计算机视觉技术早已不再是实验室的专属。它们正在渗透到日常生活中，停车也不例外。在谢列梅捷沃国际机场的B和C航站楼的多层停车场中，实施了智能监控和导航系统“Копаркинг”。这不仅仅是视频监控，而是一个完整的计算机视觉系统，由神经网络集成体管理。它解决了一系列任务：从实时导航到安全监控，以及与外部数字服务的集成。在C停车场，该系统在一年运行中已经证明了其有效性，而在B停车场目前处于测试阶段——系统正在适应实际场景，工程师们正在调整其算法。
系统架构
在B和C航站楼的停车场中，总共使用了超过1600个智能摄像头。车位上方安装了LED占用指示灯，其颜色根据车位状态变化：绿色-空闲，红色-已占用。摄像头充当智能传感器：它们不仅记录图像，还利用深度学习技术分析图像。信息汇集到中央管理服务器，在那里进行实时处理。数据从服务器向两个主要方向传播。第一个是电子显示屏和“谢列梅捷沃停车”网站上的互动图：这为司机提供导航。第二个是综合自动化停车系统（КАПС）。КАПС负责停车费用的计算、访问介质的管理（停车票、RFID标签、国家注册号码——ГРЗ）以及会话历史的存储。
视频流处理建立在计算机视觉方法的复杂体系上。首先，神经网络执行对象检测：YOLO（You Only Look Once）类型的架构允许实时识别画面中的汽车、行人和其他重要元素。在下一阶段，对每个停车位应用像素分割：系统创建掩模，以高精度确定车位的占用情况，即使汽车停放不平或部分被其他物体遮挡。此外，对这些掩模的动态分析能够自动识别停车违规行为：不遵守标线，将车辆停放在两个及以上车位，停在通道中。国家注册号码通过基于神经网络的光学字符识别（OCR）读取——系统能够处理污垢或光线不足的号码。最后，使用算法分析运动并记录事件（例如，交通事故或汽车周围可疑活动），这些算法比较帧并评估与物体的距离，跟踪其轨迹。
在C航站楼停车场系统运行一年后，开发人员利用监督学习机制积累并注释了大量来自摄像头的数据，这使得在真实场景中进一步训练神经网络成为可能。结果，停车位占用识别的准确率达到了97%-98%，而违规和事件检测的可靠性也稳步接近这些指标。
这一复杂的计算机视觉系统的构建并非仅仅为了技术本身；它的主要任务是使停车对司机来说尽可能方便和安全。
用户获得的服务
对于车主来说，“Копаркинг”是通过统一基础设施提供的一整套数字服务。
导航。这是基本场景。进入停车场时，显示屏显示每层的空闲车位数量。在交叉口处安装了指示牌，引导到空闲区域。在每个车位上方都有彩色LED指示灯。根据计算，寻找停车位的时间平均缩短了35%。
寻找汽车。在“谢列梅捷沃停车”网站上提供了互动地图，实时显示B和C航站楼停车场的车位占用情况。此外，还实现了根据车牌号寻找汽车的功能：系统显示楼层、车位编号，并从电梯大厅绘制路线。
安全控制和违规记录。系统自动识别停车违规行为。每个事件形成一个视频片段（对于违规行为，会有多个照片记录，间隔时间固定）。介质（票据或国家注册号码）可能会被自动锁定——这使得在支付罚款之前无法离开停车场。对于所有事件，系统会通知调度员，并在必要时将信息发送到网站，以便在客户的个人账户中显示。
发展前景
“Копаркинг”是一个正在发展的平台。近期计划引入更多服务，这些服务将出现在个人账户中。其中包括“交通控制”（客户通过界面中的开关阻止其车辆离开；在车辆试图移动时，系统记录事件，通知客户和调度员）和“在线视频监控”（访问自己停车位上方摄像头的实时视频流）。这些服务正在设计阶段，在完成所有技术和法律程序后将启动。
因此，这项创新不仅仅是一个监控系统，而是一个多功能的数字平台，将停车从一项日常程序转变为一个高水平的舒适和安全的管理服务。