Objektzählung mit Ultralytics YOLO26#

Um Objekte in einem Video mit Ultralytics YOLO26 zu zählen, gehe wie folgt vor:

1. Importiere die erforderlichen Bibliotheken (cv2, ultralytics).
2. Definiere den Zählbereich (z. B. ein Polygon, eine Linie usw.).
3. Richte die Videoaufnahme ein und initialisiere den Objektzähler.
4. Verarbeite jedes Frame, um Objekte zu verfolgen und sie innerhalb des festgelegten Bereichs zu zählen.

Hier ein einfaches Beispiel für die Zählung in einem Bereich:

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")

Weitere Konfigurationsmöglichkeiten und Optionen findest du in der RegionCounter-Lösung, mit der du Objekte gleichzeitig in mehreren Bereichen zählen kannst.

Ultralytics YOLO26 bietet mehrere Vorteile für die Objektzählung:

1. Ressourcenoptimierung: Das Verfahren erleichtert ein effizientes Ressourcenmanagement durch präzise Zählungen und hilft, die Ressourcenzuweisung in Branchen wie der Bestandsverwaltung zu optimieren.
2. Erhöhte Sicherheit: Das Verfahren verbessert Sicherheit und Überwachung, indem es Objekte präzise verfolgt und zählt. Dadurch unterstützt es die proaktive Bedrohungserkennung und Sicherheitssysteme.
3. Fundierte Entscheidungsfindung: Das Verfahren liefert wertvolle Erkenntnisse für die Entscheidungsfindung und optimiert Prozesse in Bereichen wie dem Einzelhandel, dem Verkehrsmanagement und vielen weiteren.
4. Echtzeitverarbeitung: Die Architektur von YOLO26 ermöglicht Echtzeit-Inferenz und eignet sich daher für Live-Videostreams und zeitkritische Anwendungen.

Implementierungsbeispiele und praktische Anwendungen findest du in der TrackZone-Lösung, mit der du Objekte in bestimmten Zonen verfolgen kannst.

Um mit Ultralytics YOLO26 bestimmte Objektklassen zu zählen, musst du beim Verfolgen die gewünschten Klassen angeben. Hier ein Python-Beispiel:

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])

In diesem Beispiel bedeutet classes_to_count=[0, 2], dass Objekte der Klassen 0 und 2 gezählt werden (z. B. Personen und Autos im COCO-Datensatz). Weitere Informationen zu Klassenindizes findest du in der Dokumentation zum COCO-Datensatz.

Ultralytics YOLO26 bietet gegenüber anderen Modellen zur Objekterkennung wie Faster R-CNN, SSD und früheren YOLO-Versionen mehrere Vorteile:

1. Geschwindigkeit und Effizienz: YOLO26 ermöglicht die Verarbeitung in Echtzeit und eignet sich daher ideal für Anwendungen, die eine schnelle Inferenz erfordern, etwa Überwachung und autonomes Fahren.
2. Genauigkeit: Das Modell bietet eine Objekterkennung und -verfolgung auf dem neuesten Stand der Technik. Dadurch werden falsch positive Ergebnisse reduziert und die Zuverlässigkeit des Gesamtsystems verbessert.
3. Einfache Integration: YOLO26 lässt sich nahtlos in verschiedene Plattformen und Geräte integrieren, darunter Mobilgeräte und Edge-Geräte. Das ist für moderne KI-Anwendungen entscheidend.
4. Flexibilität: Unterstützt Aufgaben zur Objekterkennung und Segmentierung, ergänzt durch den Track-Modus, sowie konfigurierbare Modelle für spezifische Anforderungen.

Einen genaueren Einblick in Funktionen und Leistungsvergleiche bietet die YOLO26-Dokumentation von Ultralytics.

Ja, Ultralytics YOLO26 eignet sich dank Echtzeit-Erkennung, Skalierbarkeit und flexibler Integration hervorragend für anspruchsvolle Anwendungen wie die Menschenmengenauswertung und das Verkehrsmanagement. Die erweiterten Funktionen ermöglichen eine präzise Objektverfolgung, -zählung und -klassifizierung in dynamischen Umgebungen. Beispiele für Anwendungsfälle:

• Auswertung von Menschenansammlungen: Überwache und steuere größere Menschenansammlungen, um die Sicherheit zu gewährleisten und den Personenfluss mithilfe der bereichsbasierten Zählung zu optimieren.
• Verkehrsmanagement: Verfolge und zähle Fahrzeuge, analysiere Verkehrsmuster und steuere Staus in Echtzeit mithilfe der Geschwindigkeitsschätzung.
• Einzelhandelsanalysen: Analysiere Bewegungsmuster von Kunden und deren Interaktion mit Produkten, um die Gestaltung von Geschäften zu optimieren und das Einkaufserlebnis zu verbessern.
• Industrielle Automatisierung: Zähle Produkte auf Förderbändern und überwache Produktionslinien, um die Qualitätskontrolle zu unterstützen und die Effizienz zu steigern.

Für speziellere Anwendungen findest du unter Ultralytics Solutions eine umfassende Sammlung von Werkzeugen für reale Herausforderungen der Computer Vision.