13. Juni 2024
Das Ultralytics YOLOv8-Modell kann Parkraumbewirtschaftungssysteme intelligenter machen. Lernen Sie, Parkplätze in Echtzeit zu verwalten, um Ihre eigene intelligente Parklösung zu schaffen.
Es kann anstrengend sein, auf der Suche nach einem Parkplatz im Kreis zu fahren, vor allem, wenn man spät dran ist. Die herkömmliche Suche nach einem Parkplatz kann mühsam und zeitraubend sein. Ein Parkraumbewirtschaftungssystem, das auf künstlicher Intelligenz (KI) und Computer Vision basiert, kann die Dinge jedoch einfacher machen. Es kann die Verfügbarkeit von Parkplätzen vorhersehbarer machen und Verkehrsstaus reduzieren.
In diesem Artikel erfahren Sie, wie Sie Parkraumbewirtschaftungssysteme mit künstlicher Intelligenz und Computer Vision aufwerten können. Außerdem zeigen wir Ihnen anhand eines Schritt-für-Schritt-Codierungsbeispiels, wie Sie das Ultralytics YOLOv8-Modell verwenden können, um ein Computer-Vision-fähiges Parkmanagementsystem zu erstellen. Tauchen wir gleich ein!
Bevor wir uns mit KI-gestützten intelligenten Parkraumbewirtschaftungssystemen befassen, sollten wir uns die Probleme mit herkömmlichen Parkraumbewirtschaftungssystemen ansehen.
Ein großes Problem bei herkömmlichen Systemen sind überfüllte Parkplätze; es gibt mehr Autos auf Parkplätzen als verfügbare Plätze. Neben der Zeitverschwendung bei der Suche nach einem Parkplatz führt die Überfüllung zu übermäßigem Kraftstoffverbrauch und Luftverschmutzung. Ein weiteres Problem ist der Stress der Fahrer. Einer Umfrage zufolge verbringen rund 27 % der Menschen mindestens 30 Minuten mit der Suche nach einem Parkplatz. Außerdem gaben 43 % der Befragten zu, dass sie sich mit Fremden wegen eines Parkplatzes streiten.
.png)
Mit KI integrierte Parkplätze sollen die Probleme lösen, mit denen herkömmliche Parkraumbewirtschaftungssysteme zu kämpfen haben. Computer-Vision-Modelle wie das YOLOv8-Modell von Ultralytics und hochauflösende Kameras können Parkplätze überwachen und Echtzeit-Updates zu verfügbaren und belegten Parkplätzen erhalten.
Wie funktioniert das? Ein Computer-Vision-Modell kann das Bildmaterial von High-Definition-Kameras analysieren, um Fahrzeuge zu erkennen, ihre Bewegungen zu verfolgen und freie Parkplätze zu identifizieren. Das YOLOv8-Modell von Ultralytics unterstützt Computer-Vision-Aufgaben wie Objekterkennung und Objektverfolgung und kann Fahrzeuge in einem Video-Feed genau identifizieren und klassifizieren. Durch den Vergleich der erkannten Standorte der Fahrzeuge mit den vordefinierten Parkplätzen kann das System feststellen, ob ein Parkplatz belegt ist oder nicht.
.png)
Die Informationen über die Verfügbarkeit von Parkplätzen aus dem bildgestützten System können in verschiedene Anwendungen integriert und erweitert werden:
Einblicke in die Verfügbarkeit von Parkplätzen können viele Vorteile bieten. Echtzeit-Updates helfen den Fahrern, freie Plätze direkt anzusteuern, was den Verkehrsfluss flüssiger macht und den Stress bei der Parkplatzsuche verringert. Für die Betreiber bedeutet das Wissen über die Auslastung der Parkplätze, dass sie den Parkplatz besser verwalten, die Sicherheit durch Echtzeitüberwachung verbessern und schnell auf Vorfälle reagieren können.
Die Automatisierung von Parkvorgängen senkt die Kosten, indem sie den Bedarf an manueller Arbeit verringert. KI-Systeme erleichtern die Reservierung von Parkplätzen über Mobil- oder Web-Apps, so dass die Fahrer Benachrichtigungen über die Verfügbarkeit erhalten und Zeit und Geld sparen. Stadtplaner können diese Daten nutzen, um bessere Straßenpläne zu entwerfen, wirksame Parkvorschriften durchzusetzen und neue Parkeinrichtungen zu entwickeln, die die Städte effizienter und übersichtlicher machen.
Nachdem wir nun ein klares Verständnis der Parkraumbewirtschaftung und ihrer Vorteile haben, wollen wir uns nun damit beschäftigen, wie Sie ein Vision-basiertes Parkraumbewirtschaftungssystem aufbauen können. Wir werden das YOLOv8-Modell verwenden, um Fahrzeuge zu erkennen, Parkplätze zu überwachen und ihren Belegungsstatus zu bestimmen.
In diesem Beispiel können Sie einen Video- oder Kamerastream eines Parkplatzes verwenden. Bitte beachten Sie, dass die maximal unterstützte Bildgröße in diesem Beispiel 1920 * 1080 beträgt. Bevor wir beginnen, denken Sie daran, dass dieses System auf eine genaue Fahrzeugerkennung und vordefinierte Parkplatzkoordinaten angewiesen ist.
Kamerakalibrierung und Umgebungsfaktoren können die Genauigkeit der Raumerkennung und des Belegungsstatus beeinflussen. Die Verarbeitungsgeschwindigkeit und -genauigkeit kann auch von der Leistung Ihres Grafikprozessors abhängen.
Schritt 1: Beginnen wir mit der Installation des Ultralytics-Pakets. Öffnen Sie Ihre Eingabeaufforderung oder Ihr Terminal und führen Sie den folgenden Befehl aus.
Ausführliche Anweisungen und bewährte Verfahren für den Installationsprozess finden Sie in unserem Ultralytics-Installationshandbuch . Wenn Sie bei der Installation der erforderlichen Pakete für YOLOv8 auf Probleme stoßen, finden Sie in unserem Leitfaden für allgemeine Probleme Lösungen und hilfreiche Tipps.
Schritt 2: Wir müssen eine Vorauswahl von Parkplätzen treffen, damit wir die Bereiche von Interesse in Ihrem Filmmaterial markieren können. Führen Sie diesen Code aus, um die Benutzeroberfläche zur Vorauswahl von Parkplätzen zu öffnen.
Wie unten gezeigt, wird eine Benutzeroberfläche geöffnet, wenn Sie diesen Code ausführen. Nehmen Sie ein Bild oder einen Screenshot von Ihrem Eingabevideo eines Parkplatzes auf und laden Sie es hoch. Nachdem Sie Begrenzungsrahmen um die Parkplätze gezeichnet haben, klicken Sie auf die Option "Speichern". Die von Ihnen ausgewählten Parkplatzinformationen werden in einer JSON-Datei mit dem Namen "bounding_boxes.json" gespeichert .
Schritt 3: Jetzt können wir mit dem Hauptcode für die Parkplatzverwaltung beginnen. Beginnen Sie mit dem Import aller erforderlichen Bibliotheken und der Initialisierung der JSON-Datei, die wir in Schritt 2 erstellt haben.
Schritt 4: Erstellen Sie ein VideoCapture-Objekt, um die Eingabevideodatei zu lesen und sicherzustellen, dass die Videodatei erfolgreich geöffnet wird.
Schritt 5: Initialisieren Sie alle benötigten Videoeigenschaften, wie Breite, Höhe und Bild pro Sekunde.
Schritt 6: Als Nächstes können wir ein VideoWriter-Objekt erstellen, um die endgültige verarbeitete Videodatei zu speichern.
Schritt 7: Hier initialisieren wir das Parkraummanagementsystem mit dem Ultralytics YOLOv8-Modell für die Erkennung von Parkplätzen.
Schritt 8: Nun wird die Videodatei Bild für Bild zur Verarbeitung durchlaufen. Wenn keine Bilder gelesen werden, wird die Schleife unterbrochen.
Schritt 9: Innerhalb der Schleife extrahieren wir die vorausgewählten Parkregionen aus der JSON-Datei und verfolgen die Objekte im Bild mithilfe des YOLOv8-Modells.
Schritt 10: In diesem Teil der Schleife werden die Tracking-Ergebnisse verarbeitet und die Bounding-Box-Koordinaten sowie die Klassenbezeichnungen der erkannten Objekte ermittelt.
Schritt 11: Im letzten Teil der Schleife wird das aktuelle Bild mit Anmerkungen angezeigt und das verarbeitete Bild in die Ausgabevideodatei "parking management.avi" geschrieben .
Schritt 12: Schließlich können wir die Objekte VideoCapture und VideoWriter freigeben und alle Fenster zerstören.
Schritt 13: Speichern Sie Ihr Skript. Wenn Sie mit einem Terminal oder einer Eingabeaufforderung arbeiten, führen Sie das Skript mit dem folgenden Befehl aus:
Wenn der Code erfolgreich ausgeführt wird, sieht Ihre Ausgabedatei wie folgt aus:
.gif)
Wenn Sie mehr über den Code erfahren möchten, können Sie sich die offiziellen Ultralytics-Dokumente ansehen.
Intelligente Parksysteme bieten sowohl für Autofahrer als auch für Unternehmen viele Vorteile. Sie bringen jedoch auch einige Herausforderungen mit sich, die vor der Einführung solcher Lösungen berücksichtigt werden sollten. Werfen wir einen Blick auf einige von ihnen.
Bei der innovativen Parkraumbewirtschaftung der Zukunft wird es darum gehen, modernste Technologien wie KI, selbstfahrende Autos und virtuelle Realität zu nutzen, um das Parkerlebnis insgesamt zu verbessern und die Nachhaltigkeit zu fördern. In Verbindung mit diesen Systemen werden selbstfahrende Autos in der Lage sein, ohne menschliches Zutun zu Parkplätzen zu navigieren und zu parken. Diese Systeme helfen auch Unternehmen, mehr Parkplätze zu besetzen und ihre Dienste über verschiedene Apps und Websites zu bewerben. Sie reduzieren auch die Anzahl der Kohlenstoffemissionen, die von Fahrern auf der Suche nach einem Parkplatz verursacht werden.
KI-Modelle, wie Ultralytics YOLOv8, und Computer Vision können Ihren Parkplatz verändern. Sie reduzieren die Suche nach Parkplätzen drastisch, sparen Zeit und reduzieren Emissionen. Diese intelligenten Parkraumbewirtschaftungssysteme lösen gängige Probleme wie Staus, Falschparken und Fahrerfrust. Auch wenn es sich um eine Anfangsinvestition handelt, sind die langfristigen Vorteile beträchtlich. Die Investition in intelligentes Parken ist der Schlüssel zur Schaffung nachhaltiger Städte und eines reibungsloseren Parkens für alle.
Möchten Sie mehr über AI erfahren? Verbinden Sie sich mit unserer Community! Entdecken Sie unser GitHub-Repository, um mehr darüber zu erfahren, wie wir KI einsetzen, um innovative Lösungen in verschiedenen Branchen wie dem Gesundheitswesen und der Landwirtschaft zu entwickeln. Arbeiten Sie mit uns zusammen, entwickeln Sie Innovationen und lernen Sie mit uns! 🚀
