Ultralytics YOLOv8 더 스마트한 주차 관리 시스템을 위해

특히 늦을 때 주차 공간을 찾기 위해 빙빙 돌며 운전하는 것은 스트레스가 될 수 있습니다. 주차할 곳을 찾는 기존의 방식은 지루하고 시간이 많이 걸릴 수 있습니다. 하지만 인공지능(AI)과 컴퓨터 비전으로 구동되는 주차 관리 시스템을 사용하면 훨씬 더 간편해질 수 있습니다. 주차 가능 여부를 보다 예측 가능하게 만들고 교통 혼잡을 줄일 수 있습니다.

이 글에서는 인공 지능과 컴퓨터 비전으로 주차 관리 시스템을 업그레이드하는 방법에 대해 알아보세요. 또한 단계별 코딩 예제를 통해 컴퓨터 비전 지원 주차 관리 시스템을 만들기 위해 Ultralytics YOLOv8 모델을 사용하여 컴퓨터 비전 지원 주차 관리 시스템을 만드는 방법도 단계별 코딩 예제를 통해 보여드립니다. 바로 시작해 보겠습니다!

기존 주차장 관리의 문제점

AI로 강화된 스마트 주차 관리 시스템에 대해 논의하기 전에 기존 주차 관리 시스템의 문제점을 살펴봅시다.

기존 시스템의 가장 큰 문제점은 주차 공간의 과밀화로, 주차장에 주차할 수 있는 공간보다 더 많은 차량이 주차되어 있다는 것입니다. 공간을 찾는 데 시간을 낭비하는 것 외에도 혼잡은 과도한 연료 소비와 대기 오염으로 이어집니다. 또 다른 문제는 운전자의 스트레스입니다. 한 설문조사에 따르면 약 27%의 사람들이 주차 공간을 찾는 데 30분 이상을 소비한다고 합니다. 또한 43%의 사람들이 주차 공간을 두고 낯선 사람과 말다툼을 벌인 경험이 있다고 인정했습니다.

‍

주차장 관리가 쉬워지는 AI

AI와 통합된 주차장은 기존의 주차 관리 시스템이 직면한 문제를 해결하는 것을 목표로 합니다. Ultralytics YOLOv8 모델과 같은 컴퓨터 비전 모델과 고화질 카메라는 주차장을 모니터링하고 사용 가능한 주차 공간과 점유 중인 주차 공간에 대한 실시간 업데이트를 받을 수 있습니다. 

어떻게 작동하나요? 컴퓨터 비전 모델은 고화질 카메라의 영상을 분석하여 차량을 감지하고, 움직임을 추적하고, 사용 가능한 주차 공간을 식별할 수 있습니다. Ultralytics YOLOv8 모델은 객체 감지 및 객체 추적과 같은 컴퓨터 비전 작업을 지원하며, 비디오 피드 내에서 차량을 정확하게 식별하고 분류할 수 있습니다. 이 시스템은 감지된 차량의 위치를 미리 정의된 주차 공간과 비교하여 주차 공간의 점유 여부를 판단할 수 있습니다.

‍

비전 기반 시스템의 주차 가능 여부에 대한 정보는 다양한 애플리케이션으로 통합 및 확장할 수 있습니다:

• 모바일 앱: 모바일 애플리케이션은 실시간 주차 가능 여부를 표시하고 운전자가 주차 가능한 장소를 빠르고 쉽게 찾을 수 있도록 도와줍니다.
• 디지털 사이니지: 주차장 입구의 디지털 사이니지는 사용 가능한 공간 수를 표시하고 운전자에게 가장 가까운 빈 자리를 안내할 수 있습니다.
• 자동 주차 시스템: 데이터를 사용하여 자동 차단기와 게이트를 제어하여 공간이 비어 있을 때만 진입을 허용하고 가장 가까운 빈 공간으로 운전자를 안내할 수 있습니다.

주차 관리 시스템의 장점

주차 가능 여부에 대한 인사이트는 많은 이점을 제공합니다. 실시간 업데이트를 통해 운전자가 빈 공간으로 바로 이동할 수 있으므로 교통 흐름이 원활해지고 주차 공간을 찾는 데 따른 스트레스를 줄일 수 있습니다. 운영자의 경우, 공간 사용 현황을 파악하면 주차장을 더 잘 관리하고 실시간 모니터링을 통해 보안을 강화하며 사고에 신속하게 대응할 수 있습니다.

주차 기능을 자동화하면 수작업의 필요성을 줄여 비용을 절감할 수 있습니다. AI 시스템을 사용하면 모바일 또는 웹 앱을 통해 주차 공간을 쉽게 예약할 수 있으며, 운전자는 주차 가능 여부에 대한 알림을 받아 시간과 비용을 절약할 수 있습니다. 도시 계획가는 이 데이터를 사용하여 더 나은 도로 배치를 설계하고, 효과적인 주차 규정을 시행하며, 도시를 더 효율적이고 쉽게 탐색할 수 있는 새로운 주차 시설을 개발할 수 있습니다.

‍

직접 체험해 보세요: 다음을 사용한 주차 관리 YOLOv8

이제 주차 관리와 그 장점을 명확히 이해했으니 비전 기반 주차 관리 시스템을 구축하는 방법에 대해 자세히 알아보겠습니다. 우리는 YOLOv8 모델을 사용하여 차량을 감지하고, 주차 공간을 모니터링하고, 점유 상태를 확인하겠습니다.

이 예에서는 주차장의 비디오 또는 카메라 스트림을 사용할 수 있습니다. 이 예제에서 지원되는 최대 이미지 크기는 1920 * 1080입니다. 시작하기 전에 이 시스템은 정확한 차량 감지와 사전 정의된 주차 공간 좌표에 의존한다는 점을 기억하세요. 

카메라 보정 및 환경적 요인은 공간 감지 및 재실 상태의 정확도에 영향을 미칠 수 있습니다. 처리 속도와 정확도 또한 GPU 성능에 따라 달라질 수 있습니다.

1단계: Ultralytics 패키지를 설치하는 것으로 시작하겠습니다. 명령 프롬프트 또는 터미널을 열고 다음 명령을 실행합니다.

pip install ultralytics

설치 과정에 대한 자세한 지침과 모범 사례는 Ultralytics 설치 가이드를 참조하세요. YOLOv8 에 필요한 패키지를 설치하는 동안 문제가 발생하는 경우 일반적인 문제 가이드에서 해결 방법과 유용한 팁을 확인하세요.

2단계: 영상에서 관심 지역을 표시할 수 있도록 주차 공간을 미리 선택해야 합니다. 이 코드를 실행하여 주차 공간을 미리 선택할 수 있는 사용자 인터페이스를 엽니다.

from ultralytics import solutions
solutions.ParkingPtsSelection()

아래 그림과 같이 이 코드를 실행하면 사용자 인터페이스가 열립니다. 입력한 주차장 동영상의 프레임 또는 스크린샷을 찍어 업로드합니다. 주차 공간 주위에 경계 상자를 그린 후 저장 옵션을 클릭합니다. 선택한 주차 공간 정보가 'bounding_boxes.json'이라는 JSON 파일에 저장됩니다.

‍

3단계: 이제 주차 관리를 위한 메인 코드로 넘어갑니다. 먼저 필요한 모든 라이브러리를 가져오고 2단계에서 만든 JSON 파일을 초기화합니다.

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

4단계: 입력된 비디오 파일을 읽고 비디오 파일이 성공적으로 열렸는지 확인하기 위해 VideoCapture 객체를 만듭니다.

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

5단계: 너비, 높이, 초당 프레임 수 등 필요한 모든 동영상 속성을 초기화합니다.

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

6단계: 다음으로, 최종 처리된 동영상 파일을 저장할 VideoWriter 객체를 만들 수 있습니다.

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

7단계: 여기에서 주차 공간 감지를 위해 Ultralytics YOLOv8 모델을 사용하여 주차 관리 시스템을 초기화합니다.

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

8단계: 이제 처리를 위해 비디오 파일을 프레임 단위로 살펴봅니다. 읽은 프레임이 없으면 루프가 중단됩니다.

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

9단계: 루프 내에서 JSON 파일에서 미리 선택된 주차 구역을 추출하고 YOLOv8 모델을 사용하여 프레임의 객체를 추적합니다.

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

10단계: 루프의 이 부분에서는 추적 결과를 처리하고 감지된 객체의 경계 상자 좌표와 클래스 레이블을 얻습니다.

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)

11단계: 루프의 마지막 부분에서는 현재 프레임을 주석과 함께 표시하고 처리된 프레임을 출력 비디오 파일 "주차 관리.avi"에 기록합니다.

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

12단계: 마지막으로 VideoCapture 및 VideoWriter 객체를 해제하고 모든 창을 삭제할 수 있습니다.

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

13단계: 스크립트 저장하기. 터미널 또는 명령 프롬프트에서 작업하는 경우 다음 명령을 사용하여 스크립트를 실행합니다:

python your_script_name.py

코드가 성공적으로 실행되면 출력 비디오 파일은 다음과 같이 표시됩니다:

‍

코드에 대해 자세히 알아보려면 Ultralytics' 공식 문서를 참조하세요.

자동 주차장 관리 시스템의 과제

지능형 주차 시스템은 운전자와 기업 모두에게 많은 이점을 제공합니다. 그러나 이러한 솔루션을 구현하기 전에 고려해야 할 몇 가지 과제도 있습니다. 그 중 몇 가지를 살펴보겠습니다.

• 개인정보 보호 우려: 이러한 시스템은 개인의 차량 제조사 및 모델, 차량 번호판 번호, 출입 시간 등의 정보를 수집합니다.
• 높은 설치 비용: 센서, 카메라, 자동 발권기, AI 소프트웨어는 설치 비용이 많이 들 수 있습니다. 
• 유지 관리 요구 사항: 유지 관리 주기는 AI 시스템에 따라 다르지만 대부분의 시스템은 매월 유지 관리가 필요합니다.

스마트 주차 시스템의 미래

미래의 혁신적인 주차 관리는 AI, 자율주행차, 가상현실과 같은 최첨단 기술을 활용해 전반적인 주차 경험을 개선하고 지속 가능성을 지원하는 것입니다. 이러한 시스템이 통합되면 자율 주행 차량이 사람의 개입 없이 주차 위치를 탐색하고 주차할 수 있게 됩니다. 또한 이러한 시스템은 기업이 더 많은 주차 공간을 확보하고 여러 앱과 웹사이트를 통해 서비스를 광고하는 데 도움이 됩니다. 또한 운전자가 주차 공간을 찾기 위해 운전하면서 발생하는 탄소 배출량도 줄일 수 있습니다.

주차의 번거로움 끝내기

와 같은 AI 모델 Ultralytics YOLOv8과 같은 AI 모델과 컴퓨터 비전은 주차장을 혁신할 수 있습니다. 주차 공간을 찾기 위해 선회하는 횟수를 획기적으로 줄여 시간을 절약하고 배기가스 배출량을 줄일 수 있습니다. 이러한 스마트 주차 관리 시스템은 교통 혼잡, 불법 주차, 운전자 불만과 같은 일반적인 문제를 해결합니다. 초기 투자가 필요하지만 장기적으로 얻을 수 있는 이점은 상당합니다. 스마트 주차에 대한 투자는 지속 가능한 도시를 만들고 모두에게 더 원활한 주차 경험을 제공하기 위한 핵심 요소입니다.

AI에 대해 더 자세히 알고 싶으신가요? 커뮤니티와 소통하세요! 의료, 농업 등 다양한 산업에서 AI를 활용하여 혁신적인 솔루션을 만드는 방법에 대해 자세히 알아보려면 GitHub 리포지토리를 살펴보세요. 함께 협업하고, 혁신하고, 배워보세요! 🚀