Статья посвящена описанию и сравнению метрик степени пересечения объектов при определении занятости парковочных мест. Выбор метрики имеет решающее значение, так как от нее зависит точность определения факта занятости или незанятости парковочного места. Рассмотрены особенности основных метрик степени пересечения объектов: отношение пересечения площадей и объединения площадей (Intersection over Union), отношение пересечения площадей и площади объекта (Intersection over Object Area), отношение пересечения площадей и площади маски (Intersection over Mask Area), пересечение минимальных ограничивающих прямоугольников (MBR Intersection), расстояние между центроидами (Centroid Distance) и пересечение выпуклых оболочек (Convex Hull Intersection). Для оценки точности, эффективности и времени работы алгоритмов на основе каждой из указанных метрик разработана процедура тестирования. Она включает в себя получение двухчасового видеоролика с камеры видеонаблюдения за парковкой, разметку контуров парковочных мест для используемого ракурса видеокамеры, ручную разметку занятости или незанятости каждого парковочного места на видеопоследовательности, распознавание транспортных средств на каждом кадре с помощью модели YOLO 11n, определение занятости или незанятости всех парковочных мест на кадрах видеопоследовательности с использованием каждой из описанных метрик, расчет среднего времени обработки одного кадра для каждой метрики, вычисление значений accuracy, precision, recall и F1-score для оценки точности каждой из метрик степени пересечения объектов. Процесс тестирования и сравнения метрик степени пересечения объектов проводился на компьютере с процессором AMD Ryzen 5 5000U и 16 Гб оперативной памяти. Представлены результаты проведенного тестирования и сравнения метрик степени пересечения объектов. Наилучшим образом показали себя метрики Intersection over Object Area и Convex Hull Intersection. Метрики Centroid Distance и MBR Intersection показали более низкую точность, так как они не учитывают форму объектов и могут выдавать ложные результаты. Хуже всего себя показали метрики Intersection over Mask Area и Intersection over Union как по точности, так и по среднему времени обработки кадров. Проведенный анализ показал, что метрики Intersection over Object Area и Convex Hull Intersection наиболее точно решают поставленную задачу. Это определяет целесообразность их использования для мониторинга городского парковочного пространства.
The article is devoted to the description and comparison of metrics of the degree of intersection of objects in determining the occupancy of parking spaces. The choice of metric is crucial, since the accuracy of determining the fact of occupancy or unoccupancy of a parking space depends on it. The features of the main metrics of the degree of intersection of objects are considered: the ratio of intersection of areas and the union of areas (Intersection over Union), the ratio of intersection of areas and the area of an object (Intersection over Object Area), the ratio of intersection of areas and the area of a mask (Intersection over Mask Area), the intersection of minimum bounding rectangles (MBR Intersection), the distance between centroids (Centroid Distance) and the intersection of convex hulls (Convex Hull Intersection). A testing procedure has been developed to evaluate the accuracy, efficiency and running time of algorithms based on each of these metrics. It includes obtaining a two-hour video clip from a parking surveillance camera, marking the contours of parking spaces for the camera angle used, manually marking the occupancy or vacancy of each parking space in the video sequence, recognizing vehicles in each frame using the YOLO 11n model, determining the occupancy or vacancy of all parking spaces in the frames of the video sequence using each of the described metrics, calculating the average processing time of one frame for each metric, calculating the accuracy, precision, recall and F1-score values to assess the accuracy of each of the metrics of the degree of intersection of objects. The process of testing and comparing the metrics of the degree of intersection of objects was carried out on a computer with an AMD Ryzen 5 5000U processor and 16 GB of RAM. The results of the testing and comparison of the metrics of the degree of intersection of objects are presented. The Intersection over Object Area and Convex Hull Intersection metrics showed the best results. The Centroid Distance and MBR Intersection metrics showed lower accuracy, since they do not take into account the shape of objects and can produce false results. The worst metrics were Intersection over Mask Area and Intersection over Union, both in accuracy and in the average frame processing time. The analysis showed that the Intersection over Object Area and Convex Hull Intersection metrics solve the task most accurately. This determines the feasibility of using them for monitoring urban parking spaces.