ระบบตรวจจับช่องจอดว่างด้วย AI จากกล้อง CCTV

วิดีโอสาธิตระบบตรวจช่องจอดว่าง

ชมวิดีโอสาธิตทั้ง 3 คลิปจากช่อง Dpark บน YouTube ประกอบการดูวิธีทำงานและผลทดสอบด้านล่าง

วิดีโอเป็นตัวอย่างสาธิต การประเมินความเหมาะสมและความแม่นยำสำหรับลานจอดของคุณยังต้องทดสอบกับภาพหน้างาน

จากภาพกล้องสู่สถานะของแต่ละช่องจอด

1. กำหนดขอบเขตช่องจอดบนภาพ ผู้ตั้งค่าลากกรอบตามมุมมองของกล้องทีละช่อง ระบบทดลองนี้ยังไม่ได้ค้นหาตำแหน่งช่องจอดทั้งหมดให้อัตโนมัติ
2. วิเคราะห์ภาพตามรอบที่ตั้งไว้ AI ประเมินว่าภายในกรอบมีรถหรือไม่ การทดลองหลายกล้องตั้งรอบสแกนไว้ 60 วินาที จึงไม่ควรตีความว่าเป็นการอัปเดตทุกเฟรม
3. แสดงผลพร้อมสถานะที่ประเมินไม่ได้ ช่องที่กล้องมองไม่ชัดต้องแยกออกจากช่องว่าง เพื่อไม่ให้จำนวนที่จอดว่างสูงกว่าความจริง
4. ตรวจย้อนหลังและเทียบกับคนตรวจ ใช้ภาพ ประวัติ และผลรายช่องหาจุดผิดพลาด ก่อนพิจารณาเชื่อมต่อการแสดงผลหรือระบบอื่น

ในตัวอย่าง CCTV มุมเฉียง เรากำหนดกรอบไว้ 36 ช่อง โดยแสดงผล AI ตามเกณฑ์เดิม 30 ช่อง และแยก 6 ช่องบริเวณขอบภาพหรือที่มีต้นไม้บังเป็นสถานะมองเห็นไม่เพียงพอ จำนวน 36 ช่องเป็นขอบเขตที่เลือกทดลอง ไม่ใช่ความจุรวมของลานจอดนั้น

ผลทดสอบจริง: มุมกล้องมีผลต่อการอ่านช่องว่าง

ทดสอบเมื่อ 28 ตุลาคม 2569 ด้วย Community CPU engine ของ LotVulture ตารางนี้แสดงจำนวนผลทำนายจากเฟรมที่เลือกตรวจ โดยช่องเดิมที่ปรากฏคนละเฟรมนับเป็นผลทำนายแยกกัน ตัวเลขจึงไม่ใช่จำนวนรถหรือจำนวนช่องจอดที่ไม่ซ้ำ

คลิป B มีผลที่ระบบจัดเป็น “ไม่มั่นใจ” น้อยกว่า A แต่ยังสรุปไม่ได้ว่าแม่นยำกว่า เพราะยังไม่ได้เทียบคำตอบจริงครบทุกช่อง และยังไม่ได้ยืนยันสถานที่ของทั้งสองคลิป

บทเรียนจากคลิปมุมต่ำในประเทศไทย

ในการทดลองคลิปหาดสมิหลา 6 ช่อง จำนวน 12 เฟรม รวม 72 ผลทำนาย ระบบจัดเป็นมีรถ 45 ผล ไม่มั่นใจ 27 ผล และว่าง 0 ผล ทั้งที่เห็นช่องว่างบางส่วนในภาพ ผลชุดนี้ยังไม่ดีพอใช้หน้างาน ภาพมีทั้งรถแถวหลังซ้อนกับช่องว่างและกรอบจากโปรแกรมเดิม จึงยังแยกสาเหตุจากมุมกล้อง กรอบช่องจอด และโมเดลออกจากกันไม่ได้

เวลา CPU เป็นค่าที่วัดบนเครื่องทดสอบซึ่งมีงานอื่นทำงานร่วมกัน ไม่รวมเวลาดึงภาพและบันทึกข้อมูล ไม่ใช่การรับประกันความเร็วของเครื่องที่จะติดตั้งจริง ส่วนจำนวน “ไม่มั่นใจ” เป็นการจัดกลุ่มความเชื่อมั่น ไม่ใช่อัตราความผิดพลาด

วิดีโอในหน้านี้ฝังจากช่อง Dpark บน YouTube ส่วนข้อมูลในตารางเป็นผลสรุปการทดลองตามขอบเขตที่ระบุไว้ ไม่ใช่การรับประกันผลสำหรับทุกลานจอด

ลานจอดแบบไหนควรเริ่มจากการตรวจภาพกล้อง

หากภาพจากกล้องเดิมเห็นช่องไม่ครบ อาจต้องปรับตำแหน่ง เพิ่มกล้อง หรือพิจารณา เซนเซอร์ตรวจจับช่องจอดรถ ตามลักษณะพื้นที่ การตรวจภาพเบื้องต้นช่วยกำหนดว่าควรทดลองแบบใดก่อนลงทุนติดตั้ง

แยกให้ออก: ตรวจช่องว่าง นับรถ และอ่านทะเบียน

โครงการนี้เน้นสถานะของช่องจอดแต่ละช่อง การ นับรถเข้า–ออก ใช้ติดตามจำนวนรถที่ผ่านจุดเข้าออก ส่วนการอ่านป้ายทะเบียนใช้ระบุตัวรถ ผลตรวจช่องว่างจึงไม่ได้ยืนยันว่าอ่านทะเบียน ค้นหารถ หรือควบคุมไม้กั้นได้แล้ว

เช่นเดียวกัน การนำจำนวนช่องว่างไปขึ้นป้าย LED หรือส่งต่อระบบบริหารลานจอดเป็นขั้นตอนเชื่อมต่อที่ต้องออกแบบและทดสอบเพิ่ม สำหรับโครงการนี้มีการทดลอง Dashboard ประวัติ และการแจ้งเตือนไปยังปลายทางทดสอบในเครื่อง ยังไม่ใช่หลักฐานการเชื่อมต่อกับอุปกรณ์หน้างานของลูกค้า

คำถามก่อนทดลองระบบตรวจช่องจอดด้วยกล้อง