Daha akıllı park yönetimi sistemleri için Ultralytics YOLOv8

Özellikle geç kalıyorsanız, park yeri aramak için daireler çizerek dolaşmak stresli olabilir. Park yeri aramanın geleneksel yolu sıkıcı ve zaman alıcı olabilir. Ancak, yapay zeka (AI) ve bilgisayarlı görü ile desteklenen bir park yönetimi sistemi işleri daha basit hale getirebilir. Park yeri bulunabilirliğini daha öngörülebilir hale getirebilir ve trafik sıkışıklığını azaltabilir.

Bu makalede, yapay zeka ve bilgisayarlı görü ile park yönetimi sistemlerini nasıl yükselteceğimizi öğreneceğiz. Ayrıca, bilgisayarlı görü özellikli bir park yönetimi sistemi oluşturmak için Ultralytics YOLOv8 modelini nasıl kullanabileceğinizi göstermek için adım adım bir kodlama örneği inceleyeceğiz. Haydi başlayalım!

Geleneksel otopark yönetimi ile ilgili sorunlar

Yapay zeka ile geliştirilmiş akıllı park yönetimi sistemlerini tartışmadan önce, geleneksel park yönetimi sistemleriyle ilgili sorunlara bir göz atalım.

Geleneksel sistemlerdeki büyük bir sorun, park yerlerinin aşırı kalabalık olmasıdır; otoparklarda mevcut alanlardan daha fazla araç bulunmaktadır. Alan aramakla zaman kaybetmenin yanı sıra, aşırı kalabalık yakıt tüketiminin ve hava kirliliğinin artmasına neden olur. Bir diğer sorun ise sürücü stresidir. Bir ankete göre, insanların yaklaşık %27'si park yeri aramak için en az 30 dakika harcıyor. Ayrıca, insanların %43'ü park yerleri yüzünden yabancılarla sözlü tartışmalara girdiğini kabul etmiştir.

‍

Yapay zeka, otopark yönetimini kolaylaştırır

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

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

Görüntü tabanlı sistemden elde edilen park yeri müsaitlik bilgileri, farklı uygulamalara entegre edilebilir ve genişletilebilir:

• Mobil Uygulamalar: Mobil uygulamalar, gerçek zamanlı park yeri müsaitliğini görüntüleyebilir ve sürücülerin mevcut yerleri hızlı ve kolay bir şekilde bulmasına yardımcı olabilir.
  ‍
• Dijital Tabelalar: Otopark girişlerindeki dijital tabelalar, mevcut boş yer sayısını gösterebilir ve sürücüleri en yakın boş alana yönlendirebilir.
  ‍
• Otomatik Park Sistemleri: Veriler, yalnızca boş yer olduğunda girişe izin veren ve sürücüleri en yakın boş yere yönlendiren otomatik bariyerleri ve kapıları kontrol etmek için kullanılabilir.

Bir park yönetim sisteminin avantajları

Park yeri müsaitliği hakkında bilgi edinmek birçok avantaj sağlayabilir. Gerçek zamanlı güncellemeler, sürücülerin doğrudan boş yerlere gitmelerine yardımcı olarak trafik akışını kolaylaştırır ve park yeri bulma stresini azaltır. Operatörler için, alanların nasıl kullanıldığını anlamak, otoparkı daha iyi yönetebilecekleri, gerçek zamanlı izleme ile güvenliği artırabilecekleri ve herhangi bir olaya hızlı bir şekilde müdahale edebilecekleri anlamına gelir.

Park fonksiyonlarını otomatikleştirmek, manuel işgücüne olan ihtiyacı azaltarak maliyetleri düşürür. Yapay zeka sistemleri, sürücülerin müsaitlik hakkında bildirim almasına ve zamandan ve paradan tasarruf etmesine olanak tanıyan mobil veya web uygulamaları aracılığıyla park yerlerini rezerve etmeyi kolaylaştırır. Şehir planlamacıları, bu verileri daha iyi yol düzenleri tasarlamak, etkili park düzenlemelerini uygulamak ve şehirleri daha verimli ve gezinmesi daha kolay hale getiren yeni park tesisleri geliştirmek için kullanabilir.

‍

Kendiniz deneyin: YOLOv8 kullanarak park yönetimi

Artık park yönetimi ve avantajları hakkında net bir anlayışa sahip olduğumuza göre, vizyon tabanlı bir park yönetim sistemini nasıl oluşturabileceğinize dalalım. Araçları tespit etmek, park yerlerini izlemek ve doluluk durumlarını belirlemek için YOLOv8 modelini kullanacağız.

Bu örnekte, bir otoparkın video veya kamera akışını kullanabilirsiniz. Lütfen bu örneğin desteklediği maksimum görüntü boyutunun 1920 * 1080 olduğunu unutmayın. Başlamadan önce, bu sistemin doğru araç tespiti ve önceden tanımlanmış park yeri koordinatlarına dayandığını unutmayın. 

Kamera kalibrasyonu ve çevresel faktörler, alan tespiti ve doluluk durumunun doğruluğunu etkileyebilir. İşlem hızı ve doğruluğu da GPU'nuzun performansına bağlı olarak değişebilir.

Adım 1: Ultralytics paketini yükleyerek başlayalım. Komut isteminizi veya terminalinizi açın ve aşağıdaki komutu yürütün.

pip install ultralytics

Kurulum süreciyle ilgili ayrıntılı talimatlar ve en iyi uygulamalar için Ultralytics Kurulum kılavuzumuza bakın. YOLOv8 için gerekli paketleri yüklerken herhangi bir sorunla karşılaşırsanız, yaygın sorunlar kılavuzumuz çözümler ve faydalı ipuçları sunar.

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

from ultralytics import solutions
solutions.ParkingPtsSelection()

Aşağıda gösterildiği gibi, bu kodu çalıştırdığınızda bir kullanıcı arayüzü açılacaktır. Bir otoparkın giriş videosundan bir kare veya ekran görüntüsü alın ve yükleyin. Park yerlerinin etrafına sınırlayıcı kutular çizdikten sonra, kaydetme seçeneğine tıklayın. Seçtiğiniz park yeri bilgileri ‘bounding_boxes.json’ adlı bir JSON dosyasına kaydedilecektir.

‍

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

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

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

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 başlatın.

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: Ardından, son 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, park yeri tespiti için Ultralytics YOLOv8 modelini kullanarak park yönetim sistemini başlatıyoruz.

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

Adım 8: Şimdi, işleme için video dosyasını kare kare inceliyoruz. Hiçbir kare okunmazsa, döngü kırılacaktır.

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

Adım 9: Döngünün içinde, JSON dosyasından önceden seçilmiş park bölgelerini çıkaracak ve YOLOv8 modelini kullanarak karedeki nesneleri izleyeceğiz.

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

Adım 10: Döngünün bu bölümü, izleme 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 bölümü, mevcut kareyi açıklamalarla birlikte 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 bırakıp tüm pencereleri yok edebiliriz.

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

Adım 13: Script'inizi kaydedin. Terminalinizden veya komut isteminizden çalışıyorsanız, aşağıdaki komutu kullanarak script'i çalıştırın:

python your_script_name.py

Kod hakkında daha fazla bilgi edinmek isterseniz Ultralytics'in resmi belgelerine göz atmaktan çekinmeyin.

Otomatik bir otopark yönetim sisteminin zorlukları

Akıllı park sistemleri hem sürücülere hem de işletmelere birçok avantaj sunar. Ancak, bu tür çözümleri uygulamadan önce dikkate alınması gereken bazı zorluklar da sunarlar. Bunlardan bazılarına bir göz atalım.

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

Akıllı park sistemlerinin geleceği

Gelecekteki yenilikçi park yönetimi, genel park deneyimini iyileştirmek ve sürdürülebilirliği desteklemek için AI, sürücüsüz arabalar ve sanal gerçeklik gibi en son teknolojileri kullanmakla ilgili olacaktır. Bu sistemlerle entegre edildiğinde, sürücüsüz arabalar 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 dolaşmasından kaynaklanan karbon emisyonlarını da azaltırlar.

Park etme sıkıntılarına son

Ultralytics YOLOv8 gibi AI modelleri ve bilgisayarlı görü, otoparkınızı dönüştürebilir. Size zaman kazandıran ve emisyonları azaltan, park yeri arayışını önemli ölçüde azaltırlar. Bu akıllı park yönetimi sistemleri, tıkanıklık, yasa dışı park ve sürücülerin yaşadığı hayal kırıklığı gibi yaygın sorunların üstesinden gelir. Başlangıçta bir yatırım olsa da, uzun vadeli faydaları önemlidir. Akıllı park sistemlerine yatırım yapmak, sürdürülebilir şehirler ve herkes için daha sorunsuz bir park deneyimi yaratmanın anahtarıdır.

Yapay zeka hakkında daha fazla bilgi edinmek ister misiniz? Topluluğumuza katılın! GitHub depomuzu keşfederek, sağlık hizmetleri ve tarım gibi çeşitli sektörlerde yenilikçi çözümler oluşturmak için yapay zekayı nasıl kullandığımız hakkında daha fazla bilgi edinin. Bizimle işbirliği yapın, yenilikler yapın ve öğrenin! 🚀