Počítání unikátních aut ve snímcích

Abstract

Současné systémy pro počítání aut na parkovištích většinou využívají nějakých specializovaných zařízení, jako jsou například závory při vjezdu na parkoviště. Takový přístup není vhodný pro neplacená, či rezidenční parkoviště. I na těchto parkovištích může být však užitečné udržovat si přehled o jejich obsazenosti a jiných datech. Systém navržený v této práci využívá model YOLOv4 pro vizuální detekci aut na snímcích z kamer. Následně pro každé auto vypočítá embedding vektor, který použije při porovnávání, jestli se na daném parkovacím místě v průběhu času auto změnilo. Výsledné informace ukládá do databáze. Z těchto dat následně systém agreguje různé statistické údaje jako jsou například celkový počet detekovaných aut, průměrná obsazenost parkoviště a průměrná doba parkování jednoho auta. Tyto údaje je možné získat pomocí REST API nebo si je zobrazit ve webové aplikaci.Current systems for counting cars on parking lots usually use specialized equipment, such as barriers at the parking lot entrance. Usage of such equipment is not suitable for free or residential parking areas. However, even in these car parks, it can help keep track of their occupancy and other data. The system designed in this thesis uses the YOLOv4 model for visual detection of cars in photos. It then calculates an embedding vector for each vehicle, which is used to describe cars and compare whether the car has changed over time at the same parking spot. This information is stored in the database and used to calculate various statistical values like total cars count, average occupancy, or average stay time. These values can be retrieved using REST API or be viewed in the web application.