Ultralytics YOLOv8 Daha Akıllı Otopark Yönetim Sistemleri için

Özellikle de geç kalıyorsanız, park yeri bulmak için daireler çizerek dolaşmak stresli olabilir. Park edecek bir yer aramanın geleneksel yolu sıkıcı ve zaman alıcı olabilir. Ancak, yapay zeka (AI) ve bilgisayar görüşü tarafından yönlendirilen bir park yönetim sistemi işleri daha basit hale getirebilir. Park yerini daha öngörülebilir hale getirebilir ve trafik sıkışıklığını azaltabilir.

Bu makalede, park yönetim sistemlerinin yapay zeka ve bilgisayar görüşü ile nasıl geliştirileceğini öğreneceğiz. Ayrıca, yapay zekayı nasıl kullanabileceğinizi göstermek için adım adım bir kodlama örneğinden geçeceğiz. Ultralytics YOLOv8 bilgisayar görüşü destekli bir park yönetim sistemi oluşturmak için bir model. Hadi hemen başlayalım!

Geleneksel Otopark Yönetimiyle İlgili Sorunlar

Yapay zeka ile geliştirilmiş akıllı park yönetim sistemlerini tartışmadan önce, geleneksel park yönetim sistemleriyle ilgili sorunlara bakalım.

Geleneksel sistemlerin en büyük sorunlarından biri aşırı kalabalık park alanlarıdır; otoparklarda mevcut alanlardan daha fazla araç bulunmaktadır. Yer aramak için zaman kaybının yanı sıra, aşırı kalabalık aşırı yakıt tüketimine ve hava kirliliğine yol açmaktadır. Bir diğer sorun da sürücü stresidir. Bir araştırmaya göre, insanların yaklaşık %27'si en az 30 dakikalarını park yeri aramakla geçiriyor. Ayrıca, insanların %43'ü park yeri yüzünden yabancılarla sözlü tartışmaya girdiklerini itiraf etmiştir.

‍

Yapay Zeka Otopark Yönetimini Kolaylaştırıyor

Yapay zeka ile entegre edilmiş otoparklar, geleneksel park yönetim sistemlerinin karşılaştığı sorunları çözmeyi amaçlamaktadır. Ultralytics YOLOv8 modeli gibi bilgisayarla görme modelleri ve yüksek çözünürlüklü kameralar otoparkları izleyebilir ve mevcut ve dolu park yerleri hakkında gerçek zamanlı güncellemeler alabilir. 

Bu nasıl çalışıyor? Bir bilgisayarla görme modeli, araçları tespit etmek, hareketlerini izlemek ve mevcut park yerlerini belirlemek için yüksek çözünürlüklü kameralardan alınan görüntüleri analiz edebilir. Ultralytics YOLOv8 modeli, nesne algılama ve nesne izleme gibi bilgisayarla görme görevlerini destekler ve bir video akışı içindeki araçları doğru bir şekilde tanımlayabilir ve sınıflandırabilir. Sistem, araçların tespit edilen konumlarını önceden tanımlanmış park yerleri ile karşılaştırarak bir park yerinin dolu olup olmadığını belirleyebilir.

‍

Görüntü tabanlı sistemden elde edilen park yeri kullanılabilirliği hakkındaki bilgiler farklı uygulamalara entegre edilebilir ve genişletilebilir:

• Mobil Uygulamalar: Mobil uygulamalar gerçek zamanlı park yeri durumunu görüntüleyebilir ve sürücülerin boş yerleri hızlı ve kolay bir şekilde bulmalarına yardımcı olabilir.
• Dijital Tabela: Otopark girişlerindeki dijital tabelalar boş yer sayısını gösterebilir ve sürücüleri en yakın boş yere yönlendirebilir.
• Otomatik Park Sistemleri: Veriler, otomatik bariyerleri ve kapıları kontrol etmek için kullanılabilir, yalnızca boş yer olduğunda girişe izin verir ve sürücüleri en yakın boş noktaya yönlendirir.

Otopark Yönetim Sisteminin Avantajları

Park yeri mevcudiyetine ilişkin bilgiler birçok avantaj sağlayabilir. Gerçek zamanlı güncellemeler sürücülerin doğrudan açık alanlara gitmesine yardımcı olarak trafik akışını daha akıcı hale getirir ve park yeri bulma stresini azaltır. Operatörler için, alanların nasıl kullanıldığını anlamak, otoparkı daha iyi yönetebilecekleri, gerçek zamanlı izleme ile güvenliği artırabilecekleri ve herhangi bir olaya hızla müdahale edebilecekleri anlamına gelir.

Park işlevlerinin otomatikleştirilmesi, el emeği ihtiyacını azaltarak maliyetleri düşürür. Yapay zeka sistemleri, mobil veya web uygulamaları aracılığıyla park yeri rezerve etmeyi kolaylaştırarak sürücülerin müsaitlik durumu hakkında bildirim almasını sağlar ve zamandan ve paradan tasarruf sağlar. Şehir planlamacıları bu verileri daha iyi yol düzenleri tasarlamak, etkili park düzenlemelerini uygulamak ve şehirleri daha verimli ve gezinmesi daha kolay hale getiren yeni park tesisleri geliştirmek için kullanabilir.

‍

Kendiniz Deneyin: Otopark Yönetimi Kullanımı YOLOv8

Artık park yönetimini ve avantajlarını net bir şekilde anladığımıza göre, vizyon tabanlı bir park yönetim sistemini nasıl oluşturabileceğinizi inceleyelim. Kullanacağımız YOLOv8 Araçları tespit etmek, park yerlerini izlemek ve doluluk durumlarını belirlemek için model.

Bu örnekte, bir otoparkın video veya kamera akışını kullanabilirsiniz. Bu örneğin desteklenen maksimum görüntü boyutunun 1920 * 1080 olduğunu lütfen unutmayın. Başlamadan önce, bu sistemin doğru araç tespitine ve önceden tanımlanmış park yeri koordinatlarına dayandığını unutmayın. 

Kamera kalibrasyonu ve çevresel faktörler, alan algılama ve doluluk durumunun doğruluğunu etkileyebilir. İşlem hızı ve doğruluğu GPU'nuzun performansına bağlı olarak da değişebilir.

Adım 1: Ultralytics paketini kurarak başlayalım. Komut isteminizi veya terminalinizi açın ve aşağıdaki komutu çalıştırın.

pip install ultralytics

Kurulum sürecine ilişkin ayrıntılı talimatlar ve en iyi uygulamalar için Ultralytics Kurulum kılavuzumuza bakın. YOLOv8 için gerekli paketleri yüklerken herhangi bir sorunla karşılaşırsanız, genel sorunlar kılavuzumuz çözümler ve yararlı ipuçları sunar.

Adım 2: Çekimlerinizde ilgi alanlarını işaretleyebilmemiz için park noktalarını önceden seçmemiz gerekir. Park noktalarını önceden seçmek üzere kullanıcı arayüzünü açmak için bu kodu çalıştırın.

from ultralytics import solutions
solutions.ParkingPtsSelection()

Aşağıda gösterildiği gibi, bu kodu çalıştırdığınızda bir kullanıcı arayüzü açılacaktır. Bir otoparkın giriş videosunun bir karesini veya ekran görüntüsünü alın ve yükleyin. Park noktalarının etrafına sınırlayıcı kutular çizdikten sonra kaydet seçeneğine tıklayın. Seçtiğiniz park yeri bilgileri 'bounding_boxes.json' adlı bir JSON dosyasına kaydedilecektir.

‍

Adım 3: Şimdi, park yönetimi için ana koda geçebiliriz. Gerekli tüm kütüphaneleri içe aktararak ve 2. adımda oluşturduğumuz JSON dosyasını başlatarak başlayın.

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

Adım 4: Giriş video dosyasını okumak için bir VideoCapture nesnesi oluşturun ve video dosyasının başarıyla açıldığından emin olun.

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

Adım 5: Genişlik, yükseklik ve saniye başına kare gibi gerekli tüm video özelliklerini başlatın.

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

Adım 6: Daha sonra, işlenmiş son video dosyasını kaydetmek için bir VideoWriter nesnesi oluşturabiliriz.

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

Adım 7: Burada, park yeri tespiti için park yönetim sistemini Ultralytics YOLOv8 modeli ile başlatıyoruz.

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

Adım 8: Şimdi, işlemek için video dosyasından kare kare geçiyoruz. Hiçbir kare okunmazsa, döngü kesilecektir.

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

Adım 9: Döngünün içinde, önceden seçilmiş park bölgelerini JSON dosyasından çıkaracağız ve YOLOv8 modelini kullanarak çerçevedeki nesneleri izleyeceğiz.

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

Adım 10: Döngünün bu kısmı izleme sonuçlarını işler ve tespit edilen nesnelerin sınırlayıcı kutu koordinatlarını ve sınıf etiketlerini elde eder.

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)

Adım 11: Döngünün son kısmı, mevcut karenin ek açıklamalarla görüntülenmesini ve işlenen karenin "park yönetimi.avi" çıktı video dosyasına yazılmasını içerir.

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

Adım 12: Son olarak, VideoCapture ve VideoWriter nesnelerini serbest bırakabilir ve tüm pencereleri yok edebiliriz.

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

Adım 13: Komut dosyanızı kaydedin. Terminalinizden veya komut isteminden çalışıyorsanız, aşağıdaki komutu kullanarak komut dosyasını çalıştırın:

python your_script_name.py

Kod başarıyla çalıştırılırsa, çıktı video dosyanız aşağıdaki gibi görünecektir:

‍

Kod hakkında daha fazla bilgi edinmek isterseniz Ultralytics'un resmi dokümanlarına göz atmaktan çekinmeyin.

Otomatik Otopark Yönetim Sisteminin Zorlukları

Akıllı park sistemleri hem sürücülere hem de işletmelere birçok avantaj sunmaktadır. Bununla birlikte, bu tür çözümleri uygulamadan önce dikkate alınması gereken bazı zorluklar da mevcuttur. Şimdi bunlardan bazılarına bir göz atalım.

• Gizlilik Endişeleri: Bu sistemler, bir bireyin aracının markası ve modeli, plaka numarası, giriş ve çıkış zamanı gibi bilgileri toplar.
• Yüksek Kurulum Maliyeti: Sensörler, kameralar, otomatik biletleme makineleri ve yapay zeka yazılımlarının kurulumu pahalı olabilir. 
• Bakım Gereksinimleri: Bakım sıklığı AI sistemine bağlıdır, ancak çoğu sistem aylık bakım gerektirir.

Akıllı Park Sistemlerinin Geleceği

Gelecekte yenilikçi park yönetimi, genel park deneyimini iyileştirmek ve sürdürülebilirliği desteklemek için yapay zeka, sürücüsüz araçlar ve sanal gerçeklik gibi en son teknolojileri kullanmakla ilgili olacaktır. Bu sistemlerle entegre edildiğinde, sürücüsüz araçlar insan müdahalesi olmadan park yerlerine gidebilecek ve park edebilecek. Bu sistemler aynı zamanda işletmelerin daha fazla park yeri doldurmasına ve hizmetlerini birden fazla uygulama ve web sitesinde tanıtmasına yardımcı olur. Ayrıca, park yeri aramak için etrafta dolaşan sürücülerden kaynaklanan karbon emisyonlarının sayısını da azaltırlar.

Park Sorunlarına Son

Yapay zeka modelleri, örneğin Ultralytics YOLOv8ve bilgisayar görüşü otoparkınızı dönüştürebilir. Bu sistemler park yeri bulmak için dolaşmayı önemli ölçüde azaltarak size zaman kazandırır ve emisyonları azaltır. Bu akıllı park yönetim sistemleri sıkışıklık, yasadışı park etme ve sürücü hayal kırıklığı gibi yaygın sorunların üstesinden gelir. Başlangıçta bir yatırım söz konusu olsa da uzun vadede önemli faydalar sağlar. Akıllı park sistemine yatırım yapmak, sürdürülebilir şehirler ve herkes için daha sorunsuz bir park deneyimi yaratmanın anahtarıdır.

Yapay zeka hakkında daha fazla bilgi edinmek ister misiniz? Topluluğumuzla bağlantı kurun! Sağlık ve tarım gibi çeşitli sektörlerde yenilikçi çözümler oluşturmak için yapay zekayı nasıl kullandığımız hakkında daha fazla bilgi edinmek için GitHub havuzumuzu keşfedin. Bizimle işbirliği yapın, yenilik yapın ve öğrenin! 🚀