使用 Ultralytics YOLO11 的停车场管理 🚀

Q: How does Ultralytics YOLO11 enhance parking management systems?

Ultralytics YOLO11 通过提供实时车辆检测和监控，极大地增强了停车管理系统。这可以优化停车位的使用，减少拥堵，并通过持续监控提高安全性。 停车管理系统 能够实现高效的交通流量，最大限度地减少停车场内的空闲时间和排放，从而为环境可持续性做出贡献。有关更多详细信息，请参阅停车管理代码工作流程。

Q: Can I customize the YOLO11 model for specific parking management needs?

是的，Ultralytics YOLO11 允许针对特定的停车管理需求进行定制。您可以调整参数，例如已占用和可用区域的颜色、文本显示的边距等等。利用 ParkingManagement 类的参数，您可以定制模型以满足您的特定要求，从而确保最高的效率和有效性。

什么是停车管理系统？

通过组织空间和监控可用性，使用 Ultralytics YOLO11 进行停车场管理可确保高效和安全的停车。YOLO11 可以通过实时车辆检测和对停车位占用情况的洞察来改善停车场管理。

观看： 如何使用 Ultralytics YOLO 🚀 实现停车管理

停车管理系统的优势？

效率: 停车场管理优化了停车位的使用并减少了拥堵。
安全保障：使用 YOLO11 进行停车管理，通过监控和安全措施提高人员和车辆的安全性。
减少排放：使用 YOLO11 的停车管理系统可管理交通流量，从而最大限度地减少停车场内的怠速时间和排放。

实际应用

停车场管理系统	停车场管理系统

使用 Ultralytics YOLO11 进行停车场管理鸟瞰	使用 Ultralytics YOLO11 的停车场管理顶视图

停车场管理系统代码工作流程

点选择现在很容易

在停车管理系统中，选择停车点是一项至关重要且复杂的任务。Ultralytics通过提供一个工具“停车位注释器”来简化此过程，该工具允许您定义停车场区域，这些区域稍后可用于其他处理。

步骤 1： 从您要管理的停车场的视频或摄像头流中捕获一帧。

步骤 2： 使用提供的代码启动图形界面，您可以在其中选择图像并通过鼠标单击开始勾勒停车区域轮廓以创建多边形。

停车位标注器 Ultralytics YOLO

安装的附加步骤 tkinter

一般来说， tkinter 已预先打包 python。但是，如果未打包，您可以使用以下突出显示的步骤安装它：

Linux:（Debian/Ubuntu）： sudo apt install python3-tk
Fedora: sudo dnf install python3-tkinter
架构: sudo pacman -S tk
Windows: 重新安装 python 并启用复选框 tcl/tk and IDLE 在 可选功能 安装期间
MacOS: 从以下位置重新安装 python https://www.python.org/downloads/macos/ 或 brew install python-tk

Python

from ultralytics import solutions

solutions.ParkingPtsSelection()

第三步： 使用多边形定义停车区域后，单击 save 将包含数据在内的 JSON 文件存储到您的工作目录中。

Ultralytics YOLO11 点选择演示

步骤 4： 现在，您可以利用提供的代码，通过 Ultralytics YOLO 进行停车管理。

使用 Ultralytics YOLO 进行停车管理

Python

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` 参数

这是一个包含以下内容的表格 ParkingManagement 参数：

参数	类型	默认值	描述
`model`	`str`	`None`	Ultralytics YOLO 模型文件的路径。
`json_file`	`str`	`None`	包含所有停车坐标数据的 JSON 文件路径。

字段 ParkingManagement 解决方案允许使用多个 track 参数：

参数	类型	默认值	描述
`tracker`	`str`	`'botsort.yaml'`	指定要使用的跟踪算法，例如： `bytetrack.yaml` 或 `botsort.yaml`.
`conf`	`float`	`0.3`	设置检测的置信度阈值；较低的值允许跟踪更多对象，但可能包含误报。
`iou`	`float`	`0.5`	设置用于过滤重叠检测的 Intersection over Union (IoU) 阈值。
`classes`	`list`	`None`	按类别索引过滤结果。例如， `classes=[0, 2, 3]` 仅跟踪指定的类别。
`verbose`	`bool`	`True`	控制跟踪结果的显示，提供被跟踪对象的可视化输出。
`device`	`str`	`None`	指定用于推理的设备（例如， `cpu`, `cuda:0` 或 `0`）。允许用户在 CPU、特定 GPU 或其他计算设备之间进行选择，以执行模型。

此外，支持以下可视化选项：

参数	类型	默认值	描述
`show`	`bool`	`False`	可视化参数： `True`，则在窗口中显示带注释的图像或视频。这对于开发或测试期间的即时视觉反馈非常有用。
`line_width`	`None or int`	`None`	指定边界框的线条宽度。如果 `None`，则线条宽度会根据图像大小自动调整。提供视觉自定义以提高清晰度。

常见问题

Ultralytics YOLO11 如何增强停车管理系统？

Ultralytics YOLO11 通过提供实时车辆检测和监控，极大地增强了停车管理系统。这可以优化停车位的使用，减少拥堵，并通过持续监控提高安全性。停车管理系统能够实现高效的交通流量，最大限度地减少停车场内的空闲时间和排放，从而为环境可持续性做出贡献。有关更多详细信息，请参阅停车管理代码工作流程。