Parkraummanagement mit Ultralytics YOLO11 🚀
Was ist ein Parkraumbewirtschaftungssystem?
Parkraummanagement mit Ultralytics YOLO11 sorgt für effizientes und sicheres Parken durch die Organisation von Plätzen und die Überwachung der Verfügbarkeit. YOLO11 kann die Parkplatzverwaltung durch die Erkennung von Fahrzeugen in Echtzeit und Einblicke in die Parkbelegung verbessern.
Beobachten: Umsetzung der Parkraumbewirtschaftung mit Ultralytics YOLO 🚀
Vorteile eines Parkraummanagementsystems?
- Effizienz: Die Parkraumbewirtschaftung optimiert die Nutzung von Parkplätzen und reduziert Staus.
- Sicherheit und Schutz: Die Parkraumbewirtschaftung mit YOLO11 verbessert die Sicherheit von Personen und Fahrzeugen durch Überwachungs- und Sicherheitsmaßnahmen.
- Geringere Emissionen: Die Parkraumbewirtschaftung mit YOLO11 steuert den Verkehrsfluss, um Leerlaufzeiten und Emissionen auf Parkplätzen zu minimieren.
Anwendungen in der realen Welt
Parkraum-Management-System | Parkraum-Management-System |
---|---|
![]() |
![]() |
Parkraumbewirtschaftung Luftaufnahme mit Ultralytics YOLO11 | Parkraumbewirtschaftung Draufsicht mit Ultralytics YOLO11 |
Parkraumbewirtschaftungssystem Code Workflow
Punkteauswahl ist jetzt einfach
Die Auswahl von Parkplätzen ist eine kritische und komplexe Aufgabe in Parkraumbewirtschaftungssystemen. Ultralytics rationalisiert diesen Prozess durch die Bereitstellung des Tools "Parking slots annotator", mit dem Sie Parkplatzbereiche definieren können, die später für die weitere Bearbeitung verwendet werden können.
Schritt 1: Erfassen Sie ein Bild aus dem Video- oder Kamerastream, in dem Sie den Parkplatz verwalten möchten.
Schritt 2: Verwenden Sie den bereitgestellten Code, um eine grafische Oberfläche zu starten, in der Sie ein Bild auswählen und per Mausklick Parkbereiche umreißen können, um Polygone zu erstellen.
Parklücken Annotator Ultralytics YOLO
Zusätzlicher Schritt für die Installation tkinter
Im Allgemeinen, tkinter
wird bereits mit Python ausgeliefert. Sollte dies nicht der Fall sein, können Sie es mit den hervorgehobenen Schritten installieren:
- Linux(Debian/Ubuntu):
sudo apt install python3-tk
- Fedora:
sudo dnf install python3-tkinter
- Arch:
sudo pacman -S tk
- Windows: Installieren Sie Python neu und aktivieren Sie das Kontrollkästchen
tcl/tk and IDLE
auf Optionale Merkmale bei der Installation - MacOS: Python neu installieren von https://www.python.org/downloads/macos/ oder
brew install python-tk
Schritt 3: Nachdem Sie die Parkflächen mit Polygonen definiert haben, klicken Sie auf save
um eine JSON-Datei mit den Daten in Ihrem Arbeitsverzeichnis zu speichern.
Schritt 4: Sie können nun den bereitgestellten Code für die Parkplatzverwaltung mit Ultralytics YOLO verwenden.
Parkraummanagement mit Ultralytics YOLO
import cv2
from ultralytics import solutions
# Video capture
cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"
# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("parking management.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
# Initialize parking management object
parkingmanager = solutions.ParkingManagement(
model="yolo11n.pt", # path to model file
json_file="bounding_boxes.json", # path to parking annotations file
)
while cap.isOpened():
ret, im0 = cap.read()
if not ret:
break
results = parkingmanager(im0)
# print(results) # access the output
video_writer.write(results.plot_im) # write the processed frame.
cap.release()
video_writer.release()
cv2.destroyAllWindows() # destroy all opened windows
ParkingManagement
Argumente
Hier ist eine Tabelle mit den ParkingManagement
Argumente:
Argument | Typ | Standard | Beschreibung |
---|---|---|---|
model |
str |
None |
Pfad zur Ultralytics YOLO . |
json_file |
str |
None |
Pfad zu der JSON-Datei, die alle Daten zu den Parkkoordinaten enthält. |
Die ParkingManagement
Lösung ermöglicht die Verwendung mehrerer track
Parameter:
Argument | Typ | Standard | Beschreibung |
---|---|---|---|
tracker |
str |
'botsort.yaml' |
Gibt den zu verwendenden Verfolgungsalgorithmus an, z. B., bytetrack.yaml oder botsort.yaml . |
conf |
float |
0.3 |
Legt die Konfidenzschwelle für Erkennungen fest; niedrigere Werte ermöglichen die Verfolgung von mehr Objekten, können aber auch zu falsch positiven Ergebnissen führen. |
iou |
float |
0.5 |
Legt den Schwellenwert für die Überschneidung über die Vereinigung (IoU) zum Filtern von überlappenden Erkennungen fest. |
classes |
list |
None |
Filtert die Ergebnisse nach Klassenindex. Zum Beispiel, classes=[0, 2, 3] verfolgt nur die angegebenen Klassen. |
verbose |
bool |
True |
Steuert die Anzeige der Verfolgungsergebnisse und liefert eine visuelle Ausgabe der verfolgten Objekte. |
device |
str |
None |
Gibt das Gerät für die Inferenz an (z.B., cpu , cuda:0 oder 0 ). Ermöglicht dem Benutzer die Auswahl zwischen CPU, einem bestimmten GPU oder anderen Rechengeräten für die Modellausführung. |
Außerdem werden die folgenden Visualisierungsoptionen unterstützt:
Argument | Typ | Standard | Beschreibung |
---|---|---|---|
show |
bool |
False |
Wenn True zeigt die kommentierten Bilder oder Videos in einem Fenster an. Nützlich für sofortiges visuelles Feedback während der Entwicklung oder des Testens. |
line_width |
None or int |
None |
Gibt die Linienbreite von Begrenzungsrahmen an. Wenn None wird die Linienbreite automatisch an die Bildgröße angepasst. Bietet visuelle Anpassung für Klarheit. |
FAQ
Wie verbessert Ultralytics YOLO11 die Parkraumbewirtschaftungssysteme?
Ultralytics YOLO11 verbessert die Parkraumbewirtschaftungssysteme erheblich, indem es die Erkennung und Überwachung von Fahrzeugen in Echtzeit ermöglicht. Dies führt zu einer optimierten Nutzung von Parkplätzen, weniger Staus und mehr Sicherheit durch kontinuierliche Überwachung. Das Parkraum-Management-System ermöglicht einen effizienten Verkehrsfluss, minimiert Leerlaufzeiten und Emissionen auf Parkplätzen und trägt so zur ökologischen Nachhaltigkeit bei. Weitere Einzelheiten finden Sie im Arbeitsablauf des Parkraummanagement-Codes.
Was sind die Vorteile der Nutzung von Ultralytics YOLO11 für intelligentes Parken?
Die Nutzung von Ultralytics YOLO11 für intelligentes Parken bringt zahlreiche Vorteile mit sich:
- Effizienz: Optimiert die Nutzung von Parkplätzen und vermindert Staus.
- Sicherheit und Schutz: Verbessert die Überwachung und gewährleistet die Sicherheit von Fahrzeugen und Fußgängern.
- Umweltverträglichkeit: Hilft bei der Reduzierung von Emissionen durch Minimierung der Leerlaufzeiten von Fahrzeugen. Weitere Einzelheiten zu den Vorteilen finden Sie hier.
Wie kann ich mit Ultralytics YOLO11 Parkplätze definieren?
Die Definition von Parkplätzen ist mit Ultralytics YOLO11 ganz einfach:
- Erfassen Sie ein Bild aus einem Video- oder Kamerastream.
- Verwenden Sie den mitgelieferten Code, um eine grafische Benutzeroberfläche zur Auswahl eines Bildes und zum Zeichnen von Polygonen zur Definition von Parkplätzen zu starten.
- Speichern Sie die beschrifteten Daten im JSON-Format zur weiteren Verarbeitung. Ausführliche Anweisungen finden Sie im Abschnitt "Auswahl der Punkte" weiter oben.
Kann ich das Modell YOLO11 für spezielle Anforderungen an die Parkraumbewirtschaftung anpassen?
Ja, Ultralytics YOLO11 ermöglicht die Anpassung an spezifische Anforderungen der Parkraumbewirtschaftung. Sie können Parameter wie die belegte und verfügbare Farben der Region, Ränder für die Textanzeige und vieles mehr. Unter Verwendung der ParkingManagement
Die Klasse Argumentekönnen Sie das Modell an Ihre speziellen Anforderungen anpassen und so ein Maximum an Effizienz und Effektivität gewährleisten.
Welche praktischen Anwendungen gibt es für Ultralytics YOLO11 in der Parkraumbewirtschaftung?
Ultralytics YOLO11 wird in verschiedenen realen Anwendungen für die Parkraumbewirtschaftung eingesetzt, darunter:
- Erkennung von Parkplätzen: Genaue Erkennung von freien und belegten Parkplätzen.
- Überwachen: Verbesserung der Sicherheit durch Echtzeitüberwachung.
- Management des Verkehrsflusses: Verringerung von Leerlaufzeiten und Staus durch effiziente Verkehrsabwicklung. Bilder, die diese Anwendungen veranschaulichen, finden sich in realen Anwendungen.