Predavanje se temelji na rezultatima istraživanja provedenog u sklopu magistarskog rada (Odbrana završnog magistarskog rada) pod nazivom "Implementacija pametnog parkinga primjenom internet stvari i vještačke inteligencije", koji je također djelimično objavljen kroz naučni rad dostupan na Springer platformi: Springer Link. U tom radu razvijen je sistem za automatsku evidenciju zauzetosti parking mjesta korištenjem treniranih YOLOv5 i YOLOv8 modela. U implementaciji su korišteni i alati poput OpenCV biblioteke za obradu slike, dok su YOLO modeli služili kao glavni mehanizam detekcije vozila.

Cilj i sadržaj predavanja
Predavanje donosi nastavak istraživanja kroz proširenje sistema dodatnim AI rješenjima – Amazon Rekognition cloud servisa i OpenAI GPT-4 Vision multimodnog modela. Fokus je na tehničkoj i funkcionalnoj usporedbi tri pristupa za detekciju vozila:

• Tačnost i pouzdanost detekcije,
• Latencija i obrada u realnom vremenu,
• Troškovna analiza (API pozivi, treniranje, lokalna obrada),
• Skalabilnost, privatnost i hardverski zahtjevi.

Metodologija
Za evaluaciju su korišteni identični vizuelni ulazi (slike/video snimci) i primijenjene su jednake metrike – tačnost (precision, recall), vrijeme obrade (latencija, FPS) i resursna potrošnja. Rezultati će biti prikazani kroz uporedni pregled izlaza svakog modela na istom primjeru.

Primjena – Park Vision sistem
Na kraju predavanja bit će predstavljena i aplikacija Park Vision – web i mobilna platforma za pametno upravljanje parking prostorima. Aplikacija je još uvijek u fazi finalnog razvoja i još nije javno lansirana, te će predavanje ponuditi ekskluzivan uvid u njenu arhitekturu i AI komponente koje su integrisane u okviru analiziranog sistema. Planirano je da Park Vision bude dostupna kao rješenje za kupovinu parking karata na području Bosne i Hercegovine.