Ultralytics YOLOv8 для более умных 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 может зависеть от производительности твоего GPU.

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

1<pre style="width: 75%;">
2<code>
3pip install ultralytics
4</code>
5</pre>

‍

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.

1<pre style="width: 75%;">
2<code>
3from ultralytics import solutions
4solutions.ParkingPtsSelection()
5</code>
6</pre>

‍

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.

1<pre style="width: 75%;">
2<code>
3import cv2
4from ultralytics import solutions
5polygon_json_path = "bounding_boxes.json"
6</code>
7</pre>

‍

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

1<pre style="width: 75%;">
2<code>
3cap = cv2.VideoCapture("Path/to/video/file.mp4")
4assert cap.isOpened(), "Error reading video file"
5</code>
6</pre>

‍

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

1<pre style="width: 75%;">
2<code>
3w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH,
4cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
5</code>
6</pre>

‍

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

1<pre style="width: 75%;">
2<code>
3video_writer = cv2.VideoWriter("parking management.avi", 
4cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h)) 
5</code>
6</pre>

‍

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

1<pre style="width: 80%;">
2<code>
3management = solutions.ParkingManagement(model_path="yolov8n.pt")  
4</code>
5</pre>

‍

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

1<pre style="width: 75%;">
2<code>
3while cap.isOpened():
4  ret, im0 = cap.read()
5  if not ret:
6    break
7</code>
8</pre>

‍

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

1<pre style="width: 85%;">
2<code>
3json_data = management.parking_regions_extraction(polygon_json_path)   
4results = management.model.track(im0, persist=True, show=False)
5</code>
6</pre>

‍

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

1<pre style="width: 75%;">
2<code>
3if results[0].boxes.id is not None:
4  boxes = results[0].boxes.xyxy.cpu().tolist()
5  clss = results[0].boxes.cls.cpu().tolist()
6  management.process_data(json_data, im0, boxes, clss)
7</code>
8</pre>
9

‍

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

1<pre style="width: 75%;">
2<code>
3management.display_frames(im0)
4video_writer.write(im0)
5</code>
6</pre>

‍

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

1<pre style="width: 75%;">
2<code>
3cap.release()
4video_writer.release()
5cv2.destroyAllWindows()
6</code>
7</pre>

‍

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

1<pre style="width: 75%;">
2<code>
3python your_script_name.py
4</code>
5</pre>

‍

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! 🚀