Comments 53
… зато люди у нас хорошие.
УК РФ Статья 213. Хулиганство наказывается штрафом в размере от пятисот тысяч до одного миллиона рублей или в размере заработной платы или иного дохода осужденного за период от трех до четырех лет, либо принудительными работами на срок до пяти лет, либо лишением свободы на срок до семи лет.
Системы распознавания агрессивного поведения на улице, кстати, тоже существуют.
А мужик, который будет говорить: «Я тут двадцать лет ставлю»
В США это не работает. Есть 2 варианта — публичная парковка (как в данном случае) и парковка для определённого владельца. Обычно, всегда понятно публичная парковка или нет. Вдоль дороги парковки всегда публичные и работает правило — кто первый тот и занял. Понятие очереди в США — «святое» вне зависимости от того кто, где и сколько ставил до этого и кто это такой — хоть мэр — все в одну линию (все равны).
Правда, возникает вопрос о надёжности в дождь/снег/туман + ложные срабатывания на машины экстренных служб (которые паркуются по другим правилам).
Несколько лет назад были публикации о такой разработке от "Intellectual Ventures":
https://en.wikipedia.org/wiki/Mosquito_laser
https://www.youtube.com/watch?v=BKm8FolQ7jw
https://www.youtube.com/watch?v=fH_x3kpG8Z4
https://www.ted.com/talks/nathan_myhrvold_could_this_laser_zap_malaria?language=en
https://www.fastcompany.com/3059127/what-happened-to-the-mosquito-zapping-laser-that-was-going-to-stop-malaria
https://spectrum.ieee.org/tech-talk/aerospace/military/laser-bug-zapper-inches-to-market-
Самое сложное, как мне кажется, нахождение комаров. В оптическом диапазоне нужна камера с очень высоким разрешением, но как ее фокусировать на комаре? Как работать в темноте? Ближний ИК диапазон? Возможно решение нужно посмотреть у летучих мышей, они здорово ультразвуком насекомых распознают на лету.
мне коты попали по разному и второй попал котенком. занимательно было наблюдать как «старшая нейросеть» обучала «молодую» искусству охоты на примере «полуобезвреженной» осы (я её слегка оглушил, своеобразная вакцина получилась).
Вопрос: а если бы мы в ручную фотографировали, то как бы выглядело обучение этой системы? Нам надо было обводить контур каждой машины на определённом количестве фотографий? (Только сейчас заметил, что это перевод. Но может кто из местных знает.)
Есть отличная альтернатива (на хабре даже упоминалась) — использование компьютерных игр типа gta, в которых реализован симулятор города, машин, людей, светофоров и прочего прочего. Т.е. вы с помощью расширения к игре получаете информацию о содержимом кадра с попиксельной точностью (т.е. не прямоугольная область, а круче — каждый пиксел на изображении) и даже можете строить свои сцены (расположение объектов и камеры).
Можно понизить качество изображения, с помощью фильтров, добавив помехи, погоду и искажения, вносимые камерами с низкой скоростью сенсоров (когда при движении изображение идет волнами). И получить огромный датасет, практически любого размера, ограниченный возможностями вашего кошелька для обучения.
Как работает в темное время суток?
Думаю, если машины стоят плотно, то это отразится на IoU мере — получится, что место освободилось как бы не полностью. Скажем, стало не меньше 0.02, а 0.05. Тогда можно будет подобрать такое пороговое значение, чтобы четко обнаруживать достаточно свободные места. Но, конечно, тут лучше проверить экспериментально.
Мне вот еще интересен вариант с неразмеченной парковкой — когда машины не четко ставятся на свои места, а каждый раз немного сдвигаются. Получается дрейф мест и не очень понятно, как себя поведет система
Результат 1.0 означает, что всё место полностью занято машиной, а низкое значение вроде 0.02 говорит о том, что машина немного влезла на место, но на нём ещё можно припарковаться.
Я вам так скажу, в моём комплексе предусмотрена гостевая парковка, но она под завязку забита машинами жильцов. Потому что паркингов крайне мало (вроде планируются ещё), а машин крайне много. И от того, что одна парковка называется гостевой, а другая — нет — ничего глобально не меняется.
P.S. А ещё гостевая парковка под подъездом, а до паркинга надо топать. Очевидно, что большинство старается припарковаться поближе.
Локально — конечно это не решение проблемы (с парковкой). Глобально (как учёт парковочных мест) — вполне себе.
Представьте, что вы едете по городу, нужно припарковаться, но вы знаете что вот тут за углом ближе, но шансов крайне мало. А если там нет, но уже свернули, то нужно будет пару кругов намотать в поисках места. Или поехать сразу чуть дальше, но 90% что там место будет.
Так, если сделать приложение, которое точно скажет что место есть (и оно, например, не забронировано 5-тиминутной бронью), вы сразу поедете на место. Просто как пример.
А ещё проще — исправить счётчик многоуровневых парковок в ТЦ — там стоит тупой счётчик въезда-выезда, а где то самое свободное место — ищите. А пока ищете, на счётчике уже будет -10, потому что въехавших больше, чем выехавших.
Решаться подобное должно путем копеечных датчиков на smart parking meters
Кстати, напомнило, что видел что-то такое в одном из БЦ — там лампочки над паркоместами светились красным/зелёным в зависимости от занятости места. Полагаю, не просто светятся, но и инфу куда-то пишут. Для закрытых паркингов да, это должно быть дешевле.
p.s. Сверните большие куски кода под кат, будет проще читать.
парковочные места расположены там, где подолгу стоят машины
И тут, внезапно, пробка или авария и система сойдёт с ума.
Наприме запустил на 4х летнем x1 lenovo (I5 8gb) на небольшом видео — почти сразу показал первый кадр, а потом система подвисла и уже минут 10 ничего не происходит, только вентилятор гудит
Можно тоже самое, но для поиска свободной девушки?
То есть подразумевается, что все встают строго на место, никто не занимает два места и никто не оставляет километр до ближайших машин?
Замечательная обучающая статья. Особый респект автору за чистый код.
Ищем свободное парковочное место с Python