عد الكائنات باستخدام Ultralytics YOLO26#

لعد الكائنات في مقطع فيديو باستخدام Ultralytics YOLO26، يمكنك اتباع الخطوات التالية:

1. استورد المكتبات اللازمة (cv2، ultralytics).
2. تحديد منطقة العد (على سبيل المثال، مضلع، خط، إلخ).
3. إعداد التقاط الفيديو وتهيئة عداد الكائنات.
4. معالجة كل إطار لتتبع الكائنات وعدها داخل المنطقة المحددة.

إليك مثال بسيط للعد في منطقة معينة:

import cv2

from ultralytics import solutions

def count_objects_in_region(video_path, output_video_path, model_path):
    """Count objects in a specific region within a video."""
    cap = cv2.VideoCapture(video_path)
    assert cap.isOpened(), "Error reading video file"
    w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
    video_writer = cv2.VideoWriter(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

    region_points = [(20, 400), (1080, 400), (1080, 360), (20, 360)]
    counter = solutions.ObjectCounter(show=True, region=region_points, model=model_path)

    while cap.isOpened():
        success, im0 = cap.read()
        if not success:
            print("Video frame is empty or processing is complete.")
            break
        results = counter(im0)
        video_writer.write(results.plot_im)

    cap.release()
    video_writer.release()
    cv2.destroyAllWindows()

count_objects_in_region("path/to/video.mp4", "output_video.avi", "yolo26n.pt")

للحصول على المزيد من التكوينات والخيارات المتقدمة، تحقق من حل RegionCounter لعد الأجسام في مناطق متعددة في نفس الوقت.

يوفر استخدام Ultralytics YOLO26 لعد الكائنات العديد من المزايا:

1. تحسين الموارد: يسهل الإدارة الفعالة للموارد من خلال توفير أعداد دقيقة، مما يساعد في تحسين تخصيص الموارد في صناعات مثل إدارة المخزون.
2. أمان معزز: يعزز الأمان والمراقبة عن طريق التتبع والدقة للأ كيان، مما يساعد في اكتشاف التهديدات الاستباقي وأنظمة الأمان.
3. اتخاذ قرارات مستنيرة: يوفر رؤى قيمة لاتخاذ القرار، مما يؤدي إلى تحسين العمليات في مجالات مثل تجارة التجزئة، وإدارة المرور، والمزيد.
4. المعالجة في الوقت الحقيقي: تتيح بنية YOLO26 الاستدلال في الوقت الحقيقي، مما يجعلها مناسبة لتدفقات الفيديو المباشرة والتطبيقات الحساسة للوقت.

لأمثلة التنفيذ والتطبيقات العملية، استكشف حل TrackZone لتتبع الأجسام في مناطق محددة.

لعد فئات معينة من الكائنات باستخدام Ultralytics YOLO26، تحتاج إلى تحديد الفئات التي تهتم بها أثناء مرحلة التتبع. فيما يلي مثال بلغة Python:

import cv2

from ultralytics import solutions

def count_specific_classes(video_path, output_video_path, model_path, classes_to_count):
    """Count specific classes of objects in a video."""
    cap = cv2.VideoCapture(video_path)
    assert cap.isOpened(), "Error reading video file"
    w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
    video_writer = cv2.VideoWriter(output_video_path, cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

    line_points = [(20, 400), (1080, 400)]
    counter = solutions.ObjectCounter(show=True, region=line_points, model=model_path, classes=classes_to_count)

    while cap.isOpened():
        success, im0 = cap.read()
        if not success:
            print("Video frame is empty or processing is complete.")
            break
        results = counter(im0)
        video_writer.write(results.plot_im)

    cap.release()
    video_writer.release()
    cv2.destroyAllWindows()

count_specific_classes("path/to/video.mp4", "output_specific_classes.avi", "yolo26n.pt", [0, 2])

في هذا المثال، تعني classes_to_count=[0, 2] أنها تعد أجسام الفئة 0 و 2 (مثل الشخص والسيارة في مجموعة بيانات COCO). يمكنك العثور على مزيد من المعلومات حول مؤشرات الفئات في توثيق مجموعة بيانات COCO.

يوفر Ultralytics YOLO26 العديد من المزايا مقارنة بنماذج اكتشاف الكائنات الأخرى مثل Faster R-CNN و SSD وإصدارات YOLO السابقة:

1. السرعة والكفاءة: يقدم YOLO26 إمكانيات المعالجة في الوقت الحقيقي، مما يجعله مثالياً للتطبيقات التي تتطلب استدلالاً عالي السرعة، مثل المراقبة والقيادة الذاتية.
2. Accuracy: يوفر دقة متطورة في الكشف والتتبع، مما يقلل من النتائج الإيجابية الخاطئة ويحسن موثوقية النظام بشكل عام.
3. سهولة التكامل: يقدم YOLO26 تكاملاً سلساً مع مختلف المنصات والأجهزة، بما في ذلك الأجهزة المحمولة والأجهزة الطرفية، وهو أمر بالغ الأهمية لتطبيقات الذكاء الاصطناعي الحديثة.
4. Flexibility: يدعم مهام detection وsegmentation مع وضع track mode في الأعلى، بالإضافة إلى نماذج قابلة للتكوين لتلبية متطلبات حالات الاستخدام المحددة.

تحقق من توثيق YOLO26 الخاص بـ Ultralytics للتعمق أكثر في ميزاته ومقارنات الأداء.

نعم، يعتبر Ultralytics YOLO26 مناسبًا تمامًا للتطبيقات المتقدمة مثل تحليل الحشود وإدارة المرور بفضل قدراته على الاكتشاف في الوقت الفعلي، وقابلية التوسع، ومرونة التكامل. تسمح ميزاته المتقدمة بتتبع الكائنات وعدها وتصنيفها بدقة عالية في البيئات الديناميكية. تشمل أمثلة حالات الاستخدام ما يلي:

• تحليل الحشود: مراقبة وإدارة التجمعات الكبيرة، وضمان السلامة وتحسين تدفق الحشود باستخدام العد القائم على المنطقة.
• إدارة المرور: تتبع وحساب المركبات، وتحليل أنماط حركة المرور، وإدارة الازدحام في الوقت الفعلي باستخدام إمكانيات تقدير السرعة.
• تحليلات التجزئة: تحليل أنماط حركة العملاء وتفاعلات المنتجات لتحسين تصميمات المتاجر وتحسين تجربة العملاء.
• الأتمتة الصناعية: عد المنتجات على سيور النقل ومراقبة خطوط الإنتاج لمراقبة الجودة وتحسينات الكفاءة.

للحصول على تطبيقات أكثر تخصصاً، استكشف حلول Ultralytics للحصول على مجموعة شاملة من الأدوات المصممة لتحديات رؤية الكمبيوتر في العالم الحقيقي.