Yolov3で駐車場空き状況把握をトライ中

なんか急に、そういうものを調べようということになりまして。

というのも、会社で「駐車場の空き状況を把握できないか」という話が出ました。

やり方は色々とあるのですが、最も手っ取り早い方法を試すことに。

それは、汎用の物体検出手法を使って「車」を検出させて、その数・位置から空き状況を把握する、というもの。

そこで以前、最新の物体検出YOLO v3 (Keras2.2.0+TensorFlow 1.8.0)を独自データで学習できるようにしてみた: EeePCの軌跡でも紹介したYolov3を使ってみました。

幸い、我が家のすぐ横が駐車場なので、それを利用させてもらいます。

タイムラプス撮影を行い、その後、その写真で車の数をカウントさせるというところまでを実行。

元のコードをちょっと書き換えて、バウンディングボックスの中心点と、その中に数を表示するようにしました。

で、結果はこの通り。見えにくいですが、赤い丸の中に数字が書かれてます。

実は側面からなので、ちょっとカウントしづらい環境でしたが、まあまあ正確なカウントと位置把握はできたんじゃないかと。

と、思いきや、よく見ると奥の車はダブルカウントしてますね。

やっぱり、正面 or 背面から撮影しないと、うまくいかなさそうです。

まあ、プロトタイプができたので、これをもって社内に売り込もうかと。

定点観察なので、駐車場枠の中のアスファルト路面が見えるか見えないかでやるのが、一番確実な気もします。あるいは、Yoloなどとそれを組み合わせて、精度を上げるというのもありかもしれませんね。

なお最近、社内外でこのYolov3がよく使われてます。

Yoloの最新版はv5なのですが、あちらは商用利用に難ありだったりするので、手軽なv3に人気があるようです。で、私の以前書いた上の記事がマニュアルとしてよく使われてると聞いてます。

実際、SSDよりYoloの方が検出数や精度が高く、かつ速いですからね。

Google Colabを使うという手もあるんですが、手軽な反面、業務用ではやや手を出しにくい(Google Drive上に業務データを置くことになるので)という事情もあって、オンプレで利用したいという声が多いですね。そうなると、オンプレ上での活用が進んでいるYolov3に人気が集まる、ということのようです。

実は実業務で物体検出を使ったことがなかったのですが、これを機にいろいろと活用してみましょうかね。

今すぐ試したい！ 機械学習・深層学習(ディープラーニング) 画像認識プログラミングレシピ