Ultralytics YOLOv8 per sistemi di gestione dei parcheggi più intelligenti

Può essere stressante girare in tondo alla ricerca di un parcheggio, soprattutto quando sei in ritardo. Il modo tradizionale di cercare un posto per parcheggiare può essere noioso e richiede molto tempo. Tuttavia, un sistema di gestione dei parcheggi basato sull'intelligenza artificiale (AI) e sulla computer vision può semplificare le cose. Può rendere la disponibilità di parcheggio più prevedibile e ridurre la congestione del traffico.

In questo articolo scopriremo come migliorare i sistemi di gestione dei parcheggi con l'intelligenza artificiale e la computer vision. Inoltre, ti mostreremo un esempio di codifica passo dopo passo per mostrarti come puoi utilizzare il modello Ultralytics YOLOv8 per creare un sistema di gestione dei parcheggi abilitato alla visione artificiale. Tuffiamoci subito nel vivo!

Problemi con la gestione tradizionale dei parcheggi

Prima di parlare dei sistemi di gestione dei parcheggi intelligenti potenziati dall'intelligenza artificiale, analizziamo i problemi dei sistemi di gestione dei parcheggi tradizionali.

Uno dei problemi principali dei sistemi tradizionali è il sovraffollamento dei parcheggi: ci sono più auto nei parcheggi che spazi disponibili. Oltre a far perdere tempo alla ricerca di un posto, il sovraffollamento porta a un consumo eccessivo di carburante e all'inquinamento atmosferico. Un altro problema è lo stress del conducente. Secondo un sondaggio, circa il 27% delle persone trascorre almeno 30 minuti alla ricerca di un parcheggio. Inoltre, il 43% delle persone ha ammesso di aver avuto discussioni verbali con estranei per i posti auto.

‍

L'intelligenza artificiale rende più semplice la gestione dei parcheggi

I parcheggi integrati con l'intelligenza artificiale mirano a risolvere i problemi che i sistemi tradizionali di gestione dei parcheggi devono affrontare. Modelli di computer vision come il modelloUltralytics YOLOv8 e telecamere ad alta definizione possono monitorare i parcheggi e ottenere aggiornamenti in tempo reale sui posti auto disponibili e occupati. 

Come funziona? Un modello di computer vision è in grado di analizzare i filmati delle telecamere ad alta definizione per rilevare i veicoli, seguirne i movimenti e identificare i posti auto disponibili. Il modello Ultralytics YOLOv8 supporta attività di computer vision come il rilevamento e il tracciamento degli oggetti ed è in grado di identificare e classificare con precisione i veicoli all'interno di un flusso video. Confrontando le posizioni rilevate dei veicoli con i posti auto predefiniti, il sistema può determinare se un posto auto è occupato o meno.

‍

Le informazioni sulla disponibilità di parcheggio ottenute dal sistema di visione possono essere integrate ed estese a diverse applicazioni:

• Applicazioni mobili: Le applicazioni mobili possono visualizzare la disponibilità di parcheggio in tempo reale e aiutare gli automobilisti a trovare i posti disponibili in modo semplice e veloce.
• Segnaletica digitale: I cartelli digitali all'ingresso dei parcheggi possono mostrare il numero di posti disponibili e indirizzare gli automobilisti verso il posto libero più vicino.
• Sistemi di parcheggio automatizzati: I dati possono essere utilizzati per controllare barriere e cancelli automatizzati, consentendo l'ingresso solo quando ci sono posti disponibili e guidando gli automobilisti verso il posto libero più vicino.

I vantaggi di un sistema di gestione dei parcheggi

Le informazioni sulla disponibilità di parcheggio possono offrire molti vantaggi. Gli aggiornamenti in tempo reale aiutano gli automobilisti a raggiungere direttamente i posti liberi, rendendo il traffico più scorrevole e riducendo lo stress di trovare parcheggio. Per gli operatori, capire come vengono utilizzati gli spazi significa poter gestire meglio il parcheggio, migliorare la sicurezza con un monitoraggio in tempo reale e rispondere rapidamente a eventuali incidenti.

L'automazione delle funzioni di parcheggio riduce i costi grazie alla diminuzione del lavoro manuale. I sistemi di intelligenza artificiale rendono più facile la prenotazione dei posti auto tramite app mobile o web, consentendo agli automobilisti di ricevere notifiche sulla disponibilità e di risparmiare tempo e denaro. Gli urbanisti possono utilizzare questi dati per progettare strade migliori, applicare norme di parcheggio efficaci e sviluppare nuove strutture di parcheggio che rendano le città più efficienti e facili da navigare.

‍

Prova tu stesso: Gestione dei parcheggi con YOLOv8

Ora che abbiamo una chiara comprensione della gestione dei parcheggi e dei suoi vantaggi, vediamo come costruire un sistema di gestione dei parcheggi basato sulla visione. Utilizzeremo il YOLOv8 modello per rilevare i veicoli, monitorare i parcheggi e determinare il loro stato di occupazione.

In questo esempio, puoi utilizzare il flusso di un video o di una telecamera di un parcheggio. Tieni presente che la dimensione massima dell'immagine supportata in questo esempio è 1920 * 1080. Prima di iniziare, ricorda che questo sistema si basa sul rilevamento accurato dei veicoli e sulle coordinate predefinite del parcheggio. 

La calibrazione della telecamera e i fattori ambientali possono influire sull'accuratezza del rilevamento dello spazio e dello stato di occupazione. La velocità di elaborazione e la precisione possono variare anche in base alle prestazioni della tua GPU.

Passo 1: iniziamo installando il pacchetto Ultralytics . Apri il prompt dei comandi o il terminale ed esegui il seguente comando.

pip install ultralytics

Consulta la nostra guida all'installazione diUltralytics per istruzioni dettagliate e buone pratiche sul processo di installazione. Se dovessi riscontrare dei problemi durante l'installazione dei pacchetti necessari per YOLOv8, la nostra guida ai problemi comuni offre soluzioni e consigli utili.

Fase 2: Dobbiamo preselezionare i punti di parcheggio in modo da poter contrassegnare le aree di interesse nelle riprese. Esegui questo codice per aprire l'interfaccia utente per preselezionare i punti di parcheggio.

from ultralytics import solutions
solutions.ParkingPtsSelection()

Come mostrato di seguito, quando esegui questo codice si aprirà un'interfaccia utente. Scatta un fotogramma o uno screenshot del video di un parcheggio e caricalo. Dopo aver disegnato dei riquadri di delimitazione intorno ai punti di parcheggio, clicca sull'opzione di salvataggio. Le informazioni sui posti auto selezionati verranno salvate in un file JSON chiamato "bounding_boxes.json".

‍

Passo 3: ora possiamo passare al codice principale per la gestione dei parcheggi. Inizia importando tutte le librerie necessarie e inizializzando il file JSON che abbiamo creato nel passaggio 2.

import cv2
from ultralytics import solutions
polygon_json_path = "bounding_boxes.json"

Passo 4: creare un oggetto VideoCapture per leggere il file video in ingresso e assicurarsi che il file video venga aperto correttamente.

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

Passo 5: inizializzare tutte le proprietà video necessarie, come la larghezza, l'altezza e i fotogrammi al secondo.

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

Fase 6: Successivamente, possiamo creare un oggetto VideoWriter per salvare il file video finale elaborato.

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

Fase 7: qui inizializziamo il sistema di gestione dei parcheggi con il modello Ultralytics YOLOv8 per il rilevamento dei punti di parcheggio.

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

Fase 8: A questo punto, esaminiamo il file video, fotogramma per fotogramma, per elaborarlo. Se non vengono letti fotogrammi, il ciclo si interrompe.

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

Fase 9: All'interno del ciclo, estrarremo le regioni di parcheggio preselezionate dal file JSON e seguiremo gli oggetti nel fotogramma utilizzando il modello YOLOv8 .

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

Passo 10: Questa parte del ciclo elabora i risultati del tracciamento e ottiene le coordinate del rettangolo di selezione e le etichette di classe degli oggetti rilevati.

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)

Fase 11: L'ultima parte del ciclo prevede la visualizzazione del fotogramma corrente con le annotazioni e la scrittura del fotogramma elaborato nel file video di output "parking management.avi".

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

Passo 12: Infine, possiamo rilasciare gli oggetti VideoCapture e VideoWriter e distruggere le finestre.

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

Passo 13: Salva lo script. Se stai lavorando dal tuo terminale o dal prompt dei comandi, esegui lo script con il seguente comando:

python your_script_name.py

Se il codice viene eseguito correttamente, il file video in uscita avrà il seguente aspetto:

‍

Non esitare a consultare i documenti ufficiali di Ultralytics se vuoi saperne di più sul codice.

Le sfide di un sistema di gestione automatizzata dei parcheggi

I sistemi di parcheggio intelligenti offrono molti vantaggi sia agli automobilisti che alle aziende. Tuttavia, presentano anche alcune sfide che devono essere prese in considerazione prima di implementare queste soluzioni. Vediamone alcune.

• Problemi di privacy: Questi sistemi raccolgono informazioni come la marca e il modello dell'auto di un individuo, il numero di targa, l'ora di entrata e di uscita, ecc.
• Alto costo di installazione: Sensori, telecamere, biglietterie automatiche e software di intelligenza artificiale possono essere costosi da installare. 
• Requisiti di manutenzione: La frequenza della manutenzione dipende dal sistema AI, ma la maggior parte dei sistemi richiede una manutenzione mensile.

Il futuro dei sistemi di parcheggio intelligenti

La gestione innovativa dei parcheggi del futuro prevede l'utilizzo di tecnologie all'avanguardia come l'intelligenza artificiale, le auto a guida autonoma e la realtà virtuale per migliorare l'esperienza complessiva del parcheggio e sostenere la sostenibilità. Se integrate con questi sistemi, le auto a guida autonoma saranno in grado di navigare verso i parcheggi senza interferenze umane e di parcheggiare. Questi sistemi aiutano anche le aziende a riempire più posti auto e a pubblicizzare i loro servizi su diverse app e siti web. Inoltre, riducono il numero di emissioni di anidride carbonica prodotte dagli automobilisti che vanno in giro alla ricerca di un posto auto.

Fine dei problemi di parcheggio

I modelli di intelligenza artificiale, come Ultralytics YOLOv8e la computer vision possono trasformare il tuo parcheggio. Riducono drasticamente i giri per trovare posto, facendoti risparmiare tempo e riducendo le emissioni. Questi sistemi di gestione intelligente dei parcheggi affrontano problemi comuni come la congestione, i parcheggi abusivi e la frustrazione degli automobilisti. Sebbene ci sia un investimento iniziale, i benefici a lungo termine sono significativi. Investire in parcheggi intelligenti è fondamentale per creare città sostenibili e un'esperienza di parcheggio più agevole per tutti.

Vuoi saperne di più sull'IA? Entra in contatto con la nostra comunità! Esplora il nostro repository GitHub per saperne di più su come stiamo utilizzando l'IA per creare soluzioni innovative in vari settori come l'assistenza sanitaria e l'agricoltura. Collabora, innova e impara con noi! 🚀