Найти свободное место на парковке — непростая задача. Даже трудно управлять этими участками, если входящий трафик сильно варьируется. Какие места в данный момент свободны? Во сколько нам нужно больше игровых автоматов? Трудно ли пассажирам добраться до определенного слота? Какая машина где припаркована? Кто припарковал машину? Также есть бесплатные стоянки у метро в Москве.
Для персонала это громоздкое и подверженное ошибкам упражнение. Даже если персоналу помогают установить барьеры для стрел и билетную консоль, в лучшем случае это дает общее представление о реальной заполняемости на местах.
Одним из подходов к этой проблеме может быть использование видеозаписей с камер видеонаблюдения для определения занятости парковки в режиме реального времени с помощью глубокого обучения.
Подход и архитектура
Маркировка заполняемости парковочного места-это двухэтапный процесс. Во-первых, мы должны найти парковочное место в поле зрения. Во-вторых, мы должны определить, занят ли слот.
Один из подходов состоит в том, чтобы решить проблему с помощью грубой силы и вручную пометить все слоты. Однако каждый раз, когда камера перемещается, перемещается или масштабируется, трудоемкий процесс приходится повторять для нового положения камеры.
Второй подход может заключаться в использовании белой линии парковки в качестве ориентира для слота. Мы могли бы применить хитрый фильтр и преобразование Хоу, чтобы использовать и обнаруживать полигоны. Однако не все парковки имеют белую полосу. Даже те, которые были отключены, запись с камеры, сделанная примерно в 6 метрах над землей, будет скрыта припаркованными автомобилями. Так что, если мы не используем беспилотник для съемки кадров сверху, это тоже не сильно поможет.
Мы могли бы использовать сами стационарные автомобили, чтобы найти парковочные места. Через несколько дней, отсняв кадры с парковки, мы, скорее всего, обнаружим, что в какой-то момент все места были заняты автомобилями. Обнаружение неподвижного автомобиля на кадрах является хорошим показателем фактического местоположения парковочного места. Конечно, во время въезда/выезда автомобилей из щели будет наблюдаться движение. Но это шумы, на которые мы можем не обращать внимания.
После определения парковочных мест все, что остается, — это определить, присутствует ли автомобиль или отсутствует в новом кадре. Это простая проблема классификации в обрезанном изображении парковочного места. Мы можем запустить его в режиме реального времени (~ 1 с) на рабочих столах, которые принимают поток камеры.
