Kentsel ve ticari otoparklar basit ama pahalı bir sorunla karşı karşıyadır: herhangi bir anda hangi park yerinin boş olduğunu kimse bilmez. Sürücüler katlarda tur atar, girişte kuyruk oluşur, biletleme sisteminin park yerleriyle bağlantısı yoktur ve yönetim günün giriş ve çıkışlarını ancak kapanıştan sonra öğrenir. Her park yeri için zemin sensörlerinin kurulumu ve bakımı maliyetlidir ve açık hava tesislerinde zorlanır. İhtiyaç duyulan, her park yerinin durumunu sürekli, düşük maliyetle ve insan müdahalesi olmadan ölçmenin bir yoludur.
Önemi yalnızca sürücünün konforu değildir. Kent için, bir aracın yer ararken geçirdiği her dakika trafiğe ve emisyonlara eklenir. İşletmeci için gerçek doluluğu bilmemek, dinamik fiyatlandırma yapamamak, rezervasyon sunamamak veya kullanım örüntülerini analiz edememek demektir. Güvenlik için hangi aracın hangi park yerinde ne zamandan beri bulunduğunu bilmek, herhangi bir olayın takibinin temelidir. Dolayısıyla akıllı otopark bir konfor ürünü değil; veriye dönüşen bir altyapı ve kararlara dönüşen bir veridir.
Bilgisayarlı görü mimarisi, mevcut kameraları veya az sayıda yeni kamerayı sensöre dönüştürür. Uçta kompakt bir işlem birimi kareleri analiz eder, her park yerinin doluluğunu tespit eder ve plakaları okur; sunucuya yalnızca "on ikinci park yeri dolu" veya "X plakası giriş yaptı" gibi anlamlı olayları gönderir. Bu olaylar merkezi bir platformda toplanır, biletleme ve ödemeyle ilişkilendirilir ve API'ler aracılığıyla yönlendirme tabelalarına, mobil uygulamaya ve yönetim paneline sunulur. Ham video sahadan asla çıkmaz; yalnızca veri çıkar.
İlk pratik husus gerçek dünya koşullarıdır. İyi ışıkta ve temiz bir lensle iyi performans gösteren modeller gece, yağmurda, ağaç gölgeleri altında veya bir kameranın açısı kaydığında başarısız olabilir. Çözüm, genel bir modele güvenmek yerine modeli gerçek sahanın verileriyle değerlendirmek ve periyodik olarak yeniden eğitmektir. Örneğin açık hava bir otoparkın kışın aydınlatma örüntüsü yazdan tamamen farklıdır ve yeniden eğitim yapılmazsa doğruluğun düşmesi beklenmelidir.
İkinci husus gizlilik ve veri tasarımıdır. Plaka kişisel veridir ve bir bankadaki müşteri verisiyle aynı özenle ele alınmalıdır. Bu; uçta işleme, olay çıkarıldıktan sonra görüntünün silinmesi, plakaların yalnızca operasyon ve ödemenin gerektirdiği süre boyunca saklanması ve gösterge panelleri için rol tabanlı erişim demektir. İyi bir mimari bu kısıtları sonradan eklemek yerine tasarıma yerleştirir; bu hem daha güvenli hem de daha ucuzdur.
Yaygın tuzaklar açıktır. Birincisi, en iyi kamera açısı yerine en iyi modelle başlamak; doğru kamera yerleşimi doğruluğu herhangi bir algoritmadan daha fazla etkiler. İkincisi, ham videoyu merkezi bir sunucuya aktarmak; bu bant genişliği tüketir ve gizlilik riski yaratır. Üçüncüsü, tespit sistemini biletleme ve ödemeyle entegre etmeden kurmak; bu, kimsenin harekete geçmediği bir gösterge paneli üretir. Dördüncüsü, arıza durumunu göz ardı etmek; bir kamera devre dışı kaldığında sistem park yerlerini boş değil bilinmiyor olarak raporlamalıdır, aksi hâlde sürücüler var olmayan yerlere yönlendirilir.
Niadad'ın görüntü işleme YZ platformu Bina («بینا») bu mimariyi uygular: uçta işleme, doluluk ve plaka tespiti, olay üretimi ve API'ler aracılığıyla operasyonel sistemlerle entegrasyon. Niadad'ın akıllı otopark projesinde Bina algılama katmanı olarak görev yapar ve olayları Niadad'ın veri ve olay platformlarını besler; böylece otoparkın durumu sürücü, işletmeci ve kent düzeyindeki analiz için aynı şekilde erişilebilir olur.
Akıllı otopark, daha büyük akıllı kent kalıbının küçük bir örneğidir: düşük maliyetli algılama, uçta zekâ, video yerine olaylar ve operasyonel sistemlerle entegrasyon. Bu kalıbı bir otoparkta doğru uygulayan bir kurum, onu bir bina girişinde, bir üretim hattında veya bir depoda tekrarlayabilir. Teknoloji artık yeterince olgundur; belirleyici etken model değil, çevresindeki sistemin hangi disiplinle kurulduğudur.