عدّ الكائنات باستخدام Ultralytics YOLO26#

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

1. استورد المكتبات اللازمة (cv2، ultralytics).
2. حدّد منطقة العدّ (مثل مضلع أو خط وغير ذلك).
3. أعدّ التقاط الفيديو وتهيئة عدّاد الكائنات.
4. عالج كل إطار لتتبّع الكائنات وعدّها داخل المنطقة المحددة.

إليك مثالًا بسيطًا للعدّ داخل منطقة:

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")

للاطلاع على إعدادات وخيارات أكثر تقدمًا، راجع حل RegionCounter لعدّ الكائنات في مناطق متعددة في الوقت نفسه.

يوفّر استخدام Ultralytics YOLO26 لعدّ الكائنات عدة مزايا:

1. تحسين الموارد: يسهّل إدارة الموارد بكفاءة من خلال توفير أعداد دقيقة، مما يساعد على تحسين تخصيص الموارد في صناعات مثل إدارة المخزون.
2. تعزيز الأمان: يعزّز الأمان والمراقبة من خلال تتبّع الكيانات وعدّها بدقة، مما يساعد في الكشف الاستباقي عن التهديدات وأنظمة الأمان.
3. اتخاذ قرارات مستنيرة: يوفّر رؤى قيّمة لاتخاذ القرارات، ويحسّن العمليات في مجالات مثل البيع بالتجزئة وإدارة حركة المرور وغيرها.
4. المعالجة الفورية: تتيح بنية YOLO26 إجراء استدلال فوري، مما يجعله مناسبًا لتدفّقات الفيديو المباشرة والتطبيقات الحساسة للوقت.

للاطلاع على أمثلة التنفيذ والتطبيقات العملية، استكشف حل TrackZone لتتبّع الكائنات في مناطق محددة.

لعدّ فئات محددة من الكائنات باستخدام Ultralytics YOLO26، يجب تحديد الفئات التي تهتم بها أثناء مرحلة التتبّع. فيما يلي مثال باستخدام 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] أنه يعدّ الكائنات من الفئتين 0 و2 (مثل الشخص والسيارة في مجموعة بيانات COCO). يمكنك العثور على مزيد من المعلومات حول مؤشرات الفئات في وثائق مجموعة بيانات COCO.

يوفّر Ultralytics YOLO26 عدة مزايا مقارنةً بنماذج اكتشاف الكائنات الأخرى مثل Faster R-CNN وSSD وإصدارات YOLO السابقة:

1. السرعة والكفاءة: يوفّر YOLO26 إمكانات المعالجة الفورية، مما يجعله مثاليًا للتطبيقات التي تتطلب استدلالًا عالي السرعة، مثل المراقبة والقيادة الذاتية.
2. الدقة: يوفّر دقة متطورة في الاكتشاف والتتبّع، مما يقلل الإيجابيات الكاذبة ويحسّن موثوقية النظام overall.
3. سهولة التكامل: يوفّر YOLO26 تكاملًا سلسًا مع مختلف المنصات والأجهزة، بما في ذلك الأجهزة المحمولة والأجهزة الطرفية، وهو أمر بالغ الأهمية لتطبيقات الذكاء الاصطناعي الحديثة.
4. المرونة: يدعم مهام الاكتشاف والتقسيم، مع وضع التتبّع فوقها، كما يدعم نماذج قابلة للتهيئة لتلبية متطلبات حالات الاستخدام المحددة.

اطّلع على وثائق YOLO26 من Ultralytics للتعمّق في ميزاته ومقارنات أدائه.

نعم، يُعدّ Ultralytics YOLO26 مناسبًا تمامًا للتطبيقات المتقدمة مثل تحليل الحشود وإدارة حركة المرور، بفضل إمكانات الاكتشاف الفوري وقابليته للتوسع ومرونة تكامله. تتيح ميزاته المتقدمة تتبّع الكائنات وعدّها وتصنيفها بدقة عالية في البيئات الديناميكية. تشمل حالات الاستخدام أمثلةً مثل:

• تحليل الحشود: راقب التجمعات الكبيرة وأدرها، مع ضمان الأمان وتحسين تدفّق الحشود باستخدام العدّ المستند إلى المناطق.
• إدارة حركة المرور: تتبّع المركبات وعدّها، وحلّل أنماط حركة المرور، وأدر الازدحام في الوقت الفعلي باستخدام إمكانات تقدير السرعة.
• تحليلات البيع بالتجزئة: حلّل أنماط حركة العملاء وتفاعلاتهم مع المنتجات لتحسين تخطيط المتاجر والارتقاء بتجربة العملاء.
• الأتمتة الصناعية: عدّ المنتجات على الأحزمة الناقلة وراقب خطوط الإنتاج لتحسين مراقبة الجودة والكفاءة.

للمزيد من التطبيقات المتخصصة، استكشف حلول Ultralytics للحصول على مجموعة شاملة من الأدوات المصممة لمواجهة تحديات الرؤية الحاسوبية في العالم الحقيقي.