi edinmek istersen Ultralytics’in resmi belgelerine göz atmaktan çekinme.

Link to this sectionOtomatik otopark yönetim sisteminin zorlukları#

Akıllı otopark sistemleri hem sürücüler hem de işletmeler için birçok avantaj sunar. Ancak, bu tür çözümleri uygulamadan önce dikkate alınması gereken bazı zorlukları da beraberinde getirirler. Bunlardan bazılarına bir göz atalım.

• Gizlilik Endişeleri: Bu sistemler, kişinin aracının marka ve modeli, plaka numarası, giriş ve çıkış saati gibi bilgileri toplar.
• Yüksek Kurulum Maliyeti: Sensörler, kameralar, otomatik bilet makineleri ve yapay zeka yazılımlarının kurulumu pahalı olabilir.
• Bakım Gereksinimleri: Bakım sıklığı yapay zeka sistemine bağlıdır, ancak çoğu sistem aylık bakım gerektirir.

Link to this sectionAkıllı otopark sistemlerinin geleceği#

Gelecekte yenilikçi otopark yönetimi, genel park deneyimini iyileştirmek ve sürdürülebilirliği desteklemek için yapay zeka, sürücüsüz araçlar ve sanal gerçeklik gibi son teknoloji ürünleri kullanmakla ilgili olacaktır. Bu sistemlerle entegre edildiğinde, sürücüsüz araçlar insan müdahalesi olmadan park yerlerine gidebilecek ve park edebilecektir. Bu sistemler ayrıca işletmelerin daha fazla park yerini doldurmasına ve hizmetlerini birden fazla uygulama ve web sitesinde tanıtmasına yardımcı olur. Ayrıca, sürücülerin park yeri ararken dolaşmalarından kaynaklanan karbon emisyonlarını da azaltırlar.

Link to this sectionPark etme sorunlarını bitirmek#

Ultralytics YOLOv8 gibi yapay zeka modelleri ve bilgisayarlı görü, otoparkını dönüştürebilir. Park yeri ararken boşa geçen zamanı önemli ölçüde azaltır, zamandan tasarruf etmeni sağlar ve emisyonları düşürür. Bu akıllı otopark yönetim sistemleri; sıkışıklık, yasa dışı park etme ve sürücü hüsranı gibi yaygın sorunları çözer. İlk aşamada bir yatırım gerektirse de uzun vadeli faydaları çok büyüktür. Akıllı otoparka yatırım yapmak, sürdürülebilir şehirler oluşturmanın ve herkes için daha pürüzsüz bir park deneyimi yaratmanın anahtarıdır.

Want to learn more about AI? Connect with our community! Explore our GitHub repository to learn more about how we are using AI to create innovative solutions in various industries like healthcare and agriculture. Collaborate, innovate, and learn with us! 🚀