Ultralytics YOLOv8 助力打造更智能的停车管理系统

开车绕圈找停车位可能让人心烦意乱，尤其是在你快迟到的时候。传统的找车位方式既繁琐又耗时。不过，由人工智能 (AI) 和计算机视觉驱动的停车管理系统可以让事情变得简单。它可以让停车位是否空闲更容易预测，并减少交通拥堵。

在本文中，我们将学习如何利用人工智能和计算机视觉升级停车管理系统。我们还会逐步讲解一个代码示例，展示如何使用 Ultralytics YOLOv8 模型创建支持计算机视觉的停车管理系统。

传统停车场管理面临的问题#

在讨论 AI 增强型智能停车管理系统之前，我们先来看看传统停车管理系统面临的问题。

传统系统的一大问题是停车位过于拥挤：停车场里的汽车数量超过了可用车位。除了浪费时间寻找车位，车位拥挤还会导致燃油消耗增加和空气污染。另一个问题是驾驶员的压力。根据一项调查，约 27% 的人至少会花 30 分钟寻找停车位。此外，43% 的人承认曾因停车位与陌生人发生口角。

图 1。焦虑的驾驶员。图片来源：Envato Elements。

AI 让停车场管理更轻松#

集成 AI 的停车场旨在解决传统停车管理系统面临的问题。Ultralytics YOLOv8 等计算机视觉模型搭配高清摄像头，可以监控停车场，并实时更新车位的空闲和占用状态。

这是如何实现的？计算机视觉模型可以分析高清摄像头拍摄的画面，检测车辆、跟踪车辆移动，并识别空闲车位。Ultralytics YOLOv8 模型支持目标检测和目标跟踪等计算机视觉任务，能够准确识别视频画面中的车辆并对其分类。通过将检测到的车辆位置与预先定义的停车位进行比较，系统就能判断某个车位是否已被占用。

图 2。YOLOv8 检测停车位。

基于视觉的系统提供的停车位空闲信息，可以集成到不同应用中并进一步拓展：

• 移动应用：移动应用可以显示实时车位信息，帮助驾驶员快速、轻松地找到空闲车位。
• 数字标牌：停车场入口处的数字标牌可以显示空余车位数量，并引导驾驶员前往最近的空位。
• 自动停车系统：这些数据可用于控制自动栏杆和闸门，仅在有空位时允许车辆进入，并引导驾驶员前往最近的空位。

停车管理系统的优势#

了解停车位的空闲情况能带来诸多优势。实时更新可帮助驾驶员直接前往空闲车位，让交通流动更顺畅，也减轻寻找车位的压力。对于运营者来说，了解车位的使用情况有助于更好地管理停车场，通过实时监控加强安保，并迅速应对任何突发事件。

停车功能自动化可以减少对人工的需求，从而降低成本。AI 系统让用户更容易通过移动应用或网页应用预订车位，驾驶员也能收到车位空闲通知，节省时间和金钱。城市规划者可以利用这些数据设计更合理的道路布局、实施有效的停车规定，并建设新的停车设施，让城市运行更高效、出行更方便。

图 3. 通过移动应用预约停车位。

亲自试试：使用 YOLOv8 进行停车管理#

现在，我们已经清楚了解停车管理及其优势，接下来就来看看如何构建基于视觉的停车管理系统。我们将使用 YOLOv8 模型检测车辆、监控停车位并判断车位的占用状态。

在本例中，你可以使用停车场的视频或摄像头流。开始之前请记住，该系统依赖准确的车辆检测和预先定义的停车位坐标。

摄像头校准和环境因素会影响车位检测和占用状态判断的准确性。处理速度和准确性也可能因你的 GPU 性能而异。

步骤 1：首先安装 Ultralytics 软件包。打开命令提示符或终端，然后运行以下命令。

pip install ultralytics

有关安装过程的详细说明和最佳实践，请参阅我们的 Ultralytics 安装指南。如果你在安装 YOLOv8 所需的软件包时遇到问题，我们的常见问题指南提供了解决方案和实用技巧。

步骤 2：我们需要预先选择停车位，以便在你的视频素材中标记感兴趣区域。运行这段代码，打开用于预选停车位的用户界面。

from ultralytics import solutions

solutions.ParkingPtsSelection()

如下所示，运行这段代码后会打开一个用户界面。截取停车场输入视频中的一帧或屏幕截图，然后上传。围绕停车位绘制边界框后，点击保存选项。所选停车位的信息将保存到名为 ‘bounding_boxes.json’ 的 JSON 文件中。

图 4. 在视频素材中选择停车位。

步骤 3：现在，我们来编写停车管理的主要代码。首先导入所需的库，并定义我们在步骤 2 中创建的 JSON 文件路径。

import cv2
from ultralytics import solutions

polygon_json_path = "bounding_boxes.json"

步骤 4：创建一个 VideoCapture 对象来读取输入视频文件，并确保视频文件已成功打开。

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

步骤 5：初始化所需的视频属性，例如宽度、高度和每秒帧数。

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

步骤 6：接下来，我们可以创建一个 VideoWriter 对象来保存最终处理后的视频文件。

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

步骤 7：在这里，我们使用 Ultralytics YOLOv8 模型和保存在 JSON 文件中的停车区域来初始化停车管理系统。

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

步骤 8：现在，我们逐帧处理视频文件。如果没有读取到任何帧，循环就会中断。

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

步骤 9：在循环中，我们将每一帧传递给停车管理对象。它使用 YOLOv8 模型跟踪帧中的车辆，并检查每个预先选定的停车区域是否被占用。

    results = management(im0)

步骤 10：返回结果中包含已占用和可用停车位的数量，你可以将其打印出来或传递给其他应用。

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

步骤 11：循环的最后一部分会将标注后的帧写入输出视频文件 “parking management.avi.”

    video_writer.write(results.plot_im)

步骤 12：最后，我们可以释放 VideoCapture 和 VideoWriter 对象，并关闭所有窗口。

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

步骤 13：保存脚本。如果你在终端或命令提示符中操作，请使用以下命令运行脚本：

python your_script_name.py

如果你想进一步了解这段代码，欢迎查看 Ultralytics 官方文档。

自动化停车场管理系统面临的挑战#

智能停车系统为司机和企业带来了诸多优势。不过，在实施此类解决方案之前，也应考虑它们带来的一些挑战。让我们来看看其中的一些。

• 隐私问题：这些系统会收集个人汽车的品牌和型号、车牌号、进出时间等信息。
• 安装成本高：传感器、摄像头、自动售票机和 AI 软件的安装成本可能很高。
• 维护要求：维护频率取决于 AI 系统，但大多数系统都需要每月维护。

智能停车系统的未来#

未来的创新型停车管理将借助 AI、自动驾驶汽车和虚拟现实等先进技术，改善整体停车体验并支持可持续发展。与这些系统集成后，自动驾驶汽车无需人工干预，就能导航至停车地点并完成停车。这些系统还能帮助企业提高车位利用率，并在多个应用和网站上推广其服务。此外，它们还能减少驾驶员绕行寻找车位所产生的碳排放。

告别停车烦恼#

像 Ultralytics YOLOv8 这样的 AI 模型和计算机视觉可以改变你的停车场管理方式。它们能减少车辆为寻找车位而绕行的情况，为你节省时间并减少排放。这些智能停车管理系统可以应对拥堵、违章停车和驾驶员烦躁等常见问题。虽然前期需要投入资金，但长期收益十分可观。投资智能停车是打造可持续城市、为所有人提供更顺畅停车体验的关键。

想进一步了解 AI？欢迎加入我们的社区！访问我们的 GitHub 仓库，了解我们如何利用 AI 为医疗保健和农业等多个行业打造创新解决方案。和我们一起协作、创新、学习！