使用Ultralytics YOLO11进行停车管理 🚀
什么是停车管理系统？
通过Ultralytics YOLO11进行停车管理，确保了停车的高效性和安全性，通过组织空间和监控可用性来实现。YOLO11通过实时车辆检测和停车占用率的洞察，可以改善停车场的管理。
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。
- 安全与保障: 使用YOLO11进行停车管理通过监控和安全措施提高了人员和车辆的安全性。
- 减少排放: 使用YOLO11进行停车管理通过管理交通流量，减少了停车场内的空闲时间和排放。
实际应用
| 停车管理系统 | 停车管理系统 |
|---|---|
 |
 |
| 使用Ultralytics YOLO11进行停车管理空中视图 | 使用Ultralytics YOLO11进行停车管理顶视图 |
停车管理系统代码工作流程
选择点
点选择现在变得简单
在停车管理系统中，选择停车点是一个关键且复杂的任务。Ultralytics通过提供一个工具简化了这一过程，该工具允许您定义停车场区域，这些区域可以在后续处理中使用。
- 从视频或摄像头流中捕获您想要管理停车场的帧。
- 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点击开始绘制停车区域的多边形。
图像尺寸
支持的最大图像尺寸为1920 * 1080
- 在用多边形定义停车区域后，点击
保存以在您的工作目录中存储包含数据的JSON文件。
停车管理的Python代码
使用YOLO11进行停车管理示例
```python import cv2
from ultralytics import solutions
视频捕获
cap = cv2.VideoCapture("Path/to/video/file.mp4") assert cap.isOpened(), "错误读取视频文件" w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
视频写入器
video_writer = cv2.VideoWriter("parking management.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
初始化停车管理对象
parking_manager = solutions.ParkingManagement( model="yolo11n.pt", # 模型文件路径 json_file="bounding_boxes.json", # 停车注释文件路径 )
while cap.isOpened(): ret, im0 = cap.read() if not ret: break
``` im0 = parking_manager.process_data(im0) video_writer.write(im0)
cap.release() video_writer.release() cv2.destroyAllWindows() ```
可选参数 ParkingManagement
| 名称 | 类型 | 默认值 | 描述 |
|---|---|---|---|
model |
str |
None |
YOLO11 模型的路径。 |
json_file |
str |
None |
包含所有停车位坐标数据的 JSON 文件路径。 |
occupied_region_color |
tuple |
(0, 0, 255) |
占用区域的 RGB 颜色。 |
available_region_color |
tuple |
(0, 255, 0) |
可用区域的 RGB 颜色。 |
参数 model.track
| 参数 | 类型 | 默认值 | 描述 |
|---|---|---|---|
source |
str |
None |
指定图像或视频的源目录。支持文件路径和URL。 |
persist |
bool |
False |
启用帧间对象的持续跟踪，在视频序列中保持ID一致。 |
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；较低的值允许更多对象被跟踪，但可能包含误报。 |
iou |
float |
0.5 |
设置用于过滤重叠检测的交并比 (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，提供被跟踪对象的视觉输出。 |
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。这使得停车位的使用得到优化，减少了拥堵，并通过持续监控提高了安全性。停车管理系统 实现了高效的交通流量，减少了停车场内的空闲时间和排放，从而有助于环境的可持续性。更多详情，请参阅停车管理代码工作流程。
使用 Ultralytics YOLO11 进行智能停车的优势是什么？
使用 Ultralytics YOLO11 进行智能停车带来了诸多优势：
- 效率：优化停车位的使用并减少拥堵。
- 安全和保障：增强监控并确保车辆和行人的安全。
- 环境影响：通过减少车辆空闲时间来帮助减少排放。更多优势详情可参见停车管理系统的优势。
如何使用 Ultralytics YOLO11 定义停车位？
使用 Ultralytics YOLO11 定义停车位非常简单：
- 从视频或摄像头流中捕获一帧。
- 使用提供的代码启动一个 GUI，用于选择图像并绘制多边形以定义停车位。
- 将标记的数据以 JSON 格式保存以供进一步处理。有关详细说明，请查看点的选择部分。
我可以为特定的停车管理需求定制 YOLO11 模型吗？
是的，Ultralytics YOLO11 允许为特定的停车管理需求进行定制。您可以调整诸如占用和可用区域颜色、文本显示的边距等参数。利用 ParkingManagement 类的可选参数，您可以根据特定需求定制模型，确保最大效率和有效性。
Ultralytics YOLO11 在停车场管理中有哪些实际应用？
Ultralytics YOLO11 在停车场管理中有多种实际应用，包括：
- 停车位检测：准确识别可用和占用的停车位。
- 监控：通过实时监控增强安全性。
- 交通流量管理：通过高效处理交通减少空闲时间和拥堵。展示这些应用的图像可以在实际应用中找到。
