Розробка системи моніторингу парковки через відеоаналітику

Втрата часу на пошук місця та низька оборотність — типовий біль, який вирішує система моніторингу парковки на базі відеоаналітики. Ультразвукові датчики вимагають установки на кожне місце і часто виходять з ладу. Ми використовуємо комп'ютерний зір: одна камера покриває до 50 машиномісць, точність визначення зайнятості — 99%. Система працює цілодобово — ІЧ-підсвітка та low-light enhancement, модель навчена на нічних кадрах, що зберігає точність до 97% у темряві. Досвід — 5+ років, 30+ впроваджених проектів. Гарантуємо стабільну роботу та надаємо безкоштовний пілот на одній камері для демонстрації точності. Замовте оцінку вашого проекту — наші інженери зв'яжуться з вами протягом дня.

Проблеми, які вирішує відеоаналітика парковки

Відвідувачі витрачають 10–20 хвилин на пошук вільного місця, що знижує лояльність і пропускну здатність. Відеоаналітика в реальному часі показує кількість вільних місць на кожному поверсі, спрямовуючи водія до найближчого. Ультразвукові та магнітні датчики виходять з ладу раз на 2–3 роки, потребують заміни та калібрування. Камери служать 5–7 років, оновлення ПЗ відбувається віддалено. Відеоаналітика фіксує номери автомобілів, час в'їзду/виїзду, повторні візити — ці дані дозволяють оптимізувати тарифи та планувати завантаження.

Відеоаналітика vs ультразвукові датчики: порівняння

Відеоаналітика не тільки дешевша, але й дає більше даних: номери автомобілів, швидкість руху, час перебування. Це дозволяє оптимізувати роботу парковки та збільшити дохід. Витрати на обслуговування скорочуються до 80% порівняно з ультразвуковими датчиками. > Ultralytics: YOLOv8 демонструє високу точність детекції на різних сценах.

Забезпечення точності визначення зайнятості 99%

Використовуємо алгоритми комп'ютерного зору на базі YOLOv8 (детекція автомобілів) та бібліотеки Ultralytics. Модель навчена на 50 000 розмічених кадрах, включаючи нічні, дощові та снігові сцени. У продакшені застосовуємо постобробку: перевірка центра об'єкта та overlap bounding box з полігоном місця. Фільтр за часом (автомобіль стоїть більше 5 секунд) виключає хибні спрацьовування від проїжджаючих машин. Інференс виконується на NVIDIA GPU з TensorRT, p99 latency не перевищує 150 ms на кадр.

from ultralytics import YOLO
import numpy as np
import cv2
import json

class ParkingMonitor:
    def __init__(self, model_path: str, parking_config_path: str):
        self.detector = YOLO(model_path)  # детекція автомобілів
        self.parking_spaces = self._load_parking_config(parking_config_path)

    def _load_parking_config(self, config_path: str) -> list[dict]:
        """Завантаження конфігурації машиномісць (полігони зон)"""
        with open(config_path) as f:
            config = json.load(f)

        spaces = []
        for space in config['spaces']:
            spaces.append({
                'id': space['id'],
                'polygon': np.array(space['polygon'], dtype=np.int32),
                'zone': space.get('zone', 'default')
            })
        return spaces

    def analyze(self, frame: np.ndarray) -> dict:
        """Визначення зайнятості всіх машиномісць"""
        detections = self.detector(frame, conf=0.4,
                                    classes=[2, 5, 7])  # car, bus, truck

        # Визначаємо центри виявлених ТЗ
        vehicle_centers = []
        for box in detections[0].boxes.xyxy:
            x1, y1, x2, y2 = map(int, box)
            cx, cy = (x1 + x2) // 2, (y1 + y2) // 2
            vehicle_centers.append((cx, cy))

        # Перевіряємо кожне машиномісце
        occupied_spaces = []
        free_spaces = []

        for space in self.parking_spaces:
            occupied = self._is_space_occupied(space['polygon'],
                                                vehicle_centers,
                                                detections[0].boxes.xyxy)
            space_status = {
                'id': space['id'],
                'zone': space['zone'],
                'occupied': occupied
            }

            if occupied:
                occupied_spaces.append(space_status)
            else:
                free_spaces.append(space_status)

        return {
            'total_spaces': len(self.parking_spaces),
            'occupied': len(occupied_spaces),
            'free': len(free_spaces),
            'occupancy_rate': len(occupied_spaces) / max(len(self.parking_spaces), 1),
            'spaces': occupied_spaces + free_spaces
        }

    def _is_space_occupied(self, polygon: np.ndarray,
                            vehicle_centers: list,
                            vehicle_boxes: list) -> bool:
        """Перевірка: чи є транспортний засіб на машиномісці"""
        # Метод 1: центр ТЗ всередині полігону
        for cx, cy in vehicle_centers:
            result = cv2.pointPolygonTest(polygon, (float(cx), float(cy)), False)
            if result >= 0:
                return True

        # Метод 2: overlap bounding box з полігоном > 40%
        space_mask = np.zeros((720, 1280), dtype=np.uint8)
        cv2.fillPoly(space_mask, [polygon], 255)
        space_area = cv2.contourArea(polygon)

        for box in vehicle_boxes:
            x1, y1, x2, y2 = map(int, box)
            vehicle_mask = np.zeros_like(space_mask)
            cv2.rectangle(vehicle_mask, (x1, y1), (x2, y2), 255, -1)

            intersection = cv2.bitwise_and(space_mask, vehicle_mask)
            overlap = intersection.sum() / 255

            if overlap / space_area > 0.4:
                return True

        return False

Розмітка машиномісць

Первинна розмітка зон машиномісць виконується один раз через веб-інтерфейс. Розмітка займає близько 2 годин на типову парковку.

class ParkingSpaceLabeler:
    """Інтерактивна розмітка машиномісць на кадрі"""
    def __init__(self, image_path: str):
        self.image = cv2.imread(image_path)
        self.spaces = []
        self.current_polygon = []

    def interactive_label(self):
        """Запуск інтерактивної розмітки (для ручного використання)"""
        cv2.namedWindow('Label Parking Spaces')
        cv2.setMouseCallback('Label Parking Spaces', self._on_click)

        while True:
            display = self.image.copy()
            for space in self.spaces:
                cv2.polylines(display, [space['polygon']], True, (0, 255, 0), 2)
            if self.current_polygon:
                cv2.polylines(display,
                              [np.array(self.current_polygon)], False, (0, 0, 255), 2)
            cv2.imshow('Label Parking Spaces', display)

            key = cv2.waitKey(1)
            if key == ord('s') and len(self.current_polygon) >= 4:
                self.spaces.append({
                    'id': f'space_{len(self.spaces)+1}',
                    'polygon': self.current_polygon.copy()
                })
                self.current_polygon = []
            elif key == ord('q'):
                break

        return self.spaces

Інтеграція з системою навігації

Які можливості відкриває інтеграція з навігацією?

Наше рішення легко вбудовується в існуючу інфраструктуру:

• Digital signage: екрани з картою парковки, оновлення в реальному часі.
• Мобільний додаток: бронювання місць, навігація до вільного місця.
• Розумні світлофори: зелений/червоний індикатор над кожним рядом.
• ANPR інтеграція: автоматичний в'їзд/виїзд за номером, розрахунок вартості.

Чи можна налаштувати автоматичний в'їзд/виїзд?

Ми надаємо API для інтеграції з будь-якими системами. Дані передаються у форматі JSON через WebSocket або REST. Детальніше про YOLO — алгоритм детекції, що лежить в основі.

Етапи впровадження

1. Аудит парковки — виїзд інженера, оцінка планування, вимог до точності.
2. Проектування — вибір камер, розрахунок кутів огляду, підготовка специфікації.
3. Установка та налаштування — монтаж камер, навчання моделі на кадрах вашої парковки.
4. Інтеграція — підключення до навігації, мобільного додатку, систем контролю доступу.
5. Тестування — перевірка точності (A/B тест з реальними даними), стрес-тест.
6. Деплой та супровід — запуск в експлуатацію, SLA 99.9%, віддалений моніторинг.

Що входить в роботу

Ми здаємо проект під ключ:

• Налаштована система відеоаналітики з точністю 99%.
• Вихідний код моделей і конфігурацій.
• REST API та документація.
• Веб-інтерфейс для перегляду статистики та управління.
• Навчання персоналу (2 години).
• Гарантія на обладнання та ПЗ — 12 місяців.

Терміни та вартість

Вартість розраховується індивідуально після аудиту. Ми пропонуємо безкоштовний пілот на одній камері для демонстрації точності. Замовте оцінку проекту — наші інженери зв'яжуться з вами протягом дня. Отримайте консультацію: зв'яжіться з нами для обговорення вашого завдання.

Як distribution shift вбиває метрики CV-моделі в промисловості

На виробництві ставлять камеру, контролюють якість продукції. Модель навчена на 10 000 розмічених зображень — точність на тесті mAP 0.84. Запускають у продакшен — і в перший же тиждень пропускають 30% дефектів. Освітлення на лінії змінюється по змінах, distribution shift обнуляє метрики. Це класична історія з Computer Vision у промисловості, де розпізнавання образів дає збій без правильної обробки дрейфу.

Наші інженери з досвідом 60+ проектів з комп'ютерного зору знають, як виключити такі сценарії. Гарантуємо стабільну роботу моделі в реальних умовах.

Які архітектури детекції об'єктів обрати: YOLO, RT‑DETR чи інші?

YOLO — стандарт для real‑time детекції. YOLOv8 та YOLOv11 від Ultralytics — найбільш використовувані версії у виробництві: простий API, активна спільнота, вбудована валідація та експорт в ONNX/TensorRT. Для задач з високими вимогами до точності та коли latency менш критична — RT‑DETR, transformer‑based архітектура без NMS, дає кращий mAP на COCO при порівнянній швидкості з YOLOv8l.

Типова помилка при навчанні детектора: датасет 8000 зображень, 3 класи, fine‑tune YOLOv8m — F1 0.73 на валідації. Дивимося confusion matrix — один клас майже ніколи не детектується. Причина: дисбаланс 1:23. Рішення: oversampling рідкісного класу, focal loss для objectness, аугментації (Mosaic, MixUp вимкнути для рідкісного класу — вони його «розмивають»). Transfer learning обов'язковий: передтреновані на COCO ваги скорочують потребу в даних у 10 разів. Fine‑tune на 500–2000 доменних зображеннях дає робочу модель за 1–2 дні на одній GPU.

Для edge deployment: експорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin дає 150+ FPS при P99 latency < 8 ms — це в 3 рази швидше, ніж ONNX Runtime без TensorRT. На сервері A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Як fine‑tuning YOLO допомагає в розпізнаванні образів?

Припустимо, потрібно знаходити мікродефекти на поверхні металу — задача з високою роздільною здатністю та перекосом класів. Використовуємо YOLOv8m, передтренований на COCO (документація Ultralytics), і донавчаємо на 2000 власних зображень. Застосовуємо аугментації Mosaic, MixUp, random perspective. Після 200 епох mAP 0.5 досягає 0.93. Ключові прийоми:

• focal loss для objectness голови — зменшує внесок легко класифікованих прикладів.
• class‑balanced sampling — вирівнює представництво рідкісних класів.
• Test Time Augmentation (TTA) — підвищує recall на 5–7% за рахунок усереднення по фліпах та масштабах.

Отримайте консультацію з підбору архітектури для вашого завдання — зв'яжіться з нами.

Які архітектури сегментації обрати: SAM, Mask R‑CNN чи інші?

SAM (Segment Anything Model) від Meta змінив підхід до сегментації. SAM 2 працює з відео, підтримує трекінг об'єктів через кадри — для інтерактивного виділення об'єкта по точці або bbox це найкращий вибір з коробки. Для production instance segmentation без інтерактивного промпту — Mask R‑CNN або YOLOv8‑seg. YOLOv8‑seg навчається як звичайний детектор з додатковими масками, зручний у тих же пайплайнах. Семантична сегментація (кожен піксель — клас) — SegFormer, DeepLabV3+. SegFormer‑B5 дає хороший баланс точності та швидкості для аналізу супутникових знімків або медичної сегментації.

Кейс: сегментація клітин на мікроскопічних зображеннях. Датасет 400 зображень з ручною розміткою. Навчання Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — погано. Проблема: об'єкти (клітини) перекриваються, стандартний NMS вбиває перекриваючі передбачення. Рішення: перехід на cellpose (спеціалізована архітектура для біомедичних задач) + soft‑NMS. IoU зріс до 0.79.

Коли Tesseract не справляється з OCR?

Tesseract — відправна точка для простих задач: друкований текст, хороше освітлення, рівне розташування. Як тільки з'являються рукописні елементи, нестандартні шрифти, перспективні спотворення або багатоколоночний макет — Tesseract деградує швидко.

PaddleOCR — production‑grade рішення: виявлення текстових блоків + розпізнавання + структурний аналіз. Працює з коробки для 80+ мов, включаючи українську. Підтримує таблиці та документи зі складною структурою. Wikipedia: Оптичне розпізнавання символів. TrOCR (Microsoft) — трансформерний OCR з сильними результатами на рукописному тексті. Для українського рукописного тексту потрібен fine‑tuning: базова модель навчена переважно на латиниці.

Що робити, якщо Tesseract не справляється з розпізнаванням образів на документах?

Для задач «витягни дані з рахунку / договору / паспорта» використовуємо LayoutLMv3 або Donut — ці моделі розуміють layout документа, а не тільки текст. Інтеграція через Hugging Face Transformers, fine‑tuning на 200–500 розмічених документах. Типовий pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Виявлення текстових блоків: PaddleOCR detection або CRAFT.
3. Розпізнавання: PaddleOCR recognition або TrOCR.
4. Post‑processing: нормалізація, валідація через regex або LLM для структурованих полів.

Для документів з фіксованою структурою template matching + OCR точково по координатах часто надійніше за end‑to‑end рішення.

Face Recognition: ідентифікація та верифікація

Face recognition = detection + alignment + embedding + matching. Кожен етап важливий.

Detection: RetinaFace або InsightFace для точної локалізації обличчя та ключових точок. MTCNN — старіше, але надійне рішення. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Моделі iresnet50/iresnet100 передтреновані на MS1MV3 (5M ідентичностей). Ембеддинг‑вектор 512 float32, порівняння за cosine similarity. Threshold tuning: поріг рішення — критичний параметр. При threshold 0.6 типовий FPR на LFW benchmark — 0.001, TPR — 0.985. У production threshold потрібно калібрувати під реальний distribution: люди в масках, зі зміненою зовнішністю, в різних умовах освітлення. Liveness detection обов'язковий: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo містить кілька передтренованих liveness‑детекторів.

Відеоаналітика

Відео — послідовність кадрів плюс часовий вимір. Наївний підхід — детектувати на кожному кадрі — дорого.

Трекінг: ByteTrack та BoT‑SORT — стандарт для multi‑object tracking. Працюють поверх будь-якого детектора, додають persistent ID об'єктам між кадрами — це дає підрахунок об'єктів, трекі руху, velocity.

Оптимізація: не потрібно обробляти кожен кадр. Для статичних сцен детекція на кожному 5–10 кадрі, між ними — трекер. Для детекції подій (людина увійшла в зону) background subtraction (OpenCV MOG2) як lightweight pre‑filter перед нейромережевою детекцією. Action Recognition: SlowFast, VideoMAE для класифікації дій. Важкі моделі — для production використовуємо ONNX export + TensorRT або офлайн обробку.

Як виміряти якість моделі розпізнавання образів у продакшені?

Моніторинг якості — ключовий елемент MLOps. Відстежуємо:

• розподіл prediction confidence;
• частку low‑confidence передбачень (індикатор OOD‑даних);
• дрейф вхідних зображень через feature distribution (embeddings з backbone).

Падіння середньої confidence з 0.87 до 0.71 за тиждень — ранній сигнал про distribution shift. NVIDIA Triton Inference Server рекомендує відстежувати ці метрики через Prometheus. Наші сертифіковані інженери налаштовують моніторинг і гарантують SLA по якості інференсу.

Деплой CV‑моделей

Для онлайн інференсу використовуємо Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Підтримує TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST та gRPC API. Гарантуємо стабільну роботу під навантаженням.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобільних пристроїв. OpenVINO для Intel CPU/GPU/VPU — дає 2–3× приріст швидкості на Intel залізі порівняно з ONNX Runtime. Після деплою передаємо модель з документацією та навчаємо персонал.

Що входить в роботу

Терміни та вартість

Прототип детектора на існуючих даних — 1–2 тижні. Production‑система з оптимізацією під цільове залізо — 4–8 тижнів. Повний цикл включаючи розмітку даних (1000–5000 зображень) — 2–4 місяці. Вартість розраховується індивідуально під кожну задачу. Ми на ринку більше 5 років, реалізували 60+ проектів з комп'ютерного зору. Оцінимо ваш проект під ключ — замовте консультацію, щоб отримати розрахунок та технічну пропозицію.