Ultralytics YOLOv8 用于更智能的停车管理系统

开车兜圈子找停车位是一件很有压力的事情，尤其是在你要迟到的时候。传统的寻找停车位的方式既乏味又耗时。然而，由人工智能（AI）和计算机视觉驱动的停车管理系统可以让事情变得更简单。它可以使停车位的可用性更可预测，并减少交通拥堵。

在本文中，我们将学习如何利用人工智能和计算机视觉升级停车场管理系统。我们还将通过一个循序渐进的编码示例，向你展示如何使用该 Ultralytics YOLOv8模型来创建一个支持计算机视觉的停车管理系统。让我们直接进入主题！

传统停车场管理的问题

在讨论人工智能增强型智能停车管理系统之前，我们先来看看传统停车管理系统存在的问题。

传统系统的一个主要问题是停车位过于拥挤；停车场的汽车数量多于可用车位。除了浪费寻找车位的时间外，过度拥挤还会导致过多的燃料消耗和空气污染。另一个问题是驾驶员的压力。一项调查显示，约 27% 的人至少要花30 分钟寻找停车位。此外，43% 的人承认曾因停车位问题与陌生人发生口角。

‍

人工智能让停车场管理更轻松

与人工智能相结合的停车场旨在解决传统停车场管理系统所面临的问题。计算机视觉模型（如Ultralytics YOLOv8 模型）和高清摄像头可以监控停车场，并实时更新可用和占用的停车位。 

它是如何工作的？ 计算机视觉模型可以分析高清摄像头拍摄的画面，从而检测车辆、跟踪车辆移动并识别可用停车位。Ultralytics YOLOv8 模型支持对象检测和对象跟踪等计算机视觉任务，能够准确识别视频画面中的车辆并对其进行分类。通过将检测到的车辆位置与预定义的停车位进行比较，系统可以确定停车位是否被占用。

‍

基于视觉的系统所提供的停车位信息可以整合并扩展到不同的应用中：

• 移动应用程序：移动应用程序可以实时显示停车位的可用性，帮助驾驶员快速轻松地找到可用停车位。
• 数字标牌：停车场入口处的数字标牌可以显示可用车位的数量，并引导司机前往最近的空车位。
• 自动停车系统：数据可用于控制自动路障和大门，只有在有空位时才允许进入，并引导驾驶员前往最近的空位。

停车场管理系统的优势

了解停车场的可用性可以带来很多好处。实时更新可帮助驾驶员直接前往开放车位，使交通更加顺畅，减少寻找停车位的压力。对于运营商来说，了解车位的使用情况意味着他们可以更好地管理停车场，通过实时监控提高安全性，并对任何事故做出快速反应。

停车功能自动化可减少对人工的需求，从而降低成本。人工智能系统使通过手机或网络应用程序预订停车位变得更容易，让驾驶员可以收到有关空位的通知，从而节省时间和金钱。城市规划者可以利用这些数据设计出更好的道路布局，执行有效的停车法规，开发新的停车设施，使城市更高效、更容易导航。

‍

亲身体验停车管理YOLOv8

既然我们已经清楚地了解了停车场管理及其优势，那么就让我们深入探讨一下如何建立一个基于视觉的停车场管理系统。我们将使用 YOLOv8 模型来检测车辆、监控停车位并确定其占用状态。

在本示例中，您可以使用停车场的视频或摄像机数据流。请注意，本示例支持的最大图像尺寸为 1920 * 1080。在开始之前，请记住本系统依赖于精确的车辆检测和预定义的停车位坐标。 

摄像机校准和环境因素会影响空间检测和占用状态的准确性。处理速度和准确性也可能因GPU 的性能而异。

步骤 1：首先安装Ultralytics 软件包。打开命令提示符或终端，执行以下命令。

pip install ultralytics

有关安装过程的详细说明和最佳实践，请参阅我们的Ultralytics 安装指南 。如果在安装YOLOv8 所需软件包时遇到任何问题，我们的常见问题指南将提供解决方案和有用的提示。

步骤 2：我们需要预选停车点，以便在镜头中标记出感兴趣的区域。运行这段代码，打开用户界面，预选停车点。

from ultralytics import solutions
solutions.ParkingPtsSelection()

如下图所示，运行该代码后将打开一个用户界面。从输入的停车场视频中截取一帧或截图并上传。在停车点周围绘制边框后，点击保存选项。您选择的停车点信息将保存在一个名为"bounding_boxes.json "的 JSON 文件中。

‍

第 3 步：现在，我们可以进入停车场管理的主代码。首先导入所有需要的库，并初始化我们在第 2 步中创建的 JSON 文件。

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

第 4 步：创建一个 VideoCapture 对象来读取输入的视频文件，并确保视频文件已成功打开。

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

第 5 步：初始化所有需要的视频属性，如宽度、高度和每秒帧数。

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

步骤 6：接下来，我们可以创建一个 VideoWriter 对象来保存最终处理过的视频文件。

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

步骤 7：在此，我们使用Ultralytics YOLOv8 模型对停车管理系统进行初始化，以进行停车点检测。

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

步骤 8：现在，我们逐帧处理视频文件。如果没有读取到任何帧，循环就会中断。

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

步骤 9：在循环中，我们将从 JSON 文件中提取预选的停车区域，并使用YOLOv8 模型跟踪帧中的对象。

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

第 10 步 这部分循环处理跟踪结果，并获得探测到的物体的边界框坐标和类别标签。

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)

步骤 11：循环的最后一部分包括显示当前带注释的帧，并将处理过的帧写入输出视频文件"停车场管理.avi"。

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

步骤 12：最后，我们可以释放 VideoCapture 和 VideoWriter 对象，并销毁所有窗口。

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

第 13 步：保存脚本。如果您在终端或命令提示符下工作，请使用以下命令运行脚本：

python your_script_name.py

如果代码执行成功，输出的视频文件将如下所示：

‍

如果您想了解有关代码的更多信息，请随时查看 Ultralytics' 官方文档。

自动停车场管理系统面临的挑战

智能停车系统为驾驶员和企业提供了许多优势。不过，它们也带来了一些挑战，在实施此类解决方案之前应加以考虑。让我们来看看其中的一些挑战。

• 隐私问题：这些系统收集的信息包括个人汽车的品牌和型号、车牌号、进出时间等。
• 安装成本高：传感器、摄像头、自动售票机和人工智能软件的安装成本可能很高。 
• 维护要求： 维护频率取决于人工智能系统，但大多数系统需要每月维护一次。

智能停车系统的未来

未来的创新型停车管理将是利用人工智能、自动驾驶汽车和虚拟现实等最先进的技术来改善整体停车体验并支持可持续发展。与这些系统集成后，自动驾驶汽车将能够在没有人为干扰的情况下导航到停车地点并停车。这些系统还能帮助企业填补更多停车位，并在多个应用程序和网站上宣传其服务。它们还能减少驾驶员开车四处寻找停车位所产生的碳排放量。

结束停车烦恼

人工智能模型，如 Ultralytics YOLOv8和计算机视觉可以改变你的停车场。 它们大大减少了绕圈寻找停车位的次数，为您节省时间，减少排放。 这些智能停车管理系统可以解决拥堵、违章停车和驾驶员不满等常见问题。虽然初期投资不菲，但长期效益显著。投资智能停车系统是创建可持续发展城市的关键，也是为每个人提供更顺畅停车体验的关键。

想了解更多关于人工智能的信息吗？与 我们的社区联系！浏览我们的 GitHub 存储库 ，详细了解我们如何使用 AI 在 医疗保健 和 农业等各个行业创建创新解决方案。与我们合作、创新和学习！🚀