عدّ الكائنات باستخدام Ultralytics YOLO26#

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

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

إليك مثالًا بسيطًا للعدّ في 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 حلّ RegionCounter لعدّ الكائنات في مناطق متعددة في الوقت نفسه.

يوفر استخدام Ultralytics YOLO26 لعدّ الكائنات مزايا عديدة:

1. تحسين الموارد: يسهّل إدارة الموارد بكفاءة من خلال توفير أعداد دقيقة، مما يساعد على تحسين توزيع الموارد في قطاعات مثل إدارة المخزون.
2. تعزيز الأمن: يعزز الأمن والمراقبة من خلال تتبع الكيانات وعدّها بدقة، مما يساعد على اكتشاف التهديدات استباقيًا ويدعم أنظمة الأمن.
3. اتخاذ قرارات مستنيرة: يوفر رؤى قيّمة لاتخاذ القرارات وتحسين العمليات في مجالات مثل تجارة التجزئة وإدارة حركة المرور وغيرها.
4. المعالجة الآنية: تتيح بنية YOLO26 إجراء استدلال آني، مما يجعله مناسبًا لتدفقات الفيديو المباشرة والتطبيقات الحساسة للوقت.

للاطلاع على أمثلة التنفيذ والتطبيقات العملية، استكشف حلّ TrackZone لتتبع الكائنات في مناطق محددة.

لعدّ فئات محددة من الكائنات باستخدام Ultralytics YOLO26، عليك تحديد الفئات التي تهمك أثناء مرحلة التتبع. 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 فهارس الفئات في وثائق مجموعة بيانات COCO.

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

1. السرعة والكفاءة: يوفر YOLO26 إمكانات المعالجة الآنية، مما يجعله مثاليًا للتطبيقات التي تتطلب استدلالًا عالي السرعة، مثل المراقبة والقيادة الذاتية.
2. الدقة: يوفر دقة متطورة في الاكتشاف والتتبع، مما يقلل الإيجابيات الكاذبة ويحسن موثوقية النظام إجمالًا.
3. سهولة التكامل: يتيح YOLO26 تكاملًا سلسًا مع منصات وأجهزة مختلفة، بما فيها الأجهزة المحمولة وأجهزة الحافة، وهو أمر بالغ الأهمية لتطبيقات الذكاء الاصطناعي الحديثة.
4. المرونة: يدعم مهام الاكتشاف والتجزئة، مع وضع التتبع فوقهما، كما يتيح نماذج قابلة للتهيئة لتلبية متطلبات حالات الاستخدام المحددة.

اطّلع على وثائق YOLO26 من Ultralytics للتعمق في ميزاته ومقارنات الأداء.

نعم، يلائم Ultralytics YOLO26 تمامًا التطبيقات المتقدمة مثل تحليل الحشود وإدارة حركة المرور، بفضل قدراته على الاكتشاف الآني وقابليته للتوسع ومرونة تكامله. وتتيح ميزاته المتقدمة تتبع الكائنات وعدّها وتصنيفها بدقة عالية في البيئات الديناميكية. تشمل حالات الاستخدام أمثلةً مثل:

• تحليل الحشود: راقب التجمعات الكبيرة وأدِرها، مع ضمان السلامة وتحسين تدفق الحشود باستخدام العدّ القائم على المناطق.
• إدارة حركة المرور: تتبع المركبات وعدّها، وحلّل أنماط حركة المرور، وأدِر الازدحام في الوقت الفعلي باستخدام إمكانات تقدير السرعة.
• تحليلات تجارة التجزئة: حلّل أنماط حركة العملاء وتفاعلهم مع المنتجات لتحسين تخطيط المتاجر والارتقاء بتجربة العملاء.
• الأتمتة الصناعية: عدّ المنتجات على السيور الناقلة وراقب خطوط الإنتاج لضبط الجودة وتحسين الكفاءة.

للاطلاع على تطبيقات أكثر تخصصًا، استكشف حلول Ultralytics، وهي مجموعة شاملة من الأدوات المصممة لمواجهة تحديات الرؤية الحاسوبية في العالم الحقيقي.