YOLO Vision 2026：

使用 Ultralytics YOLO26 构建停车场管理系统 🚀#

什么是停车场管理系统？#

使用 Ultralytics YOLO26 构建的停车管理系统可实时检测车辆，以跟踪哪些停车位已被占用或可用，然后报告实时的停车场占用情况。它将 YOLO26 object detection 与 JSON 定义的停车布局相结合，让你可以从单个视频流或摄像头画面监控整个停车场。



Watch: How to Build a Parking Management System with Ultralytics YOLO26 | Real-Time Spot Detection 🚗

停车管理系统的优势#

  • 效率：优化停车位的使用，减少停车场内的拥堵。
  • 安全与安保：通过持续监控提高人员和车辆的安全。
  • 减少排放：管理交通流量，最大限度地减少停车场内的怠速时间和尾气排放。

现实世界应用#

停车管理系统停车管理系统
Parking lots Analytics Using Ultralytics YOLO26Parking management top view using Ultralytics YOLO26
使用 Ultralytics YOLO26 的停车管理航拍视角使用 Ultralytics YOLO26 的停车管理俯视视角

停车管理系统代码工作流#

点位选择现在变得简单了

选择停车点位在停车管理系统中是一项关键且复杂的任务。Ultralytics 提供了一个“停车位标注器”（Parking slots annotator）工具，通过它可以定义停车场区域，从而简化了这一流程，这些区域后续可用于进一步处理。

第1步： 从视频或摄像机流中截取一帧你想要进行停车场管理的图像。

第2步： 使用提供的代码启动图形界面，在界面中你可以选择一张图像，并通过鼠标点击勾勒出停车区域，以创建多边形。

停车位标注器 Ultralytics YOLO
安装 `tkinter` 的额外步骤

通常，tkinter 随 Python 一起预先打包。但是，如果它没有安装，你可以通过以下高亮步骤进行安装：

  • Linux: (Debian/Ubuntu): sudo apt install python3-tk
  • Fedora: sudo dnf install python3-tkinter
  • Arch: sudo pacman -S tk
  • Windows: 重新安装 Python 并在安装过程中的可选功能 (Optional Features) 上勾选复选框 tcl/tk and IDLE
  • MacOS: 从 https://www.python.org/downloads/macos/ 重新安装 Python 或使用 brew install python-tk
from ultralytics import solutions

solutions.ParkingPtsSelection()

第三步： 用多边形定义停车区域后，点击 save 将数据作为 bounding_boxes.json 存储在你的工作目录中——即下方管理脚本加载的文件名。

Ultralytics YOLO26 Points Selection Demo

第四步： 你现在可以使用以下代码运行停车管理 solution。

使用 Ultralytics YOLO 进行停车管理
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="yolo26n.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#

以下是包含 ParkingManagement 参数的表格：

参数类型默认值描述
modelstrNoneUltralytics YOLO 模型文件的路径。
json_filestrNone包含所有停车坐标数据的 JSON 文件路径。

ParkingManagement 解决方案允许使用几个 track 参数：

参数类型默认值描述
trackerstr'tracktrack.yaml'指定要使用的跟踪算法。内置选项：botsort.yaml、bytetrack.yaml、ocsort.yaml、deepocsort.yaml、fasttrack.yaml、tracktrack.yaml。
conffloat0.1设置检测的置信度阈值；较低的值允许跟踪更多的对象，但也可能包含误报。
ioufloat0.7设置用于过滤重叠检测结果的交并比 (IoU) 阈值。
classeslistNone按类别索引过滤结果。例如，classes=[0, 2, 3] 仅跟踪指定的类别。
verboseboolTrue控制跟踪结果的显示，提供被跟踪对象的视觉输出。
devicestrNone指定用于推理的设备（例如 cpu、cuda:0 或 0）。允许用户在 CPU、特定的 GPU 或用于模型执行的其他计算设备之间进行选择。

此外，还支持以下可视化选项：

参数类型默认值描述
showboolFalse如果为 True，则在窗口中显示带注释的图像或视频。对于开发或测试期间的即时视觉反馈非常有用。
line_widthint or NoneNone指定边界框的线条宽度。如果为 None，则线条宽度会根据图像大小自动调整。提供视觉定制以提高清晰度。

常见问题解答#

  • Ultralytics YOLO26 为停车系统提供**实时车辆检测**和监控，通过持续监控优化停车位的使用、减少拥堵并提高安全性。在实时摄像头画面上运行它还有助于管理交通流量并最大限度地减少车辆怠速时间。有关完整设置，请参见停车管理代码工作流。

  • 使用 Ultralytics YOLO26 进行智能停车有许多好处：

    • 效率：优化停车位使用并减少拥堵。
    • 安全与安保：加强监控，确保车辆和行人的安全。
    • 环境影响：通过尽量减少车辆怠速时间来帮助减少排放。在停车管理系统优势部分探索更多益处。

  • 使用 Ultralytics YOLO26 定义停车位非常简单：

    1. 从视频或摄像机流中截取一帧。
    2. 使用提供的代码启动图形界面（GUI），选择图像并绘制多边形以定义停车位。
    3. 将标注好的数据以 JSON 格式保存以便进一步处理。有关完整说明，请查阅上方的点位选择部分。

  • 最具停车场特定性质的设置是 json_file：将其指向你用点标注器创建的停车区域 JSON，以使解决方案适应新的布局。你可以通过其他参数对其进行进一步定制——将 model 设置为自定义训练的检测器，将检测限制在特定的车辆 classes，调整 conf 和 iou 阈值，切换 tracker，使用 line_width 来缩放画面上的标签和占用读数，或者选择推理 device。有关相关的基于区域的监控，请参见对象计数指南。

  • Ultralytics YOLO26 在停车场管理的各种现实应用中都有所利用，包括：

    • 停车位检测：准确识别可用和已占用的停车位。
    • 监控：通过实时监控增强安全性。
    • 交通流管理：通过高效的交通处理减少怠速时间和拥堵。展示这些应用的图片可以在真实世界应用中找到。
贡献者
GLglenn-jocher15RIRizwanMunawar10RAraimbekovm2MAMatthewNoyce2LAlakshanthad1IVIvorZhu3311

评论