Ultralytics YOLOv8 для интеллектуальных систем управления парковкой

Ездить кругами в поисках места для парковки может быть стрессом, особенно когда ты опаздываешь. Традиционный способ поиска места для парковки может быть утомительным и отнимать много времени. Однако система управления парковкой, основанная на искусственном интеллекте (ИИ) и компьютерном зрении, может сделать все проще. Она может сделать доступность парковки более предсказуемой и уменьшить количество пробок на дорогах.

В этой статье мы узнаем, как модернизировать системы управления парковками с помощью искусственного интеллекта и компьютерного зрения. Мы также рассмотрим пошаговый пример кодирования, чтобы показать тебе, как ты можешь использовать Ultralytics YOLOv8 модель для создания системы управления парковкой с помощью компьютерного зрения. Давай погрузимся с головой!

Проблемы с традиционным управлением парковкой

Прежде чем мы обсудим интеллектуальные системы управления парковкой с поддержкой ИИ, давай рассмотрим проблемы традиционных систем управления парковкой.

Основная проблема традиционных систем - переполненность парковочных мест; машин на парковках больше, чем свободных мест. Помимо того, что ты тратишь время на поиски места, переполненность приводит к перерасходу топлива и загрязнению воздуха. Еще одна проблема - стресс водителя. Согласно опросу, около 27% людей тратят не менее 30 минут на поиски парковочных мест. Кроме того, 43% людей признались, что вступали в словесные споры с незнакомцами из-за парковочных мест.

‍

ИИ упрощает управление парковкой

Парковки, интегрированные с искусственным интеллектом, призваны решить проблемы, с которыми сталкиваются традиционные системы управления парковками. Модели компьютерного зрения вроде моделиUltralytics YOLOv8 и камеры высокого разрешения могут следить за парковками и в реальном времени получать информацию о свободных и занятых местах. 

Как это работает? Модель компьютерного зрения может анализировать видеозаписи с камер высокой четкости, чтобы обнаруживать автомобили, отслеживать их перемещения и определять свободные места для парковки. Модель Ultralytics YOLOv8 поддерживает такие задачи компьютерного зрения, как обнаружение и отслеживание объектов, и может точно идентифицировать и классифицировать автомобили в видеоматериале. Сравнивая обнаруженные местоположения автомобилей с заранее определенными парковочными местами, система может определить, занято ли парковочное место или нет.

‍

Информация о наличии парковок, полученная с помощью системы, основанной на зрении, может быть интегрирована и расширена в различные приложения:

• Мобильные приложения: Мобильные приложения могут отображать наличие парковок в реальном времени и помогать водителям быстро и легко находить свободные места.
• Цифровые вывески: Цифровые знаки на въездах на парковку могут показывать количество свободных мест и направлять водителей к ближайшему свободному месту.
• Автоматизированные парковочные системы: Полученные данные можно использовать для управления автоматическими шлагбаумами и воротами, разрешая въезд только при наличии свободных мест и направляя водителей к ближайшему свободному месту.

Преимущества системы управления парковкой

Информация о наличии парковок может дать множество преимуществ. Обновления в реальном времени помогают водителям направиться прямо к свободным местам, что делает движение более плавным и снижает стресс, связанный с поиском парковки. Для операторов понимание того, как используются места, означает, что они могут лучше управлять парковкой, повысить безопасность с помощью мониторинга в реальном времени и быстро реагировать на любые инциденты.

Автоматизация функций парковки сокращает расходы за счет уменьшения необходимости в ручном труде. Системы искусственного интеллекта упрощают резервирование парковочных мест через мобильные или веб-приложения, позволяя водителям получать уведомления о наличии свободных мест и экономя время и деньги. Градостроители могут использовать эти данные для проектирования лучшей планировки дорог, обеспечения соблюдения эффективных правил парковки и разработки новых парковочных комплексов, которые сделают города более эффективными и удобными для навигации.

‍

Попробуй сам: Управление парковкой с помощью YOLOv8

Теперь, когда мы имеем четкое представление об управлении парковкой и ее преимуществах, давай погрузимся в то, как ты можешь построить систему управления парковкой на основе видения. Мы будем использовать YOLOv8 модель для обнаружения автомобилей, мониторинга парковочных мест и определения статуса их заполненности.

В этом примере ты можешь использовать поток видео или камеры с парковки. Обрати внимание, что максимальный поддерживаемый размер изображения в этом примере - 1920 * 1080. Прежде чем мы начнем, помни, что эта система полагается на точное обнаружение автомобиля и заранее заданные координаты парковочного места. 

Калибровка камеры и факторы окружающей среды могут повлиять на точность определения пространства и статуса заполненности. Скорость и точность обработки данных также могут зависеть от производительности твоего графического процессора.

Шаг 1: Начнем с установки пакета Ultralytics . Открой командную строку или терминал и выполни следующую команду.

pip install ultralytics

Обратись к нашему руководству по установкеUltralytics , чтобы получить подробные инструкции и лучшие практики по процессу установки. Если у тебя возникнут какие-либо проблемы при установке необходимых пакетов для YOLOv8, в нашем руководстве по общим проблемам ты найдешь решения и полезные советы.

Шаг 2: Нам нужно предварительно выбрать места для парковки, чтобы мы могли отметить интересующие нас области на твоих кадрах. Запусти этот код, чтобы открыть пользовательский интерфейс для предварительного выбора парковочных мест.

from ultralytics import solutions
solutions.ParkingPtsSelection()

Как показано ниже, при запуске этого кода откроется пользовательский интерфейс. Сделай кадр или скриншот входного видео с парковкой и загрузи его. После того как ты нарисуешь ограничительные рамки вокруг парковочных мест, нажми на опцию сохранения. Информация о выбранных тобой парковочных местах будет сохранена в JSON-файле под названием 'bounding_boxes.json'.

‍

Шаг 3: Теперь мы можем перейти к основному коду для управления парковкой. Начни с импорта всех необходимых библиотек и инициализации JSON-файла, который мы создали в шаге 2.

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

Шаг 4: Создай объект VideoCapture для чтения входного видеофайла и убедись, что видеофайл успешно открыт.

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

Шаг 5: Инициализируй все необходимые свойства видео, такие как ширина, высота и частота кадров в секунду.

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

Шаг 6: Далее мы можем создать объект VideoWriter, чтобы сохранить окончательно обработанный видеофайл.

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

Шаг 7: Здесь мы инициализируем систему управления парковкой с помощью модели Ultralytics YOLOv8 для обнаружения парковочных мест.

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

Шаг 8: Теперь мы проходим через видеофайл, кадр за кадром, для обработки. Если ни один кадр не будет прочитан, цикл прервется.

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

Шаг 9: Внутри цикла мы извлечем из JSON-файла заранее выбранные регионы парковки и отследим объекты в кадре с помощью модели YOLOv8 .

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

Шаг 10: В этой части цикла обрабатываются результаты отслеживания и получаются координаты ограничительной рамки и метки классов обнаруженных объектов.

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)

Шаг 11: Последняя часть цикла включает в себя отображение текущего кадра с аннотациями и запись обработанного кадра в выходной видеофайл "управление парковкой.avi".

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

Шаг 12: Наконец, мы можем освободить объекты VideoCapture и VideoWriter и уничтожить все окна.

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

Шаг 13: Сохрани свой скрипт. Если ты работаешь из терминала или командной строки, запусти скрипт, используя следующую команду:

python your_script_name.py

Если код будет выполнен успешно, то твой выходной видеофайл будет выглядеть так:

‍

Не стесняйся заглянуть в Ultralytics' официальную документацию, если хочешь узнать больше о коде.

Проблемы автоматизированной системы управления парковкой

Интеллектуальные парковочные системы дают множество преимуществ как водителям, так и предприятиям. Однако они также представляют собой несколько проблем, которые следует учитывать, прежде чем внедрять подобные решения. Давай рассмотрим некоторые из них.

• Проблемы с конфиденциальностью: Эти системы собирают такую информацию, как марка и модель машины человека, номерной знак, время въезда и выезда и т.д.
• Высокая стоимость установки: Датчики, камеры, автоматы по продаже билетов и программное обеспечение с искусственным интеллектом могут быть дорогими в установке. 
• Требования к обслуживанию: Частота обслуживания зависит от системы ИИ, но большинство систем требуют ежемесячного обслуживания.

Будущее умных парковочных систем

Инновационное управление парковками в будущем будет заключаться в использовании самых современных технологий, таких как искусственный интеллект, самодвижущиеся автомобили и виртуальная реальность, чтобы улучшить общий опыт парковки и поддержать устойчивое развитие. При интеграции с этими системами самодвижущиеся автомобили смогут без вмешательства человека ориентироваться в местах парковки и парковаться. Эти системы также помогают предприятиям заполнять больше парковочных мест и рекламировать свои услуги через многочисленные приложения и веб-сайты. Кроме того, они уменьшают количество выбросов углекислого газа, которые происходят из-за того, что водители ездят по городу в поисках места для парковки.

Устранение проблем с парковкой

Модели искусственного интеллекта, такие как Ultralytics YOLOv8и компьютерное зрение, могут преобразить твою парковку. Они значительно сокращают количество кругов в поисках места, экономят твое время и уменьшают количество вредных выбросов. Эти умные системы управления парковкой решают такие распространенные проблемы, как заторы, незаконная парковка и разочарование водителей. Несмотря на первоначальные вложения, долгосрочные выгоды будут значительными. Инвестиции в умные парковки - это ключ к созданию устойчивых городов и более гладкого парковочного опыта для всех.

Хотите узнать больше об искусственном интеллекте? Присоединяйтесь к нашему сообществу! Изучите наш репозиторий GitHub , чтобы узнать больше о том, как мы используем ИИ для создания инновационных решений в различных отраслях, таких как здравоохранение и сельское хозяйство. Сотрудничайте, внедряйте инновации и учитесь вместе с нами! 🚀